欧洲央行-随机对照试验中的理性疏忽（英）-2025_32页_2mb

文档总结

核心内容

本文探讨了在随机对照试验（RCT）中引入信息提供实验的动态理性不注意（Rational Inattention, RI）模型。研究重点在于分析信息处理实验中“处理效应”（treatment effect）如何受到环境特征和个体特征的影响，并利用这些结果解释实证文献中的相关发现，从而对经济行为和沟通政策提供理论支持。

主要观点

1. 理性不注意的定义
   理性不注意是指个体在面对信息时，由于注意力成本的存在，会以最优方式选择关注的信息量。信息是可得的，但获取信息需要付出代价，而代价与信息熵的减少成线性关系。

2. 信息处理实验的设定
   实验分为三个阶段：

   • 阶段1：在调查前的时期，个体基于历史信息形成先验不确定性。
   • 阶段2：在调查期间，个体被提供信息并根据其重要性选择注意力。
   • 阶段3：在调查后，个体根据新的信息调整其后验不确定性，并对未来做出计划。

3. 处理效应的定义与模型预测
   处理效应（$G$）是指个体在调查后对状态变量的后验均值相对于先验均值的调整程度。根据模型预测，处理效应 $G$ 是状态重要性（$\gamma$）和状态创新方差（$\sigma_{\varepsilon}^2$）的函数。

4. 处理效应的性质

   • 当个体在调查前后均支付注意力时，处理效应 $G$ 严格递减于状态重要性 $\gamma$。
     这是因为个体在日常生活中支付更多注意力会降低对调查信息的敏感性，从而抵消了调查期间注意力增加带来的影响。
   • 当个体在调查前不支付注意力但调查期间支付时，处理效应 $G$ 严格递增于 $\gamma$。
     这是因为日常生活中不支付注意力，导致调查期间的注意力成为唯一影响因素。

5. 处理效应的其他参数依赖性

   • 处理效应 $G$ 严格递减于状态创新方差 $\sigma_{\varepsilon}^2$。
   • 处理效应 $G$ 严格递增于注意力成本 $\mu$，前提是 $\lambda / \mu$ 保持不变。

6. 实证文献的解释

   • 文献发现，当通货膨胀较高时，处理效应较小。本文认为，这可能是因为在高通胀环境下，个体对信息的重视程度提高，导致日常生活中支付更多注意力，从而降低了处理效应。
   • 文献还发现，对货币政策信息了解较少的个体在信息处理后更大幅度地修正其信念。本文认为，这可能是因为这些个体在日常生活中对货币政策不那么重视。

关键信息

• 处理效应 $G$ 是一个关键变量，用于衡量个体在信息处理实验中的反应强度。
• $G$ 的变化取决于个体对信息的重视程度（$\gamma$）、注意力成本（$\mu$ 和 $\lambda$）以及状态的动态特性（$\rho$ 和 $\sigma_{\varepsilon}^2$）。
• 处理效应的递减性 是在个体在调查前后均支付注意力的情况下成立，而在调查前不支付注意力的情况下，处理效应会递增。
• 实证研究的启示：沟通政策在某些情况下（如仅重复已公开信息）可能对重视信息的个体效果较弱，而在提供新信息的情况下可能更有效。

模型结构

• 状态变量 $\pi_t$ 服从一阶自回归过程：$\pi_t = \rho \pi_{t-1} + \varepsilon_t$，其中 $\varepsilon_t$ 是独立同分布的正态随机变量。
• 个体在每个时期选择最优的后验不确定性 $\Sigma_{t|t}$，满足 $\Sigma_{t|t} \leq \Sigma_{t|t-1}$。
• 处理效应 $G$ 定义为 $G = 1 - \frac{\Sigma_{0|0,s}}{\Sigma_{0|0}}$，其中 $\Sigma_{0|0}$ 是调查前的后验不确定性，$\Sigma_{0|0,s}$ 是调查后的后验不确定性。

结论

本文通过引入信息提供实验到动态理性不注意模型中，揭示了处理效应的复杂性。处理效应不仅取决于个体对信息的重视程度，还受到注意力成本、状态的动态特性以及信息是否在实验前已可得等因素的影响。研究结果有助于解释实证文献中的观察，并对沟通政策的效果提供理论支持。

附录与扩展

• 附录包含模型的详细证明。
• 在线附录讨论了模型的扩展，如调查期间的额外激励对处理效应的影响。
• 文章还提到，在实验室实验中，个体在实验前可能无法获得状态信息，从而导致处理效应的特定行为模式。

实证联系

• 文献中常用的回归模型为：
  $$
  \text{Posterior}_i = \beta_0 + \beta_1 \text{Prior}_i + \beta_2 I_i + \beta_3 I_i \text{Prior}_i + \epsilon_i
  $$
  本文认为，模型预测 $\beta_3 = -G$，即处理效应的系数与 $G$ 成反比。

模型应用

• 本文提出的模型可以用于解释信息提供实验中的行为差异，并为政策制定者提供关于信息传播效果的理论依据。