NBER美国国民经济研究局-NBER-Expectations_60页_5mb

总结：Expectations-Based Loss Aversion May Help Explain Seemingly Dominated Choices in Strategy-Proof Mechanisms

核心内容

本文探讨了在策略证明（Strategy-Proof, SP）机制中，个体为何会表现出看似占优但实际可能不理性（即“误报”）的行为。作者提出了一种基于期望的损失厌恶（Expectations-Based Reference-Dependent, EBRD）模型，用以解释这种行为。传统经济理论认为，策略证明机制下的误报行为是由于错误信念或非经典偏好，但本文强调期望损失厌恶可能是更根本的解释。

主要观点

• 策略证明机制：如Gale-Shapley的“延迟接受”算法（DA），理论上应使个体的偏好与实际选择一致，因为任何偏离真实偏好的策略都是被支配的。
• 实证发现：在实验室和实际应用中，许多参与者仍会提交与实际偏好不一致的排名列表（ROL），即使这种行为可能导致成本。
• 期望损失厌恶：个体可能基于对未来的期望来调整自己的偏好，从而避免未来失望。这种行为是理性的，因为它们反映了个体对期望的调整，而不是简单的错误。
• 实验证据：Li（2017）的实验显示，29%的参与者提交的ROL不是按价值排序的，这与EBRD模型的预测一致。
• 模型预测：在低优先级情况下，个体可能为了最大化获得第一选择的机会，而故意降低高价值项目的排名，甚至完全省略某些项目。

关键信息

• 模型构建：基于Kőszegi和Rabin（2009）的EBRD框架，将效用分为经典消费效用和“新闻效用”（即对信息变化的反应）。
• 效用函数：
  $$
  \pmb{u}t = m(\pmb{c}t) + \sum{\tau = t}^{T} N(F{t, \tau} | F_{t - 1, \tau})
  $$
  其中，$m(\pmb{c}t)$ 为经典消费效用，$N(F{t, \tau} | F_{t - 1, \tau})$ 为基于期望的损失厌恶效用。
• 损失厌恶系数：作者估计出损失厌恶系数 $\lambda = 2.0$，显著高于经典模型的 $\lambda = 1$，表明损失厌恶在行为中起重要作用。
• 实验数据：Li（2017）的实验显示，不同优先级的参与者在排名策略上有显著差异，支持EBRD模型的预测。
• 误报类型：包括“翻转”（school flipping）和“遗漏”（school omission），其中遗漏可能违反一阶随机占优（FOSD）。

结构与预测

2.1 定义问题

• Lori有 $n$ 个不同学校的选择，按偏好排序。
• 她提交的ROL实际上是一个关于学校匹配的彩票。
• 她的期望会影响她的效用，从而导致她可能选择看似不优的策略。

2.2 模型预测

• 期望损失厌恶：当个体的期望较低时，她可能更倾向于选择高概率但低价值的学校，以避免未来的失望。
• 翻转行为：在某些情况下，个体可能将高价值但低概率的学校排在低价值但高概率的学校之后。
• 遗漏行为：当损失厌恶足够强时，个体可能完全省略某些学校，以避免可能的失望。
• 一阶随机占优：在某些情况下，这种行为可能违反一阶随机占优，表明其非经典性。

2.3 实验验证

• 作者重新分析了Li（2017）的实验数据，发现EBRD模型比无损失厌恶的模型更符合数据。
• 估计出的损失厌恶系数为 $\lambda = 2.0$，且在多个测试中表现稳定。
• 个体的误报行为与他们的优先级和损失厌恶程度有关。

实证结果

• 误报比例：Li的实验中，29%的参与者提交的ROL不是按价值排序的。
• 优先级影响：优先级越低，按价值排序的ROL比例越低，而将最低价值项目排在首位的比例越高。
• 成本分析：某些误报行为确实具有显著成本，例如在匈牙利和以色列的市场中，误报可能导致经济损失。
• 模型适用性：EBRD模型能够解释这些行为，而传统的非损失厌恶模型则无法做到。

结论

• 理论与实证一致：本文通过理论分析和实证数据验证，表明期望损失厌恶可以解释策略证明机制中的看似不优行为。
• 行为动机：个体可能出于避免失望的心理，故意调整自己的排名，以符合他们的期望。
• 政策含义：理解这种行为有助于改进策略证明机制的设计，以减少误报和提高资源配置效率。

附注

• 模型限制：EBRD模型假设学校属于不同的消费维度，这可能过于简化。
• 未来研究：可以进一步探讨概率权重对预测的影响，以及不同市场中的误报行为差异。