文摘

通过使用数据从一个自愿的贡献机制实验与异构的禀赋和信息不对称,我们估计一个量子反应平衡(改革开放)模型来评估效率的相对重要性的担忧与噪声在会计科目overcontribution公共好游戏。的基准规范、齐次代理overcontribution误差和噪声主要是解释的行为。结果改变当我们考虑更一般的改革开放规范视域异质性的担忧(集团)效率。在这种情况下,我们发现,大多数的受试者做出贡献,兼容偏好的假设(集团)效率。似然比检验证实的优越性更一般的规范改革模式的选择的规格说明细看一遍。

1。介绍

Overcontribution在线性公益游戏是最好的记录和复制实验经济学的规律。这显然是非理性行为的解释,然而,仍然是一个争论的文献。本文旨在研究噪声与偏好的相对重要性的效率。在这方面,我们建立和估算量子反应平衡(从今以后,改革开放1])所提出的模型的扩展Corazzini et al。2]。有限理性模型正式偏爱效率和噪音都纳入了。此外,与其他的研究,调查误差和利他偏好的相对重要性,明确实行均衡分析的改革方法。

调和的实验证据标准的经济框架,社会科学家开发的解释基于细化的“利他偏好”的假说:互惠(3- - - - - -6),利他主义和怀恨在心7- - - - - -9),承诺和康德哲学(10,11),标准遵从性(12),和车队13- - - - - -15]。

最近,一个额外的心理参数解释代理商的态度自由参与亲社会行为是获得越来越多的利益:偏好的假设(集团)效率。有证据显示,实验对象经常做出选择,提高组织效率,甚至不惜牺牲自己的成本收益(16,17]。Corazzini et al。2)使用这个行为假说来解释从线性公共品实验证据基于奖(一个彩票,首先价格支付拍卖,和自愿贡献机制作为基准),以养老收入分布的异质性和不完整的信息。特别是,他们提出一个简单的模型中,主体承担心理成本占不到什么是有效的。时的主要理论预测模型应用于线性公共品实验是平衡一个主题的贡献增加她的禀赋和重量上的心理成本(集团)低效的效用函数的贡献。作者表明,该模型能够占overcontribution观察到在他们的实验中,以及相关研究报告的证据。

然而,正如一些学者所认为的,而不是与受试者的善良,overcontribution可能反映了他们自然倾向错误。有几个实验研究[18- - - - - -23],寻求解决相关的偏好从纯噪声通过运行行为特别的变量的线性公共好游戏。发现这些论文““温暖的光辉”效应和随机误差扮演了重要和重要的角色”(20.在解释overcontribution, p . 842]。

有几种可供选择的理论框架,可用于模型噪声行为(有限理性)和解释实验证据在战略游戏。两个例子是——”水平”模式(例如,24- - - - - -26)和(钢筋)学习模型(例如,27])。——在“水平水平——”的迭代模式的主导地位。“受试者随机选择一个行动和等概率的设置可能的纯策略而“——水平“主题选择的行动代表了最好的回应——对水平科目。水平,模型被用来解释实验结果在游戏相关的偏好不扮演任何角色,如美比赛和其他常数和游戏。因为在公益游戏严格优势策略没有贡献,除非明确认为,利他偏好”水平“模型不适用。类似的论点适用于学习模型。在基本设置,每个主题把她最初随机选择和等概率的一组可能的策略。重复发生,策略是更有利可图的选择与更高的概率。因此,除非利他偏好明确纳入效用函数,重复导致没有贡献的纳什均衡。

改革开放的方法的优势,即使没有相关的偏好可以占overcontribution处于平衡状态。此外,我们可以用模型来评估的相对重要性噪声和效率问题。

我们开始从基准模型的人口是齐次问题(集团)效率和噪声参数。然后我们允许被假定人口异质性在主题划分为子组不同程度的效率问题,但对噪声参数相同的值。

在改革开放模型与均匀的人口,我们发现受试者overcontribution噪声完全解释的行为,估计参数的问题(集团)效率为零。似然比检验强烈反对随机性的规范不允许贡献的更一般的改革模式。会呈现出一幅不同的画面,当异质性介绍了改革开放模式。在模型中有两个子组,一个主题的概率与严格的积极程度的偏好(集团)效率大约是三分之一。这个概率增加到当我们添加第三个小组以更高效率问题。一个正式的似然比检验证实了改革开放模式的优越性和三个子组其他的规格说明细看一遍。这些结果强劲在重复学习过程。事实上,估计仍定性不变当我们复制分析最后25%的实验。本文的其余部分的结构如下。节2,我们将描述实验设置。节3,我们现在的改革开放扩展模型基于偏好(集团)效率假说。部分4从我们统计分析报告的结果。部分5总结了纸。

2。这个实验

我们使用的数据从三个交易日自愿贡献机制报道Corazzini et al。2]。每个会话由20轮和涉及16个科目。在每个会话的开始,每个主题是随机和匿名分配,以同样的机会,120的捐赠,160,200,或240令牌。禀赋被分配在实验的开始,并在整个20轮保持不变。实验是在陌生人中运行条件(28),每轮开始,受试者被随机和匿名复赛组四名球员。这个过程是常识。因此,在每一轮中,受试者选择了他们的不完全信息下的捐赠基金的分配。在每一轮,每个个体之间分配她养老和一组帐户。个人帐户隐含一个私人利益,对于每个令牌分配给个人账户,她收到了两个令牌。另一方面,令牌生成组帐号货币回报每一个小组成员。特别是,每个主题收到一个令牌为每个令牌分配由她或她的任何其他成员组的组帐户。因此,边际人均返回用于实验。在每一轮的开始,实验者体内分配令牌组帐号,独立于受试者的选择,从而暗示每个小组成员额外的标记。每一轮结束时,受试者收到支付信息。令牌使用的汇率转换成欧元分欧元。经济学的主题,主要是本科生,赢得欧元平均会话持久分钟。实验发生在2006年5月在米兰大学的实验经济学实验室使用z-Tree Bicocca,电脑软件(29日]。

匿名的特性和随机再匹配窄一些“传统”行为的相关性假说来解释受试者overcontribution。例如,他们排除受试者可能回报(联合国)贡献的成员30.]。此外,在这些条件下,主题与偏好平等不能做出补偿的贡献减少(dis)有利的不平等31日,32]。相反,偏爱(集团)效率的假设作为一个特殊形式的“温暖的光辉”(8,9)显示为一个更合理的理由。

3所示。理论预测和估计过程

考虑一个有限集的主题。在一个通用的一轮,主题,养老,贡献集团账户和。的货币收益他的贡献在一个圆是由 在哪里是小组成员的贡献的总和其他比吗在这一轮。考虑到(1),如果受试者的效用只取决于货币回报,零贡献是每一轮的唯一的纳什均衡。为了解释观察到的积极贡献在他们的实验中,Corazzini et al。2]假设对象遭受心理成本,如果他们贡献小于最优是什么组织。特别是,介绍了心理成本的凸二次函数的捐赠基金(即主题之间的区别。,社会最优)和她的贡献。VCM的球员的(心理)效用函数给出 在哪里是一个非负和有限的参数测量的重量的心理成本,在效用函数。注意心理成本是增加在主体的养老的区别和她的贡献。在这些假设下,在每一轮,有一个独特的个体的纳什均衡贡献:

的价值就越高,平衡的贡献越高的话题。平均相对贡献,、观察到的VCM会话,这意味着。

麦凯维后,帕尔弗里1),我们引入嘈杂的决策和考虑分对数量子反应延长(2)。特别是,我们假设随机受试者选择他们的贡献根据物流局量子的响应函数。也就是说,对于一个给定的禀赋,和其他小组成员的贡献,的概率问题贡献是由 在哪里是一个噪声参数反映了主体的注意能力的预期回报。

因此,每一个主题与一个维向量包含一个值的为每一个可能的贡献水平。让该系统包括。注意,因为别人的贡献,,进入r.h.合著系统的,别人的也将进入右方的定点因此,量子反应平衡(改革开放),。

在平衡,噪声参数反映了受试者的贡献的分散在纳什表达的预测(3)。越高越高,分散的贡献。作为趋于无穷时,贡献是随机从定义的均匀分布。另一方面,如果等于崩溃的纳什均衡,平衡的贡献。(更具体地说,对于每一个主题收敛于平衡贡献和)。

在这个框架中,我们使用数据从Corazzini et al。2)来估计和,共同。我们进行如下。我们是在利用所有轮(进行初步分析人口)和假设是均匀的和。这给了我们一个基准,可以直接与结果报告Corazzini et al。2]。在我们的估计过程中,我们使用一个似然函数假定每个主题的贡献从多项式分布。也就是说, 在哪里这个话题的次数做出了贡献在轮实验,同样。每个人的贡献的对数似是对数表达式(5)。最大似然程序包含找到的非负价值和(和相应的改革)的总和最大化对数似函数评估实验数据。换句话说,我们计算多项式概率的观测数据通过限制理论概率改革开放概率。

然后,我们扩展我们的跨学科分析允许异质性。特别是,我们概括以上的改革开放模型假定人口划分子组,特点是相同的但是不同的。在这种情况下,似然函数 在哪里,,是代理的概率属于相关的子群,分别。这使我们能够评估的价值为整个人口,的价值为子组,和相应的概率,。用于识别目的我们强加。引入一组一次伴随着相应的似然比检验允许我们确定的数量组织可以从原始数据统计确定。在接下来的统计分析,估计占主体的潜在的依赖在轮的贡献。置信区间的水平的反演提供了似然比统计,受参数约束,符合库克和韦斯伯格(33],考克斯和欣克利[34),而墨菲(35]。

4所示。结果

使用20轮的实验数据,表1报告(我)平均贡献(养老类型和总体)中观察到的实验中,(2)平均贡献作为噪声预测的模型不是会计学科的贡献,以及(iii)估计分对数平均贡献不同的参数化的量子反应模型的扩展。特别是,规范指的是两个版本的模型和限制等于基准值基于Corazzini et al。2]。在这种参数化,是固定值计算校准(3在最初的实验数据,,而是限制。(表4显示的最大似然估计价值当我们有所不同。可以看到,对于一个大范围的值这个值接近。我们选择作为一个足够低价值的估计接近从而提供一个嘈杂的版本的基础模型,该模型可用于统计测试。)

如表所示,规范密切复制原始模型的预测了Corazzini et al。2不占噪声在受试者的贡献。在规范,是固定的,,而估计用(4)。的价值大幅增加对使用的基准价值规范。似然比检验强烈反对规范强加限制的值和有利于规范在这可以自由变化()。然而,如果我们比较预测的平均贡献两种规格,我们发现规范更好的接近原始实验数据。这是因为一个更高的价值传播的噪声参数分布的贡献的意思。因此即使意味着贡献进一步从数据(诱导的固定值)传播引起的噪声参数的规范产生一个更好的选择。这不仅强调了考虑的重要性(点)的平均预测也蔓延。它还表明,允许变化可以改善健康。

在规范,和联合估计使用(5),。如果两个参数可以自由变化,减少到零,达到一个值高于得到的规范。证实了似然比检验,规范符合实验数据比规范()和规范()。因此,在保持同质性的假设下,我们的估计表明,贡献更好的解释为随机性受试者的行为而不是关注效率。

为了控制学习的效果,我们使用最后五轮只复制我们的分析。

符合一个学习参数,在这两个规格和的值,大大低于相应的估计表吗1。因此,重复减少随机性受试者的贡献。上面介绍的主要结果证实了我们的分析最后五个时期。看规范,在模型中没有限制参数,估计的价值再一次下降。同时,根据似然比检验,规范解释了数据比两个规范和()。

这些结果似乎拒绝偏爱(集团)效率假设纯随机性在受试者的贡献。然而,不同的画面出现,当我们允许跨学科异质性。在表3我们假定的同质性下降。我们考虑两个模型与异构对象:第一个假定人口划分为两个子组()和第二分成三个子组()。(我们也估计模型。然而,添加一个第四组不显著提高模型的拟合优度比较规范。特别是,与为模型,估计所有的时间,,,,,,,)。像之前一样,我们进行分析包括所有轮实验并专注于过去五只重复。

我们发现强有力的证据支持受试者的异质性。重点分析对所有轮,根据这个模型有两个子组,一个相关的话题的概率和的概率。结果更加明显在模型中有三个亚组:在这种情况下和其他两个参数是严格积极:和。主题与这些值与概率有关,,,分别。因此,模型更简洁,大多数学科贡献的方式兼容的偏好(集团)效率假说。这些比例符合发现先前的研究[18,21,22),除了混乱,社会偏好解释的行为实验人口的一半。

学科之间允许异质性降低了估计随机性贡献:的价值减少从在规范模型的同质人口和在模型中有两个和三个亚组,分别。根据似然比检验,模型和适合比(无约束)规范的数据模型的同质对象(模型,,而为模型,)。此外,模型,添加一个额外的子群,显著增加了拟合优度的规范()。和之前一样,所有这些定性结果保持不变,当我们控制学习过程,我们专注于过去实验轮。

为了检查我们的结果在表的鲁棒性3,我们也估计附加规范会计的异质性问题(集团)效率和噪声在受试者的行为。虽然对数似与来源的异质性显著提高模型的统计,估计的值参数仍定性相同报道第三列的表3。

5。结论

在线性overcontribution公共品实验解释了受试者的偏爱(集团)效率或者更确切地说,它只是反映了他们的自然态度的错误?为了回答这个基本问题,我们估计局量子的响应均衡模型,在选择他们的贡献,受试者都受到真正的关心(集团)效率和随机噪声的行为。

与其他研究,我们发现两个问题(集团)效率和噪声的行为发挥重要作用在确定受试者的贡献。然而,评估这两种行为假设是更相关的跨学科解释贡献强烈取决于程度的异质性承认的模型。的确,通过估算模型与均匀,参数捕获问题(集团)效率消失而完全占overcontribution噪音行为。会呈现出一幅不同的画面,当我们允许异构受试者在关注效率。通过估算模型的人口划分为三个子组对效率的关注程度的不同,我们发现大部分的受试者做出贡献的方式兼容的偏好(集团)效率假说。正式改革开放模型的似然比检验证实了霸权和三个子组其他的规格说明细看一遍。

先前的研究[18- - - - - -23]试图解开噪音从利他偏好的影响主要通过操纵实验设计。我们的方法增加了理论基础的形式一个平衡分析。对比研究主要关注(直接)利他主义,我们遵循Corazzini et al。2),允许对效率的偏好。我们的结果符合文献,我们还得出结论,结合噪声和社会问题起着很大的作用。然而,我们的研究结果是直接支持的声音证明有效的理论框架在相似的环境中(例如,36])。

最近的研究(37,38)强调承认社会偏好异质性的重要性,以便更好地解释实验证据。在本文中,我们表明,忽视了受试者的社会偏好的异质性可能导致错误的结论对爱的相对重要性(集团)效率假说对混乱的论点。的确,揭示了我们的分析,耦合跨学科的异质性对(集团)效率与决策过程中的噪音似乎相关连接,以更好地解释受试者的贡献。

附录

表4显示的最大似然值和对数似根据(5),减少从来。如表所示,高的值估计的价值是。当α= 10,估计价值是什么。此外,对于低于估计的价值是。为规范测试部分中给出4,我们设置。这是一个足够低的价值为了生成一个嘈杂的版本的基本模型。两个参数表明为什么这个选择是有效的。首先,等一系列的值,估计是稳定的。此外,由于模型的对数似和高于对应于一个模型(同样的),任何的选择低于为基准的价值只会强化的结果部分4。更具体地说,都似然比统计比较规范与规范和的表1和2会增加。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

作者感谢亚瑟Schram Jens粗俗,参与者2010 Credexea阿姆斯特丹大学的会议,2011年巴塞罗那IMEBE, 2011年度会议在伦敦皇家经济学会了有用的意见和建议。