我的笔记

Duch_2021_Economic_Preferences_Local_Coronavirus

更新于 2026/7/5

Economic Preferences and the Local Coronavirus Pandemic

**Duch et al. (2021) , **

在 Zotero 中打开

摘要

Early in the pandemic, individuals in numerous countries experienced quite different rates of COVID-19 infections and deaths dependent on where they lived. This within-country variation offers an opportunity to study how the intensity of a catastrophic shock to systems affects individuals’ economic preferences – a topic without consensus in the literature. In April 2020, we conducted an online survey with approximately 1500 subjects in China, 800 in Chile, and 800 in Italy. Our sampling strategy deliberately sampled subjects with exposure to different levels of local COVID-19 infections. We find that respondents condition their behavior and economic preferences on this intensity – levels of COVID-19 preventive behavior are correlated with the intensity of community infections; exposure to intense infection rates correlates, positively, with risk aversion and patience; and, negatively, with other-regarding preferences. Using machine-learning to estimate individual-level effects, we find notable effect heterogeneity with respect to education levels. Finally, using multilevel regression and poststratification (MRP) we demonstrate province-level estimates of economic preferences for 107 Italian provinces.

Now I have all the content needed. Here is the detailed summary:

一句话总结

本文利用2020年4月COVID-19疫情早期中国、智利和意大利三国社区感染率的国内差异，通过在线调查发现当地疫情强度与个体经济偏好（风险厌恶、耐心、利他性）显著相关，且教育水平是调节该效应的关键异质性来源。

研究问题

灾难性系统冲击（具体为COVID-19大流行的本地感染强度）如何影响个体的经济偏好（风险偏好、时间偏好、他人导向偏好）？该效应在不同人群中是否存在异质性？其背后的机制是什么？

核心贡献

  1. 跨国比较证据：首次在三个文化和经济背景截然不同的国家（中国、智利、意大利）同时研究本地疫情冲击对经济偏好的影响
  2. 异质性机制识别：利用BART机器学习方法，无需预设函数形式即可识别出教育水平是调节感染冲击效应的最主要因素
  3. 小区域估计校准效应大小：利用多层回归与后分层（MRP）方法，将便利样本的估计推广至意大利全部107个省份，校准疫情冲击对全国人口经济偏好的实际影响

维度1：实验设计分析

研究类型：这是一项观察性在线调查研究（非严格实验），利用社区感染率的自然变异作为"准处理"。

抽样策略

  • 时间：2020年4月（疫情早期）
  • 三国样本：中国约1500人、智利约800人、意大利约800人
  • 地理单元选择：在每个国家内，按感染率高低和距震中距离选取亚国家级地理单元（中国10个城市、意大利12个省、智利11个市镇）
  • 招募方式：智利和意大利通过Facebook Ad Manager招募；中国通过微博和微信招募

被试体验时间线

  1. 知情同意：所有18岁以上参与者签署知情同意书，无欺骗设计
  2. 人口统计信息：收集性别、年龄、教育水平等
  3. COVID-19意识测量：
    • 对所在城市疫情严重程度的主观评估（10点Likert量表）
    • 估计周围因COVID-19死亡的人数
  4. 预防行为测量：
    • 是否自愿戴口罩
    • 是否避免人群聚集
  5. 风险偏好测量：
    • GPS阶梯法（staircase method）：5轮相互关联的彩票选择题（确定金额 vs. 50/50的赌博）
    • 自评风险承担意愿（0-10量表）
  6. 时间偏好测量：
    • GPS阶梯法：5轮跨期选择题
    • 自评等待意愿（0-10量表）
  7. 他人导向偏好测量：
    • 正向互惠意愿
    • 负向互惠（3个问题的综合指标：惩罚不公正对待者的意愿等）
    • 利他性：假设彩票中奖后愿意捐赠多少给慈善机构

调查实施

  • 平台：Qualtrics
  • 平均完成时间：智利22分钟、中国17分钟、意大利15分钟
  • 报酬：智利平均£3.50、中国平均£6、意大利平均£4
  • 伦理审批：牛津大学Nuffield学院CESS伦理委员会

维度2：理论模型

本文没有构建正式的理论模型，但基于已有文献提出了三组理论预测：

  1. 风险偏好：灾难性事件可能增加风险厌恶（恐惧心理，Lerner_Keltner_2001_Fear_Anger_Risk），也可能降低风险厌恶（大额损失后的赌博心理，Page_Savage_Torgler_2014_Risk_Seeking_Losses）。方向不确定。

  2. 时间偏好：疫情可能导致短视（myopia）增加（Imas_Kuhn_Mironova_2015_Violence_Discounting_Bias），但也可能增加耐心（Callen_2015_Catastrophes_Time_Preference）。方向不确定。

  3. 他人导向偏好：共同经历灾难可能增加亲社会行为和信任（Cassar_Healy_vonKessler_2017_Trust_Risk_Disaster），但也可能因资源竞争和自保心理而降低利他性（Branas-Garza_2020_Covid_Generosity_Spain）。方向不确定。

异质性机制猜想：感染冲击效应可能受教育水平、主观经济焦虑、职业类型等因素调节。低教育者可能更依赖本地信息、更难远程工作、更脆弱，因此对本地疫情冲击更敏感。

维度3：核心发现

3.1 意识与行为

  • 疫情严重性意识与社区感染率正相关（三国均显著）
  • 周围死亡人数感知与感染率正相关（中国和意大利显著）
  • 预防行为（戴口罩、避免聚集）与社区感染率正相关

3.2 经济偏好

  • 风险厌恶↑：高感染社区的个体表现出更高的风险厌恶（中国和意大利显著，风险综合指标显著为负）
  • 耐心↑：GPS阶梯法测量显示高感染社区个体更有耐心（中国和意大利显著），但自评等待意愿反向（意大利显著为负）
  • 他人导向偏好↓：
    • 正向互惠：感染率系数不显著
    • 负向互惠：意大利下降（显著），中国上升（显著），智利上升（显著）——方向不一致
    • 利他性（捐赠）：中国下降（显著），意大利下降（不显著）

3.3 异质性分析（BART）

  • 教育水平是最主要的异质性来源，标准化影响大于年龄、性别和GDP
  • 低教育群体的意识和预防行为对本地感染率更敏感
  • 耐心和负向互惠的感染效应在低教育者中更强
  • 风险厌恶和利他性的教育异质性不明显

3.4 小区域估计（MRP，仅意大利）

  • 约10%的意大利成年人口（约500万人）的风险厌恶和耐心预计增加超过0.4个标准差
  • 约10%的意大利人（约50万人）的利他行为预计增加超过0.5个标准差
  • 高感染省份（如Bergamo）与低感染省份的经济偏好预测值差异约1.1个标准差

维度4：变量概览

观测变量（因变量）

变量 测量方式
疫情严重性意识 10点Likert量表
周围死亡人数 开放式数值（取对数）
戴口罩 二元变量
避免聚集 二元变量
风险偏好（GPS阶梯法） 5轮彩票选择
风险偏好（自评） 0-10量表
风险综合指标 上述两项标准化求和
耐心（GPS阶梯法） 5轮跨期选择
耐心（自评等待意愿） 0-10量表
正向互惠 量表题
负向互惠综合指标 3题标准化求和
利他性（捐赠） 假设彩票中奖的捐赠金额（PPP对数化）

Treatment变量（关键自变量）

变量 说明
社区感染率 每万人COVID-19确诊病例数（连续变量）
高/低感染分类 感染率前25%为高感染组（二元变量，用于BART）

控制变量

变量 说明
教育水平 中等/高等（二分类）
年龄 连续变量
性别 男/女
当地人均GDP 连续变量
国家 中国/智利/意大利（BART分析中使用）

维度5：局限性

  1. 非随机分配：社区感染率非外生随机分配，尽管作者展示了高/低感染组在可观测协变量上基本平衡，仍无法完全排除内生性。协变量平衡检验和匹配分析只是缓解而非消除遗漏变量偏差。
  2. 便利样本：通过社交媒体招募，样本偏年轻、高教育，非全国代表性（尤其65岁以上群体严重不足）。虽然MRP后分层可部分修正，但基于仅12个省份的训练数据推广至107个省份，外推风险较大。
  3. 横截面数据：无法区分偏好"改变"与偏好"水平差异"——可能高感染社区的居民本身就有不同的经济偏好。缺乏面板数据或疫情前基线。
  4. 仅捕捉短期效应：调查在疫情爆发2个月内进行，无法判断偏好变化是暂时性还是持久性。
  5. 假设性测量：偏好测量基于假设情境问卷而非激励兼容的实验，可能存在假设偏差。
  6. 遗漏全国/全球层面的信息效应：设计聚焦本地感染率变异，无法捕捉全国性媒体报道、政策变化等对偏好的影响。
  7. 跨国结果不一致：特别是时间偏好和他人导向偏好的方向在三国间存在矛盾，削弱了因果推断的说服力。

维度6：与其他文献的关系

直接对话的文献

  • Malmendier_Nagel_2011_Depression_Risk_Taking：大萧条经历影响后续风险承担——本文将此逻辑延伸至COVID-19
  • Chuang_Schechter_2015_Stability_Experimental_Preferences：综述外生冲击对偏好稳定性的影响
  • Falk_Becker_Dohmen_2018_Global_Evidence_Preferences：GPS全球偏好调查方法——本文采用其阶梯法测量风险和时间偏好
  • Cassar_Healy_vonKessler_2017_Trust_Risk_Disaster：2004年海啸后信任、风险和时间偏好变化——方法论和研究问题的重要参照
  • Hanaoka_Shigeoka_Watanabe_2018_Risk_Preferences_Earthquake：2011年日本大地震后风险偏好变化——发现性别差异
  • Jakiela_Ozier_2019_Violence_Risk_Preferences：肯尼亚选后暴力对风险偏好的影响

对比/补充的文献

  • Angrisani_2020_Risk_Preferences_COVID：发现COVID-19对风险偏好无显著影响——与本文结果相反
  • Bu_Hanspal_Liao_2020_Risk_Taking_Wuhan：武汉证据，个人暴露不影响风险偏好——本文发现社区层面效应显著
  • Branas-Garza_2020_Covid_Generosity_Spain：西班牙COVID-19期间捐赠下降——与本文中国样本的发现一致
  • Callen_2015_Catastrophes_Time_Preference：印度洋地震后耐心增加——与本文GPS阶梯法结果一致
  • Fisman_Jakiela_Kariv_2015_Distributional_Preferences_Recession：大衰退期间分配偏好变化

方法论参考

  • Athey_Imbens_2017_Econometrics_Randomized_Experiments、Green_Kern_2012_BART_Treatment_Effects：BART方法用于异质性处理效应估计
  • Kennedy_Gelman_2020_MRP_Population、Hanretty_2020_MRP_Constituency：MRP后分层方法

维度7：可拓展的研究方向

  1. 面板数据追踪：在同一地区和人群中进行多波次调查，区分偏好的短期波动与持久性变化，检验疫情冲击效应的衰减速度
  2. 激励兼容实验设计：用真实支付的风险选择、跨期选择和独裁者博弈替代假设性问卷，提高偏好测量的可靠性
  3. 机制解构：深入研究教育调节效应的具体机制——是信息渠道差异（本地 vs. 全国媒体）、职业脆弱性差异，还是认知加工差异？可设计信息干预实验
  4. 因果识别策略改进：利用疫情在时间和空间上的外生变异（如超级传播事件）进行更严格的因果识别，或结合DID设计使用疫情前基线数据
  5. 偏好变化的经济后果：研究偏好变化是否确实导致了实际经济行为改变（储蓄率、投资决策、消费模式）
  6. 长期效应与代际传递：借鉴Malmendier_Nagel_2011_Depression_Risk_Taking的框架，研究COVID-19经历对年轻世代长期经济偏好的影响
  7. 社交媒体与信息环境的角色：量化全国/全球层面的媒体暴露对偏好的影响，与本地感染率效应进行分解比较
  8. 扩展到其他偏好维度：如对不平等的厌恶、对政府干预的态度、对公共品提供的支持等

关键结论

COVID-19疫情早期，社区感染率的差异确实与个体经济偏好的变化相关：高感染社区的个体表现出更高的风险厌恶、更强的耐心（基于阶梯法测量），以及他人导向偏好的下降趋势（尤其是负向互惠和利他性）。教育水平是调节这一效应的最重要因素——低教育群体对本地疫情信号更敏感，其意识、行为和部分经济偏好受感染率的影响更大。通过MRP后分层估计，约10%的意大利成年人口的风险和耐心偏好发生了超过0.4个标准差的显著变化，表明这一"罕见事件"对经济偏好的冲击具有实际的宏观经济意义。