Associative Memory and Belief Formation

基本信息

作者: Benjamin Enke, Frederik Schwerter, Florian Zimmermann
年份: 2020 (NBER Working Paper No. 26664)
期刊/来源: NBER Working Paper Series
JEL分类: D03
被试总数: 830名实验室被试
实验地点: University of Bonn (BonnEconLab) 和 University of Cologne
预注册: AEA RCT Registry (https://www.socialscienceregistry.org/trials/4247)

一句话总结

通过实验室股票价值预测范式，证明联想记忆 (associative memory) 中"当前情境线索选择性触发对相似情境过去信息的回忆"机制，可以将内在的反应不足转化为整体的过度反应——这为调和实验室信念更新文献中的反应不足与宏观/金融数据中的过度反应提供了统一的认知机制解释。

研究问题

为什么实验室信念更新研究 (balls-and-urns 范式) 普遍发现反应不足，而宏观调查数据 (如 CFO 预期、分析师预测) 却常常发现过度反应？是否存在一种认知机制——具体而言是联想记忆——使当前可观察情境选择性地激活对过去类似情境信息的回忆，从而导致信念对当前信号的过度反应？这种机制在多大程度上由（i）记忆不完美、（ii）线索激活的联想回忆、（iii）当前情境与过去情境的匹配方向共同决定？

核心贡献

理论形式化与实证检验： 将 Mullainathan (2002) 与 Bordalo et al. (2019b) 的联想记忆理论形式化为可估计的信念方程，分离基线回忆概率 r 与联想回忆强度 a 两个参数。
创新实验范式： 设计"新闻+故事+图片"情境的两阶段股票价值预测任务，在心理学的线索回忆范式与经济学的激励性定量决策之间架起桥梁。
过度反应/反应不足的可逆性： 通过反转情境匹配方向 (rho=+1 vs rho=-1)，因果性地从 +10-14% 过度反应翻转为 -24-26% 反应不足，验证理论核心机制。
三重操纵的完备识别： Reminder 关闭遗忘 → 过度反应消失；No Cue 关闭联想 → 过度反应消失；Underreaction 反转情境 → 反应翻转，三种操纵从不同维度证伪非记忆解释。
结构估计： 在 Main 处理组估计 r=0.59、a=0.79，被线索激活的信号回忆概率达 91%，未激活信号仅 59%——量化联想回忆的相对重要性。
机制溯源： No interference 处理（仅一家公司）证明遗忘的主要来源是相似性干扰而非时间衰退。
宏观-实验室桥梁： 解释了实验室排除记忆因素时观察到反应不足、而实地数据嵌入可记忆情境时观察到过度反应的看似矛盾。

维度1：实验设计分析

核心研究问题

联想记忆 (associative memory) 如何通过不对称的信息回忆影响信念形成？当信息嵌入可记忆的情境 (context) 中时，当前情境是否会选择性地触发对过去相似情境信息的回忆，从而导致信念的系统性过度反应？

实验范式概述

参与者预测多家虚构公司的股票价值。信息以"新闻"形式呈现，每条新闻取值 +10 或 -10，公司价值 = 100 + 所有新闻之和。关键创新在于：新闻不以抽象数字呈现，而是嵌入"情境" (context) 中——即配对的故事 (story) 和图片 (image)。

实验任务详细流程

第一阶段 (Period 1)

信号展示: 被试依次在屏幕上观察某公司的所有第一阶段新闻信号
- 每家公司的新闻数量 k_j 属于 {0, 1, 2, 3}
- 每位被试面对3家公司有3条新闻、3家有2条、3家有1条、3家有0条
- 新闻取值 +10 或 -10，等概率且独立抽取
- 每条新闻展示15秒，包含信号值、故事和图片
情境呈现方式: 对于每家公司，所有正面新闻使用同一情境 (同一故事+图片)，所有负面新闻使用另一情境。不同公司的情境不同，且情境被明确告知不具信息含量
信念报告: 观看完一家公司所有新闻后，立即报告该公司价值的估计
重复: 对全部12家公司依次重复上述过程

间隔任务 (Time Gap)

被试进行15分钟不相关的真实努力任务 (real effort task)：打字任务，每正确完成一个得5欧分
目的：激活长期记忆而非工作记忆，创造记忆衰退条件

第二阶段 (Period 2)

新信号展示: 每家公司展示至多1条新的新闻 (10家有新新闻，2家无)
信念报告: 观看新新闻后立即报告该公司当前价值的估计
- 公司价值 = 100 + 第一阶段所有新闻之和 + 第二阶段新新闻
回忆报告: 在信念报告之后，被试报告整个实验中该公司的正面和负面新闻各有多少条
重复: 对全部12家公司依次重复

七个实验处理组 (Treatments)

处理组	N	核心操纵	对应模型参数
Main	80	基线：情境与新闻类型一一对应 (rho=1)	基线
WTP	100	同Main但报告支付意愿而非信念	rho=1, 行为延伸
Reminder	50	同Main但第二阶段前提醒第一阶段信念	r=1 (消除记忆不完美)
WTP reminder	80	同WTP但提醒第一阶段WTP	r=1
No Cue	80	每条新闻使用不同情境，无重复情境	a=0 (关闭联想回忆)
Underreaction	80	第二阶段情境与第一阶段反转	rho=-1
Underreaction reminder	50	同Underreaction但提醒第一阶段信念	rho=-1, r=1

额外机制探究处理组

处理组	N	核心操纵
Extended time lag	80	第一和第二阶段间隔3天
Extended time lag reminder	50	同上但有提醒
No time lag	60	无15分钟间隔
Main replication	60	Main的直接重复
No interference	60	仅1家公司 (消除干扰效应)

激励机制

信念: 二值化评分规则 (binarized scoring rule, Hossain & Okui, 2013)，可获得10欧元奖金
- 获奖概率 = 100 - (信念 - 真实值)^2 的函数
- 90%概率抽取第二阶段信念、10%概率抽取第一阶段信念用于支付
WTP: BDM机制 (Becker-DeGroot-Marschak)，被试获150点禀赋，报告最大支付意愿
信念范围限制在 [50, 150]

随机化层次

(i) 第一阶段公司顺序; (ii) 第二阶段公司顺序; (iii) 是否在第二阶段收到新闻; (iv) 信号实现值

排除标准 (预注册)

在7个控制题中答错超过1题的被试被排除 (约占7%)

维度2：理论模型

模型核心假设

基于 Mullainathan (2002) 和 Bordalo et al. (2019b) 的联想记忆理论，三个关键假设：

记忆不完美: 人们可能遗忘过去信息，需从记忆中重建先验知识
联想回忆: 回忆过程受当前情境线索 (cue) 影响，与当前情境相似的过去信息更容易被回忆
（至少部分）天真: 人们不了解自身记忆偏差，基于回忆内容做最优决策

模型设定

状态变量 theta_t 初始值为 v，随新闻 n_x 属于 {-q, q} 累积：

\theta_1 = v + \sum_{x=1}^{k} n_x

\theta_2 = v + \sum_{x=1}^{k} n_x + n_{k+1} \quad \text{...(1)}

信念方程

带记忆不完美的第二阶段信念：

b_2 = v + \sum_{x=1}^{k} m_x n_x + n_{k+1} \quad \text{...(2)}

其中 m_x 属于 {0, 1} 表示是否记住第 x 条新闻。

回忆概率的核心公式

m_x = \begin{cases} 1 & \text{概率为 } r + (1-r)a \cdot \mathbb{1}_{c_x = c_{k+1}} \\ 0 & \text{否则} \end{cases} \quad \text{...(3)}

r 属于 [0,1]: 基线回忆概率 (与线索无关的记忆强度)
a 属于 (0,1]: 联想回忆强度 (情境匹配带来的额外回忆概率)
(1-r)a: 被当前情境线索"激活"的额外回忆概率

预期信念的关键表达式

E[b_2 | n_x, n_{k+1}] = v + \underbrace{[1 + \rho z(1-r)a]}_{\text{关注对象}} n_{k+1} + r\sum_{x=1}^{k} n_x \quad \text{...(6)}

z: 与第二阶段信号使用相同情境的第一阶段信号数量
rho: 新闻与情境的相关方向 (+1 = 正相关, -1 = 反转)

核心预测 (来自方程(6)的括号项)

当 rho=1 (正相关) 且 a>0, r<1 时：

括号项 > 1 --> 过度反应
过度反应随 z 增加而增强
过度反应随 (1-r) 增加而增强 (记忆越不完美越过度反应)
过度反应随 a 增加而增强

当 rho=-1 时：

括号项 < 1 --> 反应不足

估计方程

b_2^{i,j} = \alpha + \beta_1 n_{k+1}^j + \beta_2 \sum_{x=1}^{k} n_x^{i,j} + \epsilon^{i,j} \quad \text{...(9)}

理论预测：E[beta_1] 约等于 1 + rho(1-r)a * z_bar

结构估计方程

b^{i,j} = 100 + \gamma n_{k+1}^{i,j} + r \sum_{x=1}^{k} n_x^{i,j} + (1-r)a \sum_{x=1}^{z} n_x^{i,j} + \epsilon^{i,j} \quad \text{...(10)}

其中 gamma 衡量对第二阶段信号的内在反应敏感度。

维度3：核心发现

Result 1: 信念和选择对第二阶段信号过度反应

Treatment Main:

第二阶段信号的OLS回归系数 = 1.10-1.11* (SE=0.02-0.03)
理性基准 = 1.00，过度反应约 10-11%
p值 (H0: beta=1) < 0.01 (所有规格)
被线索激活的第一阶段信号系数 = 0.90*** (SE=0.03)
未被线索激活的第一阶段信号系数 = 0.59*** (SE=0.05)
差异统计显著

Treatment WTP:

第二阶段信号的OLS系数 = 1.11-1.14* (SE=0.04)
过度反应约 11-14%
被线索激活 vs. 未激活的系数差异同样显著

第一阶段信念验证:

第一阶段信念与真实值的平均百分比偏差仅 0.4%，中位偏差为 0
表明被试在无记忆约束时完全理解任务

记忆不完美的验证:

无第二阶段信号的任务中，第二阶段信念对第一阶段信念的回归系数仅 0.56
远低于完美记忆基准 1.00

Result 2: 过度反应随被线索激活的第一阶段信号数量增加

第二阶段信号 x 同情境第一阶段信号数量的交互项系数 = 0.31-0.34* (SE=0.05)
每增加一个同情境的第一阶段信号，对第二阶段信号的敏感度增加约 20-35%
当没有同类第一阶段信号 (z=0) 时，回归系数显著 小于1 (约0.85)
回忆数据佐证：被线索激活信号的回忆几乎完美准确，未被激活信号的回忆则被系统性压缩

Result 3: 消除遗忘后过度反应消失 (Reminder处理)

Main vs. Reminder:

Main中第二阶段信号系数 = 1.10-1.11
Reminder中第二阶段信号系数约等于 1.00
交互项 (Main dummy x 2nd period signal) = 0.12-0.14* (SE=0.03)
被试在Main中对信号的反应比Reminder强 12-14%

WTP vs. WTP reminder:

交互项 = 0.14-0.17 (SE=0.06-0.07)

Result 4: 关闭联想回忆后过度反应消失 (No Cue处理)

Main vs. No Cue:

No Cue中无过度反应，甚至出现轻微反应不足
交互项 (Main dummy x 2nd period signal) = 0.21-0.22* (SE=0.04-0.05)
Main中对信号的反应比No Cue强 21-22%

Result 5: 情境反转时出现反应不足 (Underreaction)

Underreaction中第二阶段信号系数 = 0.74-0.76* (SE=0.04)
显著小于理性基准1.00 (p<0.01)
反应不足约 24-26%

Result 6: 反应不足随被线索激活的反向信号数量增加

交互项 (第二阶段信号 x 同情境第一阶段信号数量) = -0.28 到 -0.31* (SE=0.06-0.07)

Result 7: 消除遗忘后反应不足消失

Underreaction reminder中第二阶段信号系数 = 1.01* (SE=0.02)
交互项 (Underreaction dummy x signal) = -0.25 到 -0.28* (SE=0.04-0.05)

结构估计结果 (Table 6)

处理组	遗忘率 (1-r_hat)	联想回忆强度 (a_hat)	内在反应度 (gamma_hat)
Main	0.41*** (0.05)	0.79*** (0.07)	0.86*** (0.04)
Reminder	0.01 (0.01)	-1.59 (4.83)	1.00*** (0.01)
No Cue	0.51*** (0.05)	0.01 (0.11)	0.88*** (0.05)
Extended time lag	0.68*** (0.05)	0.65*** (0.06)	0.85*** (0.05)
No interference	0.04 (0.04)	0.64 (1.04)	0.99*** (0.05)

核心发现:

被线索激活的信号回忆概率 = r + (1-r)a = 0.59 + 0.41*0.79 约等于 91%
未被激活的信号回忆概率 = r = 59%
联想回忆使回忆概率提升约 30个百分点 (50%的相对提升)
模型预测的回忆与实际回忆的相关系数：被线索激活信号 rho=0.82，未激活信号 rho=0.67

遗忘机制的探究

Extended time lag (3天间隔): OLS系数从1.10上升至 1.17，遗忘率从0.41增至0.68
No time lag (无间隔): OLS系数 = 1.11，与Main无统计差异 --> 15分钟间隔并非遗忘的关键
No interference (无干扰): OLS系数 = 1.01，过度反应消失 --> 相似性干扰是遗忘的主要来源

异质性分析

Raven矩阵智商测试得分越高，过度反应越小
非线索回忆能力越强，过度反应越小
反应时间与过度反应的关系为负但不显著
约 35% 的被试回归系数 <= 1 (不受联想回忆影响)，但多数被试表现出不同程度的过度反应

维度6：与其他文献的关系

理论根基

Mullainathan (2002): 基于记忆的有限理性模型 (QJE)，本文模型直接建立在此基础上
Bordalo, Gennaioli & Shleifer (2019b): "Memory, Attention, and Choice"，联想记忆影响决策的理论框架
Gennaioli & Shleifer (2010): "What Comes to Mind" (QJE)，联想思维影响概率判断

直接对话的文献

Bordalo et al. (2019a): 抽象图像的选择性回忆实验，联系联想记忆与代表性启发式
Augenblick & Rabin (2018): 调查预期中的过度反应
Bordalo et al. (2017, 2018): 宏观经济预期中的过度反应和诊断性预期
Benjamin (2018): 信念更新实验的元分析，发现实验室中通常观察到反应不足
Shiller (2017, 2019): 叙事经济学，可记忆情境对信念的作用

本文的独特贡献

首个实验经济学研究直接检验联想记忆对信念形成和经济选择的因果作用
创新实验范式: 在心理学的线索回忆范式与经济学的定量决策任务之间架起桥梁
首次结构估计: 量化记忆不完美和联想回忆的参数 (r 和 a)
调和了实验室与实地的矛盾: 实验室信念更新研究通常发现反应不足 (因排除了记忆因素)，而实地调查数据常发现过度反应 (因真实信息嵌入可记忆情境)。本文表明联想记忆可将内在的反应不足转化为整体的过度反应

心理学文献基础

Kahana (2012): 人类记忆基础 (情景记忆中的联想回忆)
Tversky (1977): 相似性特征理论

方法论贡献

将 binarized scoring rule (Hossain & Okui, 2013) 应用于信念激励
BDM机制用于WTP激励
非线性结构估计 (最小化平方残差和) 用于识别记忆参数

维度4：变量概览

变量类别	变量名	测量/操作化	取值范围
核心结果	第二阶段信念 b₂	输入框直接报告公司价值估计	[50, 150]
核心结果	第一阶段信念 b₁	输入框直接报告	[50, 150]
行为延伸	支付意愿 WTP	BDM机制，从150点禀赋报告	[0, 150]
回忆数据	报告的正/负面新闻数	第二阶段后被试自报	整数
核心解释（信号）	第二阶段新信号 n_{k+1}	实验固定	{-10, +10}
核心解释（信号）	第一阶段信号总和 ∑n_x	实验固定	{-30,...,+30}
核心解释（情境）	同情境第一阶段信号数 z	由情境匹配规则决定	{0, 1, 2, 3}
核心操纵	情境-信号相关方向 ρ	处理组分配	{+1, 0, −1}
核心操纵	Reminder 提示	处理组分配	二值
核心操纵	时间间隔	处理组分配 (15min, 0min, 3天)	类别
核心操纵	干扰公司数量	处理组分配 (1 vs 12)	类别
结构参数	基线回忆概率 r	NLS估计	[0,1]
结构参数	联想回忆强度 a	NLS估计	(0,1]
结构参数	内在反应敏感度 γ	NLS估计	标量
个体特征	Raven IQ 分数	激励性测试	计数
个体特征	非线索回忆能力	单独的记忆测试	连续
个体特征	反应时间	系统记录	秒

维度5：局限性

股票预测情境的特殊性： 任务中"故事+图片"情境是抽象设计，与真实金融市场中信息的多模态丰富性（新闻报道、社交媒体、价格走势图）相比简化较多，外部效度需谨慎。
被试为大学生样本： 仅在德国 Bonn 和 Cologne 实验室进行，被试为年轻、教育程度高的群体，与实际投资者、分析师群体存在差异。
二元信号的局限： 信号只取 ±10 两个值，缺乏对连续/高维信号情境的检验；真实信息往往更复杂。
时间尺度有限： 主要时间间隔为 15 分钟，最长 3 天，但宏观经济信念形成的相关时间尺度可能是月或年；记忆衰退的长期动态未充分覆盖。
被试天真性假设： 模型假设被试不了解自身记忆偏差。若被试部分意识到偏差并尝试纠正，估计的 r 和 a 将被混淆。
情境的内生性回避： 实验明确告知被试情境无信息含量，但真实世界中情境本身往往携带信号，理性贝叶斯学习者会将其纳入；这种"零信息情境"设定可能低估或高估真实情境中的联想效应。
未识别情绪与记忆的交互： 情境（故事+图片）可能携带情绪色彩 (valence)，本文未分离情绪触发的记忆与单纯相似性触发的记忆。
模型简化： 假设回忆概率为 r 或 r+(1-r)a 的二值结构，未允许部分回忆、模糊回忆、扭曲回忆等更复杂的记忆形态。
未检验市场均衡含义： 实验为个体决策，未将联想记忆嵌入市场互动 (如双边喊价、限价订单簿) 检验聚合层面的过度反应/反应不足。

维度7：可拓展的研究方向

金融市场实地验证： 用真实股票新闻 + 历史相似事件，检验联想记忆是否驱动散户投资者的交易过度反应；可与 Frydman 系列实验对接。
宏观预期数据应用： 在 SCE (Survey of Consumer Expectations)、CFO Survey 中嵌入联想记忆触发实验，量化其对通胀、增长预期过度反应的贡献。
叙事经济学的实证基础： 将 Shiller 的"叙事"概念形式化为联想记忆的情境线索，检验流行叙事 (如"AI泡沫"、"住房永远涨") 如何通过激活相似过去事件影响信念。
媒体与社交网络的情境构造： 研究新闻媒体、推特 (X)、TikTok 视频中的视觉/语言情境如何选择性激活历史记忆，影响投资者预期形成。
跨文化记忆模式： 比较不同文化背景下"集体记忆情境"对经济信念的影响 (如日本股民对1989年泡沫的记忆)。
AI/LLM 与人类联想记忆的对比： 大语言模型在受相似情境提示时是否表现类似的"联想过度反应"？人机协作如何放大或抑制此偏差？
政策叙事设计： 央行沟通、政府公告中如何通过情境管理避免触发不利的联想记忆 (如"经济衰退"叙事激活2008回忆)。
个体差异的微观基础： 与神经科学合作，用 fMRI 测量海马体激活与联想回忆的关系，识别个体过度反应异质性的生物基础。
动态信念模型整合： 将联想记忆与诊断性预期 (Bordalo et al. 2018)、过度自信、确认偏误等其他认知机制在统一框架中估计，识别各机制的相对贡献。
干预设计： 测试是否可通过"反线索提示"(presenting opposite-context past info) 校准过度反应，或通过结构化决策辅助工具 (如检查清单) 抑制联想偏差。

关键结论

联想记忆是信念形成的基础认知机制： 当前情境通过线索-激活机制选择性触发对相似情境过去信息的回忆，使信念对当前信号过度反应约 10-14%（Main 处理）。三重操纵（Reminder、No Cue、Underreaction）共同确立此机制的因果性。
过度反应与反应不足是同一机制的两面： 通过翻转情境-信号匹配方向 (ρ=−1)，原本的过度反应转变为 24-26% 的反应不足，证明实验室文献中的反应不足与实地数据中的过度反应并非矛盾，而是同一联想记忆机制在不同情境结构下的不同表现。
结构估计揭示联想回忆的相对重要性： 估计的基线回忆概率 r=0.59、联想回忆强度 a=0.79，意味着情境匹配可将回忆概率从 59% 提升至 91%——联想回忆贡献了 30 个百分点的回忆改善，是个体记忆系统的核心特征。
干扰而非时间是遗忘的主要来源： No interference 处理（仅一家公司）消除过度反应，而 No time lag（无 15 分钟间隔）不影响结果，表明经济决策中的"遗忘"主要由相似信息间的干扰造成，而非简单的时间衰退——这对叙事经济学和媒体经济学有深远启示。

Enke_Schwerter_2020_AssociativeMemory_BeliefFormation