Correlation Neglect in Belief Formation

Authors: Benjamin Enke (University of Bonn), Florian Zimmermann (University of Zurich)
Year: 2013 (CESifo Working Paper No. 4483)
Journal: CESifo Working Paper Series (Category 13: Behavioural Economics)
JEL: C910, D030, D830, D840, D400
Keywords: beliefs, correlation neglect, experiments, markets, overshooting

一句话总结

通过两阶段信号传递的实验室与市场实验，证明决策者系统性地忽视信息源之间的已知相关性，将相关信号当作独立证据处理，从而在信念上呈现"过度偏移"（overshooting）；这一个体偏差在市场环境中聚合为可预测的泡沫与崩溃，且市场竞争与学习均无法消除偏差。

研究问题

当多条信息源之间存在相关性（如多篇新闻共享同一通讯社、多个研究所引用同一基础数据），决策者是否能正确识别和折扣这种相关性？若忽视，会产生何种系统性信念偏差？这种偏差如何随激励、认知能力、信号数量变化？嵌入到市场中是否会被竞争消除，还是会聚合为价格泡沫？

核心贡献

1. 干净的实验识别： 设计透明的两阶段信号结构（基础信号 + 三个混合信号），使两组（相关 vs 独立）拥有完全相同的贝叶斯后验；任何系统性差异即为相关性忽视的证据。
2. 理论形式化： 提出朴素度参数 \chi \in [0,1] 的相关性忽视模型，给出可识别的归一化信念度量 y = \chi，并证明信号数量增加无法消除偏差（与一些直觉相反）。
3. 核心实验事实： 中位被试呈现约 0.5 的相关性忽视程度；10 轮中 9 轮显著；高激励（3倍报酬）不减少偏差，但认知能力（Abitur、Raven）显著负向预测偏差。
4. 市场聚合效应： 在双向拍卖市场中，相关性忽视聚合为可预测的泡沫与崩溃——基础信号偏高时价格泡沫，偏低时崩溃，市场竞争不能纠正偏差。
5. 自然情境验证： 报纸文章实验（IWH 与 Gemeinschaftsgutachten 增长预测）在真实媒体信息环境中复现了核心效应；揭示主要困难不是发现相关性，而是处理相关性。
6. 行为微观基础： 为 DeGroot 朴素学习、DeMarzo et al. 说服偏差、Eyster-Rabin 朴素羊群等理论提供首个直接实验证据；为 Shiller 的"故事传播驱动泡沫"提供微观认知机制。

维度1：实验设计分析

核心研究问题

当信息源之间存在相关性时（如新闻媒体共享通讯社来源、社交网络中朋友共享第三方信息），人们是否会忽视这种相关性，将相关信息当作独立信息处理，从而导致信念系统性偏差（overshooting）？

三个实验的详细流程

实验一：基线个体信念引导实验（Individual Treatments）

任务框架：

• 被试需要估计一个虚拟容器中物品的数量（未知连续状态 \mu）
• 被试看不到容器也看不到物品，只能依赖计算机生成的信号
• 按估计精确度付报酬（quadratic scoring rule, Selten 1998）

信息结构（核心设计）：

• 四台计算机（A、B、C、D）各自独立生成关于 \mu 的无偏但有噪声的信号
• 信号服从截断离散化正态分布，均值 \mu，标准差 \sigma = \mu/2，截断于 \mu \pm 2\sigma
• Between-subjects设计：两组信号集合包含完全相同的信息量，但相关结构不同

相关处理组（Correlated Treatment）：

• 三个中间人（Intermediary 1-3）分别观察计算机A的信号加上各自对应计算机（B/C/D）的信号，然后报告两个信号的平均值
• 被试同时收到计算机A的直接报告 + 三个中间人的报告（共4条信息）
• 关键：计算机A的信号是"基础信号"（base signal），嵌入在所有中间人报告中，信息之间存在已知的正相关

控制处理组（Uncorrelated Treatment）：

• 三个中间人分别直接传递计算机B/C/D的信号（不经过计算机A混合）
• 被试收到计算机A的信号 + 三个中间人的独立信号（共4条独立信息）

数值举例（true state = 10）：

• 计算机A-D的信号：12, 9, 10, 0
• 相关组：计算机A=12, 中间人1=10.5, 中间人2=11, 中间人3=6
• 控制组：计算机A=12, 中间人1=9, 中间人2=10, 中间人3=0
• 两组的贝叶斯后验完全相同（= 四个独立信号的平均值 = 7.75）

识别策略：

• 若被试正确处理相关性，两组估计应一致
• 若忽视相关性（将所有信号当独立处理），相关组估计会向基础信号方向"过度偏移"（overshooting）

实验流程细节：

• 10轮独立估计任务（无反馈），每轮给5分钟
• 3种随机轮次顺序
• 实验结束后随机选1轮支付
• 低激励组最高可变收入10欧元，高激励组最高30欧元
• 支付公式（低激励）：\pi = 10 - 160 \times (\text{Estimate}/\text{True state} - 1)^2
• 支付公式（高激励）：\pi = 30 - 480 \times (\text{Estimate}/\text{True state} - 1)^2
• 详细书面说明 + 包含信息结构图的指导 + 控制性理解测试题
• 问卷收集人口统计学信息、风险厌恶、Abitur成绩、Raven矩阵IQ测试（10题）

被试： 140人（个体处理），波恩大学学生，BonnEconLab，约1.5小时

实验二：市场处理实验（Market Treatments）

核心改动：将个体信念引导嵌入连续双向拍卖市场

• 资产基本面价值 = 基线实验中的true state
• 每轮交易前，所有交易者收到与个体实验相同的信号集
• 相关市场组：所有交易者收到相关信号；控制市场组：所有交易者收到独立信号
• 交易前给5分钟思考并提交一个非激励的估值

市场结构：

• 每个市场组8人：4个买家 + 4个卖家（角色固定、随机分配）
• 市场组在10轮中保持不变
• 每轮交易前：每个卖家获得4个资产；每个买家获得足以在基本面价格买3-5个资产的现金
• 标准双向拍卖：买方报价须递增，卖方报价须递减，接受对方报价即成交
• 每轮交易4分钟
• 利润 = 持有资产价值 + 现金 - 固定成本
• 每轮交易后反馈真实状态和本轮利润
• 10轮结束后随机选1轮支付

被试： 288人（18个市场组），约2.5小时，平均收入19.40欧元

实验三：报纸文章实验（Newspaper Study）

任务： 估计2012年德国经济增长率

处理组设计：

• 相关组： 阅读两篇真实报纸文章
  • 文章1（Manager-Magazin, 2012.3.14）：IWH研究所预测增长1.3%
  • 文章2（Welt Online, 2012.4.19）：多家研究所联合预测（Gemeinschaftsgutachten）增长0.9%
  • 关键：IWH也参与了联合预测，因此两篇文章信息相关
• 控制组： 仅阅读联合预测文章（0.9%）——该预测已包含IWH的信息
• 增强显著性组： 与相关组相同 + 额外提示"预测1.3%的研究所也参与了联合预测"

被试： 284人，纸笔实验，BonnEconLab，约5分钟
支付： 正确答案10欧元，每偏差0.1个百分点扣1欧元

维度2：理论模型

概念框架（Conceptual Framework）

设定：

• 未知世界状态：\theta \sim \mathcal{N}(\mu, \sigma_\theta^2)
• 自然生成N个独立无偏信号：s_i = \theta + \epsilon，\epsilon \sim \mathcal{N}(0, \sigma_\epsilon^2)
• 决策者观察 s_1（基础信号）和 \tilde{s}_2 = \alpha s_1 + (1-\alpha)s_2（含相关性的信号），\alpha \in (0,1)

贝叶斯基准后验

理性主体从 \tilde{s}_2 中完全提取出独立信号 s_2，后验为两个独立信号的平均值。

相关性忽视模型

朴素度参数（naivete parameter）： \chi \in [0,1]

• \chi = 0：完全贝叶斯（正确处理相关性）
• \chi = 1：完全忽视相关性

朴素主体从 \tilde{s}_2 中提取的"信号"：
$\hat{s}_2 = \chi \tilde{s}_2 + (1-\chi)s_2 = s_2 + \chi\alpha(s_1 - s_2)$

相关性忽视后验：
$\mathcal{CN} = \mathcal{N}(m_{CN}, \sigma_{CN}^2) = \mathcal{N}\left(\frac{s_1 + \hat{s}_2}{2}, \frac{\sigma_\epsilon^2}{2}\right)$

核心预测（Prediction）

当 \chi > 0 时，面对相关信号序列，信念呈现**过度偏移（overshooting）**模式：

• 若基础信号偏高（s_1 > s_2），朴素主体信念高于贝叶斯基准（过度乐观）
• 若基础信号偏低（s_1 < s_2），朴素主体信念低于贝叶斯基准（过度悲观）

重要性质

1. 统计上无偏： 朴素主体的信念期望上是无偏的（因为基础信号本身无偏），但条件于任一 s_1 \neq \theta 的实现值，信念会系统性偏移
2. 过度自信： 朴素主体自认后验方差为 \sigma_{CN}^2 = \frac{\sigma_\epsilon^2}{2}，但真实方差为 \sigma_\epsilon^2 \left(\frac{1+\chi^2\alpha^2}{2}\right) > \sigma_{CN}^2（当 \alpha\chi > 0 时）
3. 信号数量增加不消除偏差（Appendix A1）： 当信号数为N时，偏差 = |s_1 - \theta| \cdot \frac{N-1}{N} \cdot \chi\alpha，是N的严格递增函数

信念归一化度量

其中 b_i^j 为被试i在第j轮的估计，b_B^j 为贝叶斯后验，b_{CN}^j 为完全忽视相关性后验。归一化信念值 = 朴素度参数 \chi。

维度3：核心发现

Result 1：相关性忽视的基本证据

• 10轮估计任务中，全部10轮估计在两组间的差异方向均符合相关性忽视预测
• 9/10轮差异统计显著（Wilcoxon ranksum test, p < 0.05）
• 控制组中位估计几乎完美追踪贝叶斯后验；相关组中位估计介于贝叶斯和完全忽视基准之间

Result 2：汇总数据确认效应

• 标准化信念跨处理组差异：p < 0.0001（Wilcoxon ranksum test）
• 控制组标准化信念集中在0附近（贝叶斯），相关组分布明显右移
• 相关组中位标准化信念约在0.5-0.6之间，表明平均约一半程度的相关性忽视

Result 3：激励与认知能力

• 高激励（3倍报酬）不减少相关性忽视
  • DID回归：处理组效应 \beta = 0.417^{***}（SE=0.074），交互项（correlated \times high stakes）\beta = -0.021（不显著）
  • 高激励确实增加了反应时间（+23.55秒***），但额外努力并未转化为更准确的信念
• 认知能力显著预测相关性忽视
  • Abitur成绩：\beta = -0.251^{***}（SE=0.088），R^2 = 0.094
  • Raven矩阵得分：\beta = -0.085^{**}（SE=0.036），R^2 = 0.075
  • 两者联合：R^2 = 0.187
• 含义： 偏差由认知能力不足驱动，而非"理性地"节约认知资源

Result 4：收入效应

• 高激励组中，相关处理被试比控制组少赚约7欧元（35%的平均可变收入）
• 低激励组中，差距约2欧元（45%的平均可变收入）
• 收入差异显著：p = 0.0086（Wilcoxon ranksum test）

Result 5：市场价格的泡沫与崩溃

• 10轮交易中9/10轮市场价格在两组间显著不同（方向符合相关性忽视预测）
• 标准化市场价格跨处理组差异：p < 0.0001（Wilcoxon ranksum test）
• 控制组标准化价格集中在0附近（基本面价值）
• 相关组标准化价格集中在约0.6附近
• 当基础信号偏高 -> 价格泡沫（overvaluation）
• 当基础信号偏低 -> 价格崩溃（undervaluation）
• 泡沫与崩溃在各轮间可预测地交替出现

Result 6：个体交易行为

• 在预测过度乐观的轮次（泡沫轮）：忽视相关性程度越高的被试持有更多资产
  • \beta = 0.642^{***}（SE=0.118）
• 在预测过度悲观的轮次（崩溃轮）：忽视相关性程度越高的被试持有更少资产
  • \beta = -1.534^{***}（SE=0.174）
• 对利润的影响：更高的相关性忽视 -> 更低利润
  • \beta = -0.014^{**}（SE=0.006）

Result 7：市场不能消除偏差

• DID回归显示市场与个体处理中的偏差程度无显著差异
  • 交互项（correlated \times market）\beta = -0.004（不显著）
• 无时间趋势学习效应：线性和二次时间趋势在信念和价格回归中均不显著（F检验p值：0.957、0.480、0.955、0.265）

报纸实验结果

• 控制组中位估计：0.82%（略低于联合预测0.9%）
• 相关组中位估计：比控制组高0.28个百分点
  • p < 0.0001（Wilcoxon ranksum test）
• 增强显著性组中位估计：1.1%，仍显著高于控制组
  • p < 0.0001
• 含义： 发现相关性不是主要问题，处理相关性才是核心困难

维度6：与其他文献的关系

理论根基

实验文献中的定位

宏观/金融文献连接

心理学基础

• Kahneman & Tversky (1973)：代表性启发式导致相关信息产生"效度幻觉"（illusion of validity）
• Stoner (1968)：群体极化效应 -> 本文提供基于相关性忽视的统一解释

本文核心贡献

1. 首次干净实验识别信念形成中的相关性忽视（透明信息结构下）
2. 从个体到总体的桥梁：证明个体偏差通过市场机制传导为总体价格扭曲（泡沫/崩溃），且市场竞争和学习不能消除偏差
3. 区分认知能力 vs. 理性忽略：激励增加不减少偏差但认知能力与偏差负相关，支持"认知能力不足"解释
4. 自然环境中的稳健性：在报纸文章的自然信息环境中复制了核心结果

维度4：变量概览

维度5：局限性

1. 特殊化的相关结构： 实验中相关性是简单的"基础信号 + 噪声"线性混合（α=0.5），真实世界中的信息相关结构更复杂（多重嵌套、动态、非线性），外推需谨慎。
2. 被试明确知晓信号生成过程： 控制题确保被试理解信号结构，但真实生活中相关性常需自行推断；本文偏差因此可能是相关性处理困难的下界。
3. 大学生样本的特殊性： 波恩大学学生认知能力高于一般人群，估计的偏差程度可能低于真实金融市场参与者。
4. 市场结构有限： 8人小型市场（4买4卖）、10轮、固定角色，与真实金融市场（大量交易者、高频交易、复杂订单簿）差异较大。
5. 无套利机会的市场： 市场中所有交易者收到相同信号集，无理性套利者；现实中知情套利者可能部分校正泡沫。
6. 静态信号结构： 每轮信号独立生成，无序列学习；真实信念形成涉及历史信号积累，相关性忽视可能与记忆机制交互。
7. 未识别"忽视"的具体认知机制： 偏差可能来自（i）认知不能识别相关性、（ii）不知如何调整、（iii）调整成本过高，本文未区分；与 Enke-Schwerter 联想记忆等机制的交互未探讨。
8. 报纸实验仅一个领域： 仅检验德国 GDP 增长预测，未在通胀、失业、其他经济指标上检验。
9. 无动态学习设计： 10轮无反馈，无法识别学习能否长期消除偏差；但文中无时间趋势的发现暗示学习作用有限。

维度7：可拓展的研究方向

1. 金融市场中的相关性忽视实证： 用真实新闻媒体共享通讯社数据、分析师报告引用同一研究等，量化散户与机构投资者的相关性忽视及对资产价格的影响。
2. 社交网络中的信息传播： 研究 Twitter/微博/微信中转发链条的相关性忽视——同一信息被多人转发是否被当作多个独立证据，加剧群体极化。
3. 中央银行沟通策略： 央行多渠道（声明、记者会、研究报告）传达相同信息，是否被市场误读为多重独立信号；如何设计沟通避免触发相关性忽视驱动的过度反应。
4. AI生成内容的相关性问题： 多个 LLM 基于同一训练数据/相似 RLHF 给出"看似独立"的回答，用户是否忽视其相关性；人机协作中如何校准。
5. 联合预测与共识机制： 经济预测的共识值（consensus forecast）是否被错误地视为多个独立预测的简单平均；分析师群体的同侪影响如何与相关性忽视交互。
6. 媒体集中度的政策含义： 媒体所有权集中、内容同质化时，相关性忽视是否放大了公众的过度反应；对反垄断与媒体多元化政策的启示。
7. 相关性忽视与极化： 党派媒体使观众接收高度相关的信息流，如何加剧政治极化与"信念共识幻觉"。
8. 干预设计： 测试可视化工具（信号网络图）、显著性提示、强制思考时间是否能减少相关性忽视；与金融素养教育的交互。
9. 动态版本： 时间序列上多次发布相关报告（如月度通胀预测序列），相关性忽视如何累积；与 Bordalo et al. 诊断性预期的关系。
10. 跨偏差互动： 相关性忽视 + 联想记忆 + 确认偏误 + 过度自信的联合识别，估计每种机制对总体过度反应的相对贡献。
11. 机构投资者群体行为： 基金经理是否系统性忽视彼此持仓的相关性，导致拥挤交易（crowded trades）与崩盘风险。

方法论笔记

• 被试类型： 大学生（波恩大学），通过ORSEE招募
• 实验软件： z-Tree (Fischbacher, 2007)
• 信念引导： Quadratic Scoring Rule (Selten, 1998)
• 核心识别： Between-subjects设计，两组信号信息量完全相同但相关结构不同
• 统计方法： Wilcoxon ranksum test（非参数检验）、OLS回归（稳健标准误）、核密度估计

Tags: #correlation_neglect #belief_formation #overshooting #experimental_markets #bubbles_crashes #naive_social_learning #persuasion_bias #cognitive_ability #信念更新 #相关性忽视 #实验经济学

关键结论

1. 相关性忽视是稳健的个体认知偏差： 中位被试呈现约 50% 的相关性忽视（χ ≈ 0.5），10 轮中 9 轮显著；高激励（3倍报酬、最高 30 欧元）不能减少偏差，但认知能力（Abitur、Raven IQ）显著负向预测偏差——表明这是认知能力约束而非理性的努力节约。
2. 个体偏差通过市场聚合为价格泡沫与崩溃： 当基础信号偏高时市场出现可预测的泡沫（overvaluation），偏低时出现崩溃（undervaluation）；且市场竞争与10轮重复学习均不能消除偏差，与 DeMarzo-Vayanos-Zwiebel 说服偏差与 Shiller 叙事经济学一致。
3. 个体相关性忽视程度预测交易行为与利润： 朴素度高的被试在泡沫轮持有更多资产、在崩溃轮持有更少（与误导信念一致），并因此获得显著更低利润——表明偏差具有真实经济成本。
4. 真实媒体环境验证： 报纸文章实验显示，即使被告知文章信息相关，被试仍系统性高估增长率；揭示主要瓶颈不是发现相关性，而是处理（折扣）相关性——对媒体经济学、新闻消费行为有直接政策含义。