目的: 排除被试因不知道期望条件是随机分配的，而从中做出（错误）推断的可能性

Quiz通过率: 首次通过两题仅48%（透明双重随机化使指令更难理解），但第二次尝试后达95%

维度2：理论模型

Koszegi-Rabin (KR) 模型

效用函数:
$u(\mathbf{c}|\mathbf{r}) = \sum_k m_k(c_k) + \sum_k \mu(m_k(c_k) - m_k(r_k))$

其中：

• \mathbf{c}: K维消费向量
• \mathbf{r}: 参考点向量（由期望决定）
• m_k(\cdot): 第k维的"消费效用"（标准效用）
• \mu(\cdot): "得失效用"（参考依赖效用），即前景理论的价值函数

价值函数:
$\mu(x) = \eta x \quad \text{for } x > 0$
$\mu(x) = \eta\lambda x \quad \text{for } x \leq 0$

• \eta > 0: 得失效用的权重
• \lambda > 1: 损失厌恶系数

参考点: 个人的参考点是"近期持有的关于结果的概率性信念"，通过Preferred Personal Equilibrium (PPE)内生决定。

关键均衡条件

保留默认品 c_1 一致于PE的条件（公式1）:
$\frac{m_1(c_1)}{m_2(c_2)} \geq \frac{1+\eta}{1+\eta\lambda}$

切换到 c_2 一致于PE的条件（公式2）:
$\frac{m_1(c_1)}{m_2(c_2)} \leq \frac{1+(1-q+q\lambda)\eta}{1+((1-q)\lambda+q)\eta}$

模型预测

以 \eta=1, \lambda=3 为例：强期望下，只要 m_1(c_1) \geq \frac{1}{2}m_2(c_2)，被试就会保留默认品。弱期望下(q接近1)，选择仅取决于 m_1(c_1) \geq m_2(c_2)，即标准偏好。

维度3：核心发现

发现1：非KR式分配效应存在且稳健

核心效应量: 硬币分配对选择的影响约为 13-22个百分点（在More Endowment条件下）。

发现2：无KR式期望效应

关键发现: 在所有三个实验中，分配效应在弱期望条件下反而更大（而非更小），与KR模型预测方向相反。KR-esque效应的点估计一致为负或接近零，且所有差异均不显著。

发现3：与Ericson & Fuster (2011) 的对比

EF发现期望处理影响选择34个百分点（77% vs. 43%），而Heffetz & List的95%置信区间始终排除如此大的效应。合并实验2和3的More Endowment数据(342名被试)，可排除大于3pp(coin-mug)和14pp(coin-pen)的KR-esque效应。

发现4：禀赋语言的影响

实验2中，Less Endowment条件下分配效应消失甚至反转(-9pp, n.s.)，说明分配对选择的心理效应对语言措辞敏感。

发现5：自报量表结果

• 期望处理成功影响了被试的自报期望(statements e-g)和所有权感(statements h-j)
• 但期望处理未能影响被试对物品的喜好程度(statement a)或思考时间(statements b-d)
• 这与EF的发现（期望影响思考时间）形成对比

维度6：与其他文献的关系

该论文在文献中的位置

本文是对KR (2006)期望依赖参考点模型在禀赋效应场景中的直接实验检验，是该领域最早的几项研究之一（与Ericson & Fuster 2011同期独立完成）。

与已有文献的关系

核心贡献

1. 首次实验性分离分配(assignment)与期望(expectations)对选择的影响
2. 发现非KR式分配效应: 即使被试明确知道分配对期望所有权几乎无影响(弱期望条件)，分配仍能影响选择 -- 标准模型和KR模型均无法解释
3. 未发现KR式期望效应: 经验证的概率性信念（期望）对选择无额外影响
4. 概念区分: 提出"分配"(assignment)与"禀赋"(endowment)的区分 -- 分配是分配默认物品，禀赋是诱导所有权感 -- 两者可被实验性分离

对后续研究的启示

• 期望的"概念"可能需要细化：理解概率 \neq 形成心理期望
• 不同实验室对期望的操控方式（显著性、重复频率、视觉呈现）可能导致不同结果
• 分配本身的心理机制（非期望渠道）值得进一步研究
• 禀赋效应的解释可能需要整合期望理论与其他心理机制（如单纯接触效应、默认偏好）

方法论特色

• 通过透明的硬币翻转排除信息混杂和需求效应
• 通过Quiz验证被试确实形成了正确的概率性信念(manipulation check)
• 三个实验逐步排除替代解释，展示了优秀的实验递进设计

维度4：变量概览

维度5：局限性

1. 统计功效：尽管样本量较大(N=560)，作者承认其95%置信区间无法完全排除较小的KR-esque效应(如3-14pp)。即使将三个实验合并，也只能排除中等到大的期望效应。
2. 物品选择：仅使用杯子vs.笔这一对小礼物，效应是否推广到更高价值物品(如电子产品、现金资产)未被检验。
3. 样本群体：全部为美国大学本科生，与Knetsch、Plott & Zeiler等使用的人群类似，但与List (2004)的市场参与者差异较大。
4. 期望诱导方式的特殊性：通过Quiz加深对概率的理解，可能与EF (2011)的"等待并自然形成期望"机制不同。两种"期望"可能在心理表征上有差异。
5. 静态选择：所有选择都是单次、即时的，未能捕捉动态调整或社会影响。
6. 未直接测量参考点：尽管验证了概率信念，但KR模型中的"参考点"是否等同于"概率信念"仍是理论开放问题。

维度7：可拓展的研究方向

1. 复制与扩展：在其他物品类别(食物、电子产品)、其他被试群体(职业交易者、儿童)中重复检验分配效应与期望效应。
2. 机制识别：分配效应背后的心理机制是什么？候选解释包括默认偏好(default bias)、单纯接触效应(mere exposure)、情感依附(affective attachment)、规范遵从(norm compliance)。设计实验区分这些机制。
3. 期望诱导的元研究：系统比较不同期望诱导方法(Quiz、等待、视觉呈现、重复提及)的心理效力，回答"期望是否=信念"。
4. 动态环境：在多轮交易、长期持有、市场学习环境下观察分配效应的演化。
5. 神经/生理机制：用fMRI、皮电反应等测量"分配"vs.单纯"信念"在大脑中的差异化表征。
6. 应用扩展：将分配效应应用于实际政策场景(如默认储蓄、器官捐献、医保选择)的设计与评估。
7. 与其他参考点理论结合：探索分配效应是否可以被status quo bias、affect heuristic等其他理论框架更好地解释。

标签

#endowment_effect #expectations #reference_dependence #prospect_theory #Koszegi_Rabin #loss_aversion #experiment #assignment #belief_verification #lab_experiment

关键结论

1. 禀赋效应不能简单等同于期望效应：在严格控制的实验中，将分配概率与期望概率正交化操控后，KR模型预测的"期望对选择的因果效应"未能在三个独立实验中被检验出，质疑了将禀赋效应还原为期望依赖参考点效应的理论尝试。
2. 存在独立于期望的"分配效应"：即使被试明确理解自己有99%的概率可以自由选择(即对所分配物品几乎无期望所有权)，硬币分配仍能将选择比例移动13-22个百分点。这一效应稳健存在但其心理机制(默认偏好、单纯接触、情感依附等)需要后续研究澄清。
3. 禀赋语言敏感性：分配效应的强度依赖于实验指令中的禀赋暗示语言("you own it")，提示禀赋效应至少部分由实验者诱导的所有权感所驱动，而非纯认知过程。
4. 方法论启示：信念实验中应通过manipulation check(如Quiz)直接验证被试的概率性信念，避免将"指令传达"误认为"信念形成"。同时，Heffetz & List与Ericson & Fuster的不同结果提醒研究者关注期望诱导方式的细节差异。