Huck_Szech_2017_MoreEffort_LessPay_OptimisticBeliefs

更新于 2026/7/5

Huck, Szech & Wenner (2017) - More Effort with Less Pay: On Information Avoidance, Optimistic Beliefs, and Performance

Authors: Steffen Huck, Nora Szech, Lukas M. Wenner
Year: 2017 (WZB Discussion Paper, SP II 2015-304r2; 2nd revision November 2017)
Keywords: optimal expectations, belief design, performance, real effort task, coarse incentive structures, workplace incentives
JEL: D83, D84, J31, M52


一句话总结

通过real-effort字符串输入实验,证明工人在工具性信息(计件工资是1 EUR还是0.1 EUR)面前会主动回避(31.6%的人选择不知道);不确定工资下的工作绩效显著高于贝叶斯期望工资(0.55 EUR)下的绩效,支持 Brunnermeier & Parker 乐观信念扭曲模型而排除 Benabou & Tirole 自我控制模型。

研究问题

  1. 当报酬信息具有工具性价值(知道后会改变最优努力)时,人们是否仍主动回避信息?
  2. 信息粗糙度(不确定 vs. 确定工资)对工作绩效有何因果效应?
  3. 这种效应支持哪种行为模型——基于自我控制问题的贝叶斯理性回避(BT),还是基于乐观信念扭曲的最优预期模型(BP)?
  4. 是否存在"不确定工资绩效优于最高确定工资绩效"的反直觉现象?若有,能否用乐观信念扭曲与choking under pressure相结合解释?

核心贡献

  1. 新经验事实:在工具性信息情境中提供首份高度控制的信息回避证据,挑战标准期望效用模型对凸性偏好下信息总是被偏好获取的预测。
  2. 因果识别:通过强制 vs. 自选信息结构的对照(FULL INFO/NO INFO/INFO CHOICE/FIXED WAGE四组Between-subjects设计),识别信息粗糙度对绩效的因果效应,排除自选择效应。
  3. 理论检验:通过FIXED WAGE 0.55 EUR处理组提供BT与BP模型的关键区分检验,数据支持BP而拒绝BT。
  4. 理论扩展:将BP模型与choking under pressure整合,提出工资-产出倒U型关系,解释了"不确定工资 > 1 EUR最高工资"的反直觉发现。
  5. 政策含义:对委托-代理关系提出新启示——委托人可通过不确定/粗糙薪酬方案以更低期望成本获得更高绩效。

维度1:实验设计分析

核心研究问题

在工作激励情境中,当报酬信息具有工具性价值(即知道报酬水平会实质性地影响行为)时,人们是否仍然会主动回避信息?信息回避如何影响工作绩效?支持哪种行为模型(贝叶斯理性 vs. 乐观信念扭曲)?

实验任务:Real-effort 字符串输入任务

  • 任务内容: 被试在60分钟内将随机生成的字符串(包含数字、大小写字母,共60个字符)反向输入到计算机界面中
  • 字符串示例: NXgCX7JHxYZj2cfBSd8JtkYp3LPcyDX8y8NNQhrzJfg22S2ACjC85EQ43B7L
  • 绩效衡量: 正确输入的字符串数量(每个字符串一次性完成后获得反馈是否正确)
  • 外部选项: 被试获得一份德国知名周刊 DER SPIEGEL 杂志,明确告知可随时阅读或休息,降低实验者需求效应
  • 被试人数: 总计238人(主实验)+ 47人(追加处理组)= 285人
  • 实验地点: WZB-TU Laboratory, Berlin(2013年11月至2014年4月;追加处理组2016年11月)
  • 实验软件: z-Tree (Fischbacher, 2007);ORSEE招募
  • 报酬: 5 EUR出场费 + 绩效报酬(平均总收入14.29 EUR);每场80-90分钟

四个主要处理组(Between-subjects设计)

处理组1:FULL INFO(N=48)

  • 信息结构: 被试在开始工作即被告知自己的计件工资是高(1 EUR)还是低(0.1 EUR)
  • 随机化程序: 进入实验室时每人随机领取红色或黑色筹码 -> 实验者从袋中抽取一张折叠纸板(内部红色或黑色),当场打开展示 -> 由此确定哪种颜色对应高工资
  • 信息揭示: 纸板当场展开,所有人立即知晓自己的工资水平

处理组2:NO INFO(N=48)

  • 信息结构: 被试知道工资为1 EUR或0.1 EUR(各50%概率),但工作期间不知道具体工资
  • 随机化程序: 同上,但纸板折叠后放在教室前白板上,60分钟任务结束后才揭晓
  • 核心功能: 强制信息回避,作为INFO CHOICE中自选回避者的外生对照

处理组3:INFO CHOICE(N=95)

  • 信息结构: 被试自主选择是否在工作前获知工资水平
  • 选择机制: 屏幕上显示选择按钮 -> 选择"现在看"的被试由实验者私下展示纸板颜色 -> 选择"稍后看"的被试在任务结束后才知晓
  • 核心功能: 测量信息回避偏好的存在性;将自选回避者与自选获取者的绩效进行对比
  • 额外数据: 实验结束后收集被试选择原因的开放式问卷

处理组4:FIXED WAGE(N=47)

  • 信息结构: 被试确定知道自己的计件工资为0.55 EUR(即不确定工资方案的贝叶斯期望值)
  • 设计差异: 无需随机化程序,但告知被试其他参与者在之前实验中可赚0.1或1 EUR
  • 核心功能: 区分两类行为模型 -- 若BT模型正确,NO INFO应不优于FIXED WAGE;若BP模型正确,NO INFO可优于FIXED WAGE

追加处理组:FIXED WAGE 0.8 EUR(N=47)

  • 与FIXED WAGE相同设计,但工资改为0.8 EUR
  • 目的: 校准乐观信念扭曲的幅度 -- 0.8 EUR对应不确定工资下可能的最优信念水平

关键设计特征

  1. 信息的工具性价值验证: FULL INFO中高低工资导致显著不同绩效,确认信息具有工具性
  2. 自选择效应分离: 通过比较NO INFO(强制)vs. INFO CHOICE中的回避子组,以及FULL INFO(强制)vs. INFO CHOICE中的获取子组,分离自选择效应
  3. 因果识别: 通过比较外生强制的信息结构(FULL INFO vs. NO INFO)识别信息结构对绩效的因果效应
  4. 模型区分: FIXED WAGE处理组提供关键区分检验

维度2:理论模型

基准模型:标准期望效用

代理人选择努力 e,获得计件工资 w,承担凸成本 c(e)。标准期望效用最大化:

\max_e \; w \cdot e - c(e)

最优努力水平分别为 e_L(低工资时)、\bar{e}(平均工资时)、e_H(高工资时),其中 e_L < \bar{e} < e_H

标准模型预测: 代理人始终偏好获取信息(因为效用函数凸性,\frac{1}{2}U(w_L) + \frac{1}{2}U(w_H) > U(\bar{w}))。

模型A:Benabou & Tirole (2002) -- 贝叶斯理性路径 (BT)

核心机制为自我控制/诱惑问题。代理人在低工资时因动机丧失而偏离最优努力:

\beta w_L = c'(\hat{e}(w_L))

其中 \beta < 1 表示诱惑参数,导致 \hat{e}(w_L) < e^*(w_L)

信息回避条件:\beta 足够低且 U(w) 不太凸时:

\frac{1}{2}(w_L \hat{e}(w_L) - c(\hat{e}(w_L))) + \frac{1}{2}U(w_H) < U(\bar{w})

此时代理人偏好回避信息作为承诺机制(commitment device)。

关键预测: 信息回避者按贝叶斯期望 \bar{w} 行事 -> NO INFO 绩效 = FIXED WAGE 绩效

模型B:Brunnermeier & Parker (2005) -- 乐观信念扭曲 (BP)

代理人从预期(anticipation)中获得效用。总效用为预期效用和实际消费效用的加权平均:

\theta \left[ w(\pi) e^*(w(\pi)) - c(e^*(\pi)) \right] + (1-\theta) \left[ \bar{w} e^*(w(\pi)) - c(e^*(w(\pi))) \right] \tag{A.2}

其中 \theta \in [0,1) 为预期效用权重,\pi 为主观信念(认为高工资的概率)。

最优信念的一阶条件:

\theta e^*(w(\pi^*)) + (1-\theta) \frac{de^*(w(\pi^*))}{dw(\pi^*)} (\bar{w} - w(\pi^*)) = 0 \tag{A.3}

由凸性可知:当 \theta > 0 时,\bar{w} < w(\pi^*),即代理人向上扭曲信念

关键预测: 信息回避者按扭曲后的期望工资 w(\pi^*) > \bar{w} 行事 -> NO INFO 绩效 > FIXED WAGE 绩效

扩展模型:BP + Choking Under Pressure

引入依赖工资的生产率函数 f(w),产出 y(w) = e(w) \cdot f(w)

  • 对于"chokers":当工资超过阈值 w_c 后,f(w) 递减且凹
  • 存在最优产出工资 \hat{w},满足 f'(\hat{w})\hat{w} + f(\hat{w}) = 0
  • 工资-产出关系呈倒U型(hump-shaped)

核心洞见: 乐观信念扭曲到某个低于1 EUR的工资水平(如0.8 EUR)可能产生比确定1 EUR更高的绩效,因为避免了choking效应。异质性代理人群体中,不确定工资方案可优于任何固定工资方案。

三个核心预测

预测 内容 检验方式
Prediction 1 即使信息有工具性价值,信息回避偏好仍然存在 INFO CHOICE中回避比例
Prediction 2 粗糙信息(不确定工资)因果性地促进绩效 NO INFO vs. FULL INFO
Prediction 3 若BP正确,NO INFO > FIXED WAGE;若BT正确,NO INFO <= FIXED WAGE NO INFO vs. FIXED WAGE

维度3:核心发现

发现1:信息回避偏好确实存在(支持Prediction 1)

  • INFO CHOICE中,30/95被试(31.6%)选择不获取工资信息
  • 无杂志的稳健性检验中比例为34.1%(15/44)
  • 这是首个在具有工具性价值的经济情境中高度控制的信息回避证据

发现2:信息回避者绩效更优(支持Prediction 2)

INFO CHOICE内部比较(自选择):

组别 平均正确任务数 中位数 N
信息回避者(unknown) 30.00 (s.d.=9.35) 29 30
信息获取者(全体) 21.31 -- 65
信息获取者(w=1 EUR) 25.53 (s.d.=9.86) 23 30
信息获取者(w=0.1 EUR) 17.69 (s.d.=11.37) 17 35
  • 回避者 vs. 获取者:p = 0.0002(Wilcoxon秩和检验)
  • 回避者 vs. 获取者中w=1组:p = 0.0573(弱显著)
  • Effect size: 回避者比获取者多完成约8.7个任务(约41%的提升)

外生强制比较(因果效应):

处理组 平均正确任务数 N
NO INFO 28.02 (s.d.=8.41) 48
FULL INFO 23.44 (s.d.=9.17) 48
  • NO INFO vs. FULL INFO:p = 0.0274
  • Effect size: 强制不确定工资比强制完全信息多4.58个任务(约20%提升)

自选择效应不显著: 自选与强制信息结构下的绩效分布无显著差异(所有比较p > 0.1)

发现3:支持乐观信念扭曲模型(支持Prediction 3,支持BP反对BT)

汇总数据(pooled across treatments):

工资条件 平均正确任务数 中位数
w = 0.1 EUR 18.90 (s.d.=11.03) 19
w = 0.55 EUR (FIXED WAGE) 24.66 (s.d.=9.58) 24
w = 1 EUR 25.83 (s.d.=8.56) 25
w unknown 28.78 (s.d.=8.78) 28

关键比较:

  • Unknown vs. 0.55 EUR:p = 0.0015(不确定工资显著优于贝叶斯期望确定工资)
  • Unknown vs. 1 EUR:p = 0.0645(不确定工资甚至弱显著优于最高确定工资)
  • Effect size: 不确定工资比0.55 EUR确定工资多4.12个任务(约17%提升)

这一结果仅与BP模型兼容,排除了BT模型。 BT模型预测NO INFO <= FIXED WAGE,但数据显示相反。

发现4:追加处理组支持BP+Choking模型

  • FIXED WAGE 0.8 EUR:平均27.87个任务(中位数28,s.d.=8.57)
  • 0.8 EUR vs. Unknown:p = 0.1953(不可区分)
  • 0.8 EUR的绩效分布与Unknown"几乎不可区分"
  • 解释: 代理人在不确定工资下将信念扭曲至约0.8 EUR,既保持乐观激励又避免choking

发现5:信息的工具性价值确认

  • FULL INFO中:高工资组(1 EUR)26.21 vs. 低工资组(0.1 EUR)20.67
  • p = 0.043
  • Effect size: 高工资组多完成5.54个任务(约27%提升)

问卷证据

信息回避者报告两类主要原因:

  1. 维持动机: "我想避免得知低工资,以保持积极性"
  2. 避免压力/choking: "我选择不看颜色来减轻压力,否则我会犯更多错误"

信息获取者则强调工具性理由:"我想知道是否值得努力"


维度6:与其他文献的关系

所属研究领域

  • 行为经济学中的信息回避(Information Avoidance)
  • 最优期望/信念设计(Optimal Expectations / Belief Design)
  • 工作激励与绩效(Workplace Incentives and Performance)
  • Choking under pressure

与关键理论文献的关系

理论模型 关系 本文贡献
Benabou & Tirole (2002) 自信与动机 检验其BT模型预测 数据不支持BT的绩效预测(NO INFO > FIXED WAGE)
Brunnermeier & Parker (2005) 最优期望 检验其BP模型预测 数据支持BP的乐观信念扭曲机制
Caplin & Leahy (2001, 2004) 预期效用 理论基础之一 实证补充
Gollier & Muermann (2010) 失望厌恶 替代解释 被排除(该模型预测偏好早期信息揭示,与数据矛盾)

与实证文献的关系

文献 领域 本文推进
Oster et al. (2013) 亨廷顿病基因检测 健康信息回避 本文提供工作情境中的对照实验证据,可控制自选择效应
Ganguly & Tasoff (2016) 疾病检测回避 健康信息回避 本文研究工具性信息回避而非纯心理信息
Eil & Rao (2011) 自我形象信息 自我信息回避 本文聚焦经济激励而非自我概念
Karlsson et al. (2009) 鸵鸟效应 投资信息回避 本文提供因果证据(强制信息结构)
Shen et al. (2015) 不确定奖励激励效应 不确定激励 本文在高赌注场景(约30 EUR)中验证,排除纯兴奋机制
Ariely et al. (2009) 高激励反效果 Choking under pressure 本文将choking与信念设计理论整合

本文的独特贡献

  1. 首个在信息具有明确工具性价值的经济工作情境中提供信息回避的高度控制实验证据
  2. 通过强制vs.自选信息结构的比较,因果识别信息粗糙度对绩效的影响(排除自选择)
  3. 提供区分BT与BP模型的关键检验(FIXED WAGE处理组),支持乐观信念扭曲
  4. 将BP模型与choking under pressure整合,解释"不确定工资绩效 > 最高确定工资绩效"的反直觉发现
  5. 委托-代理关系的政策启示:不确定/粗糙薪酬方案可能以更低期望成本获得更高绩效

对后续研究的启示

  • 部分信息揭示(partial revelation)对绩效的影响
  • 降低低工资概率是否可在保持绩效的同时降低期望薪酬
  • 锦标赛/竞赛中的过度努力是否源于乐观信念扭曲
  • 公司股权激励中低层员工的信念扭曲与努力供给

标签: #information_avoidance #belief_design #optimal_expectations #real_effort #choking_under_pressure #workplace_incentives #Brunnermeier_Parker #Benabou_Tirole #experiment

维度4:变量概览

因变量

  • 正确完成的字符串数量(60分钟内):核心绩效指标
  • 信息选择(INFO CHOICE中):是否选择获取工资信息(二值)
  • 每个字符串的输入时间和错误率(次要分析)

关键自变量

  • 处理组(4个主+1个追加):FULL INFO / NO INFO / INFO CHOICE / FIXED WAGE 0.55 / FIXED WAGE 0.8
  • 工资水平:0.1 EUR / 0.55 EUR / 0.8 EUR / 1 EUR / 不确定
  • 信息揭示时机:工作前 vs. 工作后
  • 信息获取方式:强制 vs. 自选

关键中间变量

  • 自选择回避者比例:30/95(31.6%)
  • 平均工资期望\bar{w} = 0.55 EUR
  • 乐观扭曲的隐含信念:约0.8 EUR

个体特征控制

  • 性别、年龄、专业(STEM vs. 非STEM)
  • 实验经验
  • 风险偏好(部分session)
  • 实验后开放式问卷(信息选择原因)

设计参数

  • 字符串长度:60字符(数字+大小写字母)
  • 工作时长:60分钟
  • 出场费:5 EUR
  • 平均总收入:14.29 EUR
  • 实验持续:80-90分钟

维度5:局限性

  1. 任务类型局限:字符串反向输入是单一的、可量化的任务。结果在以下任务类型中可能不适用:(i) 创造性任务;(ii) 团队协作任务;(iii) 长期项目(多日/多月);(iv) 高度复杂的认知任务。
  2. 样本特征:被试以柏林大学生为主(约285人),结果对成年劳动力市场参与者、职业发展中的工人、不同文化背景的工人外推性有限。
  3. 激励量级有限:1 EUR/任务的最高工资远低于现实工作场景中的薪酬变化幅度,乐观信念扭曲的临界值在更大激励下可能不同。
  4. 信息粒度只有二元:仅比较"知道一个值"vs"知道是两个值之一",未探讨多值信号、连续信号下的回避行为。
  5. 时间范围短:60分钟的单次任务无法捕捉长期工作中的信念调整、学习、动机消退等动态过程。
  6. 未直接测量信念:本文通过绩效推断信念扭曲,但未直接 elicit 被试的主观工资信念,无法精确刻画 \pi^* 的分布。
  7. Choking机制证据间接:作者借助FIXED WAGE 0.8 EUR数据推断choking,但未通过生理指标(心率、压力激素)等客观证据确认choking机制。
  8. Choice Architecture影响:自选择回避的具体实现(按钮文案、纸板颜色等)可能影响选择比例,需更多稳健性检验。
  9. 未考虑社交比较:工资是相对绝对值还是相对工资可能影响乐观信念扭曲,本研究未操纵这一维度。
  10. 未识别异质性:BP参数 \theta 在不同被试间的分布未被显式估计;choking易感性的个体差异未被建模。

维度7:可拓展的研究方向

  1. 部分信息揭示:研究"知道工资在区间内"或"知道工资分布的某些矩"等中间信息粗糙度的效应。
  2. 直接信念测量:在task中直接 elicit 被试对工资的主观信念(用激励兼容机制如BSR),实证测量乐观扭曲的幅度,与 Brunnermeier_2007_OptimalBeliefs_SkewedReturns 的理论参数对接。
  3. 薪酬方案设计:探索"低工资概率为p的随机方案"在何种p值下能最大化绩效,提供精细的契约设计指导。
  4. 长期工作动态:将本设计扩展到多周/多月,研究乐观信念在重复反馈下能否维持。
  5. 真实工作场景:与企业合作进行田野实验,在真实工作场景中测试不确定薪酬方案的效应。
  6. 跨文化比较:在亚洲、北美、拉美等不同文化中验证BP模型,检验"乐观信念扭曲"的文化稳健性。
  7. 与自我形象信息的对照:将本设计与 Eil_Rao_2011_GoodNewsBadNews_AsymmetricProcessing 的自我形象信息回避对照,区分"工具性信息回避"与"自我概念信息回避"的不同心理机制。
  8. 委托-代理理论扩展:将乐观信念扭曲纳入正式的契约理论模型,研究最优契约设计在委托人考虑代理人信念扭曲时的形式。
  9. 与cognitive uncertainty 的桥接:测量被试在信息回避决策中的 cognitive uncertainty,探讨二者的关联。
  10. 政策应用:将本结果应用到学生奖学金、销售提成、福利项目等真实激励方案设计中,进行RCT验证。
  11. 机制分离:通过引入认知负荷操纵或时间压力操纵,分离"维持动机"与"避免choking"两种回避动机。
  12. Benabou_2015_EconomicsMotivatedBeliefs 的整合:将本文发现纳入 motivated beliefs 的统一框架,连接信息回避、自我欺骗、最优预期等子领域。

关键结论

  1. 工具性信息回避是真实存在的现象:即使报酬信息明显有助于优化努力配置,仍有约三分之一(31.6%)的被试主动选择不知道工资水平,挑战标准期望效用理论;这表明信息回避可超越"自我形象保护",进入纯经济激励情境。
  2. 不确定工资能因果地提升绩效:强制不确定工资(NO INFO)比强制完全信息(FULL INFO)多产出约20%(28.02 vs 23.44个任务),且这一效应在排除自选择后仍稳健,意味"信息粗糙度"本身可作为提升绩效的设计杠杆。
  3. 数据支持乐观信念扭曲(BP)而拒绝自我控制(BT)模型:不确定工资下的绩效(28.78)显著高于贝叶斯期望工资0.55 EUR确定工资下的绩效(24.66),与BT模型预测的"两者相等"相反;乐观信念扭曲被推断为约0.8 EUR;引入choking under pressure后,可解释"不确定工资甚至弱优于最高确定工资"的反直觉现象。