我的笔记

Yin_Li_2019_Overconfidence_Cooperation

更新于 2026/7/5

Does Overconfidence Promote Cooperation? Theory and Experimental Evidence

Authors: Xile Yin, Jianbiao Li, Te Bao
Journal: Journal of Behavioral and Experimental Economics, 79, 119-133
Year: 2019
DOI: https://doi.org/10.1016/j.socec.2019.02.008

Keywords: Overconfidence, Overestimation, Overprecision, Heterogeneous preferences, Threshold public good game

一句话总结

通过两人门槛公共品博弈实验和理论建模，证明过度自信对合作的影响因偏好类型而异：过度估计降低 free-rider 贡献但提高 conditional cooperator 贡献，过度精确则进一步增强 conditional cooperator 的合作；由于占多数的被试是 conditional cooperator，过度自信整体上促进了合作。

研究问题

  • 过度自信（区分过度估计 overestimation 与过度精确 overprecision）如何通过对搭档贡献的信念偏差影响门槛公共品博弈中的合作决策？
  • 异质偏好类型（free-rider vs. conditional cooperator）是否对过度自信产生差异化的反应？
  • cheap talk 沟通是否是过度自信产生的渠道，进而成为合作促进的中介机制？
  • 过度自信的影响是否依赖 MPCR（边际私人收益率），即合作的"性价比"？

核心贡献

  1. 首次在公共品博弈框架中区分两种过度自信形式（overestimation 与 overprecision），并分别测量其对贡献决策的影响，弥补了过往文献仅关注笼统"过度自信"的不足。
  2. 将过度自信参数化嵌入门槛公共品博弈的效用函数：借鉴 Ren & Croson (2013) newsvendor 模型，引入参数 \alpha（过度估计）和 \beta（过度精确）改写最优贡献，推导出对 free-rider 与 conditional cooperator 的差异化命题（Propositions 1-4）。
  3. 揭示过度自信的"光明面"：与传统"过度自信有害"的叙事相反，对于占样本 59.2% 的 conditional cooperator，过度自信反而提高了合作水平，使整体而言过度自信成为克服社会困境的潜在机制。
  4. 识别 cheap talk 作为过度自信的产生渠道：通过有沟通组（n = 120）vs. 无沟通组（n = 42）对照实验证明沟通显著提高 overestimation（2.585 vs. 1.194）和 overprecision（信念区间收窄），呼应"控制幻觉"（illusion of control）文献。
  5. 解释 free-rider 比例显著低于以往文献的原因（12.5% vs. Burlando-Guala 2005 的 31.5%），归因于门槛 + 沟通的双重抑制机制。

维度1：实验设计分析

研究问题

过度自信（overconfidence）的两种形式——过度估计（overestimation）和过度精确（overprecision）——如何影响异质偏好类型（free-rider vs. conditional cooperator）被试在门槛公共品博弈中的贡献决策？

实验范式

  • 博弈类型： 两人门槛公共品博弈（threshold public good game）+ 廉价沟通（cheap talk）
  • 被试内设计（within-subject）： 同一批被试经历高MPCR和低MPCR两个处理
  • 被试： 120名南开大学/天津大学本硕学生（6场实验，每场20人）；另有42名被试参加无沟通对照实验
  • 软件： z-Tree
  • 支付： 公共品博弈和一般知识任务1 token = RMB 0.5；SVO任务1 token = RMB 0.1；平均支付约RMB 45（约USD 7）

实验任务详细流程

整体结构：三个部分

Part 1：公共品博弈任务（Stage I & Stage II）

Stage I（高MPCR处理，MPCR = 0.8）：

  1. 被试被随机分成2人一组，每人初始禀赋20 tokens
  2. 每期开始时，被试可进行90秒的非约束性口头沟通（cheap talk），不允许透露身份信息
  3. 沟通后，被试选择一个整数作为对公共品的贡献（0-20）
  4. 被试同时报告对搭档贡献的信念：
    • (1) 搭档贡献的点估计（belief）
    • (2) 搭档贡献的最大可能值（max_belief）
    • (3) 搭档贡献的最小可能值（min_belief）
  5. 收益函数（门槛 T = 10）：
    • 当总贡献 < 10时：payoff_i = 20 - contribution_i - 1.3(10 - Total contribution)
    • 当总贡献 >= 10时：payoff_i = 20 - contribution_i + 0.8(Total contribution - 10)
  6. 信念激励：点估计误差 <= 1 token奖励5 tokens；区间估计中若搭档贡献落入[min_belief, max_belief]，额外奖励0.5*(20 - (max_belief - min_belief))
  7. 共4期，每期结束后重新匹配（stranger matching），被试不知搭档贡献和自己收益（避免动态学习）
  8. 随机选1期支付

Stage II（低MPCR处理，MPCR = 0.6）：

  • 与Stage I完全相同，仅MPCR从0.8降为0.6
  • 收益函数中超过门槛部分的系数从0.8变为0.6
  • 同样4期

顺序效应控制： Sessions 1-3先高MPCR后低MPCR；Sessions 4-6先低MPCR后高MPCR

Part 2：SVO任务（Stage III）

  • 使用Murphy et al. (2011)的SVO Slider改良版分解博弈技术
  • 被试随机配对，进行6次分配决策（在自己和匿名他人之间分配tokens）
  • 随机选1次决策支付
  • 用于辅助分类偏好类型（prosocial vs. individualistic）

Part 3：一般知识任务（Stage IV）

  • 10道一般知识题（用于测量过度自信）
  • 每答对1题得1 token
  • 过度估计测量： 被试估计自己答对题数 - 实际答对题数
  • 过度精确测量： 被试给出每题答案的90%置信区间（最大值和最小值），过度精确 = 9 - r（r为正确答案落入区间的题数）
  • 答完后获得固定10 tokens奖励

关键变量定义

  • Overestimation（公共品博弈中）： = Belief - Partner's actual contribution
  • Overprecision（公共品博弈中）： = -(Max_belief - Min_belief)（区间越窄，过度精确越高）
  • 偏好类型分类标准：
    • Conditional cooperator：|contribution - belief| <= 2
    • Free-rider：contribution <= 10 且满足以下之一：(a) belief >= 10时contribution < 2；(b) belief < 10时|contribution + belief - 10| <= 2
    • Unconditional cooperator：contribution > 10 且 |contribution - belief| > 2
    • 用首期分类，后3期收集数据

无沟通对照实验

  • 2018年9月，同一实验室，42名被试
  • 仅高MPCR处理，去除沟通阶段
  • 目的：检验沟通是否是产生过度自信的渠道

维度2：理论模型

核心模型框架

在门槛公共品博弈中，将搭档贡献J视为随机变量Y，引入过度自信参数。

关键公式

1. 门槛公共品收益函数（Eq. 1）：
$x_i = \begin{cases} E_i - I_i - \delta(T - \sum_j I_j), & \text{if } \sum_j I_j < T \\ E_i - I_i + \lambda(\sum_j I_j - T), & \text{if } \sum_j I_j \geq T \end{cases}$

其中 E = 初始禀赋，I = 贡献，T = 门槛，lambda = MPCR，delta > 1 = 惩罚系数（1/n < lambda < 1, delta > 1）

2. 过度自信建模（Eq. 8-9）：

  • 标准化变换：Y = mu + sigma*b，令 X = (Y-mu)/sigma
  • 无偏最优贡献：I* = T - (mu + sigma*b)
  • 过度自信下最优贡献：
    $I_o^* = T - [\alpha\mu + (1-\beta)\sigma b] - [\alpha\mu + (1-\beta)\sigma G^{-1}(\frac{1-\lambda}{\delta-\lambda})]$

其中 alpha = 过度估计参数（alpha > 1表示高估），beta = 过度精确参数（0 < beta < 1，beta越大精确度越高）

3. Free-rider最优贡献对过度估计的偏导（Proposition 1）：
$\frac{\partial I_o^*}{\partial \alpha} = -\mu < 0$
过度估计参数增大 -> free-rider贡献降低

4. Free-rider最优贡献对MPCR的偏导（Proposition 2, Eq. 10）：
$\frac{\partial I_o^*}{\partial \lambda} = (1-\beta)\sigma \frac{1}{G(b)} \frac{-(\delta-\lambda)+1-\lambda}{(\delta-\lambda)^2} = (1-\beta)\sigma \frac{1}{G(b)} \frac{\delta-1}{(\delta-\lambda)^2} > 0$
但过度精确beta越大，MPCR对贡献的影响越弱

5. Conditional cooperator效用函数（Eq. 11）：
$S = \begin{cases} -\theta(I-J), & \text{if } I < J \\ -\varphi(J-I), & \text{if } I \geq J \end{cases}$

其中 theta = 不利不平等厌恶参数，phi = 有利不平等厌恶参数

6. Conditional cooperator最优贡献（Eq. 15, 17）：

  • F(I*) = phi/(phi + theta)
  • 过度自信下：I_o* = alpha*mu + (1-beta)sigmab_2

核心命题

  • Proposition 1： 过度估计参数alpha越大，free-rider贡献越低
  • Proposition 2： 贡献与MPCR正相关；但过度精确beta越大，MPCR影响越弱
  • Proposition 3： 过度估计参数alpha越大，conditional cooperator贡献越高
  • Proposition 4a： 若theta > phi，过度精确beta越大，conditional cooperator贡献越高
  • Proposition 4b： 若theta = phi，过度精确对conditional cooperator贡献无影响

维度3：核心发现

样本描述性统计

变量 均值 标准差
Contribution 13.1 7.8
Belief 15.7 5.97
Overestimation 2.585 8.067
Overprecision -4.531 5.245
Overestimation_GT 0.817 1.799
Overprecision_GT 4.992 2.453

偏好类型分布

类型 比例
Conditional cooperators 59.2%
Free-riders 12.5%
Unconditional cooperators 10.8%
Noisy 17.5%

（对比Burlando & Guala, 2005：free-rider占31.5%，门槛+沟通显著抑制搭便车）

Result 1：过度估计对贡献的影响（支持Hypothesis 1）

  • 全样本： Overestimation系数 = 0.164, p < 0.01（GLS随机效应）
  • 交互效应： Overestimation x Conditional_cooperator系数 = 2.029, p < 0.01
  • Free-rider子样本： Overestimation系数 = -0.0860, p < 0.01（过度估计越高，贡献越低）
  • Conditional cooperator子样本： Overestimation系数 = 0.162, p < 0.01（过度估计越高，贡献越高）

Result 2：MPCR与过度精确的交互（不支持Hypothesis 2）

  • Delta Contribution对Overprecision的系数 = -0.173, p = 0.41（不显著）
  • 高低MPCR下free-rider平均贡献差异不显著（Wilcoxon z = 0.816, p = 0.414）
  • 原因：free-rider在两种MPCR下的信念均高于10（12.333 vs. 12.242），高信念减轻了对惩罚的担忧

Result 3：过度精确对conditional cooperator贡献的影响（支持Hypothesis 3a）

  • 全样本： Overprecision系数 = 0.374, p < 0.01
  • Free-rider子样本： Overprecision系数不显著（-0.0163, p > 0.10）
  • Conditional cooperator子样本： Overprecision系数 = 0.344, p < 0.01
  • 含交互项模型：Overprecision系数 = 0.292, p < 0.01

沟通产生过度自信的证据（有沟通 vs. 无沟通）

  • 有沟通组Overestimation = 2.585 vs. 无沟通组 = 1.194（差异显著，t = -2.514, p = 0.046）
  • 有沟通组Belief = 15.7 vs. 无沟通组 = 9.468
  • 有沟通组Contribution = 13.1 vs. 无沟通组 = 8.274（t = -4.804, p = 0.003）
  • 无沟通组信念区间[4.563, 13.742]大于有沟通组[12.563, 17.093]，沟通降低不确定性、提高过度精确

沟通与承诺效应

  • 97.5%被试报告沟通有效性 > 2（5级量表）
  • 63.3%的沟通达成承诺（Commitment = 1）
  • 达成承诺时贡献显著更高（Mann-Whitney z = 10.614, p < 0.01）

维度6：与其他文献的关系

所属领域

实验经济学 / 行为经济学 / 公共品博弈 / 过度自信 / 异质偏好

核心贡献

  1. 首次系统分析过度自信（区分overestimation和overprecision两种形式）对公共品贡献的影响
  2. 揭示过度自信的"光明面"： 对于占多数的conditional cooperator（59.2%），过度自信提高合作水平，有助于克服社会困境
  3. 建立理论模型将过度自信参数（alpha, beta）嵌入门槛公共品博弈的效用函数，推导出过度自信对不同偏好类型被试的差异化影响
  4. 识别沟通作为过度自信的产生渠道： cheap talk通过控制幻觉（illusion of control）产生过度自信

与关键文献的关系

文献 关系
Fischbacher et al. (2001) 偏好类型分类方法的基础（conditional cooperator vs. free-rider）
Moore & Healy (2008) 过度自信三分类框架（overestimation, overprecision, overplacement）
Ren & Croson (2013) 过度自信建模方法的来源（newsvendor问题中的过度精确模型）
Burlando & Guala (2005) 偏好类型分类标准的参照；发现free-rider比例为31.5%（本文仅12.5%）
Fischbacher & Gachter (2010) 提出异质偏好和信念共同影响贡献，但未研究信念偏差
Cason et al. (2012); Palfrey et al. (2017) cheap talk在公共品博弈中促进合作的文献基础
Mak et al. (2015) 门槛公共品博弈中沟通与承诺的实验证据

局限性与未来方向

  • 仅考虑静态设定，未研究动态学习中信念更新与过度自信的演化
  • 过度自信通过沟通"诱导"产生，其他产生机制（如经验、反馈）待研究
  • 一般知识任务中测量的过度自信与公共品博弈中的过度自信相关性有限
  • 结果能否推广到线性公共品博弈（无门槛）有待验证

Tags: #overconfidence #public_goods #threshold #cheap_talk #heterogeneous_preferences #conditional_cooperation #free_riding #overestimation #overprecision #experimental_economics

维度4：变量概览

变量 类型 测量方式 用途
Contribution 因变量（连续, 0-20） 被试每期对公共品的整数贡献 主要被解释变量
Belief 自变量（连续, 0-20） 被试报告的搭档贡献点估计 计算过度估计；偏好类型分类
Max_belief / Min_belief 自变量（连续） 搭档贡献的区间上下限 计算过度精确
Overestimation 关键自变量（连续） Belief − 搭档实际贡献 测量公共品博弈中的过度估计
Overprecision 关键自变量（连续） −(Max_belief − Min_belief) 测量公共品博弈中的过度精确（值越大越精确）
Overestimation_GT 自变量（一般知识） 自评答对题数 − 实际答对题数 一般知识任务中的过度估计
Overprecision_GT 自变量（一般知识） 9 − r（r = 90% 区间命中数） 一般知识任务中的过度精确
MPCR Treatment 变量（0.6 / 0.8） 超过门槛后每 token 私人回报 within-subject 处理
Conditional_cooperator 二元 首期 |contribution − belief| ≤ 2 偏好类型分组
Free_rider 二元 首期 contribution ≤ 10 且满足规则 偏好类型分组
Unconditional_cooperator 二元 首期 contribution > 10 且 |contribution − belief| > 2 偏好类型分组
SVO 角度 自变量（连续, 度） Murphy et al. (2011) Slider 测量 prosocial vs. individualistic 分类辅助
Commitment 二元 沟通是否达成贡献承诺 沟通效应分析
沟通有效性 Likert (1-5) 自评 描述性
顺序 二元 高-低 vs. 低-高 MPCR 控制顺序效应

维度5：局限性

  1. 静态设定：未研究多期反复博弈中过度自信、信念与贡献的动态共同演化（学习与遗忘机制缺失）。
  2. 过度自信的内生性：cheap talk 同时影响过度自信、信念精确度与贡献，难以严格识别"过度自信 → 贡献"的因果方向；可能是承诺机制本身（而非过度自信）驱动了部分效应。
  3. 一般知识 vs. 公共品任务的过度自信相关性低：表明过度自信可能高度任务相关（domain-specific），单一测量难以推广到现实金融决策场景。
  4. 样本与场景受限：样本为中国大学生，门槛公共品博弈是抽象实验环境；外部效度（推广至现实社区合作、企业团队、捐赠决策）有待验证。
  5. 未控制的偏好维度：风险偏好、模糊厌恶、社会规范敏感性等未直接测量与控制。
  6. 理论模型的简化：仅两人博弈，门槛 T 固定，未涵盖大规模公共品提供（n > 2 时贡献协调问题更复杂）。
  7. 过度精确测量的尺度敏感性：-(\max - \min) 的线性度量可能与真实概率分布精度（如方差）非线性相关。
  8. 缺乏神经/认知机制：未探讨过度自信如何通过 working memory、注意分配等认知机制转化为贡献决策。

维度7：可拓展的研究方向

  1. 动态学习模型：在多轮反复博弈 + 反馈下，研究过度自信如何随实际收益修正，是否存在"过度自信学习不收敛"的现象。
  2. 大规模公共品：将研究推广至 n > 2 的群体（如气候合作实验），检验过度自信在协调失败/成功中的作用。
  3. 真实合作场景：在现场实验（如社区集资、众筹、献血）中测量过度自信与合作意愿，提升外部效度。
  4. 过度自信干预：通过反馈、debiasing 训练降低过度自信，观察 conditional cooperator 的合作率变化（验证因果方向）。
  5. 沟通机制分解：使用更精细的沟通设计（仅承诺 vs. 仅信息共享 vs. 完整对话）识别 cheap talk 引发过度自信的具体机制。
  6. 跨文化与性别研究：检验中国学生样本的结论在不同文化、不同性别下的稳健性（参考 BOYS WILL BE BOYS GENDER, OVERCONFIDENCE, AND COM）。
  7. 联系金融市场：将过度自信、合作与金融决策联系（如众筹、合伙投资），检验是否过度自信投资者更愿意合作建立基金，连接 Pikulina_2017_Overconfidence_Investment、Daniel_Hirshleifer_2015_Overconfident_Returns_Trading。
  8. 神经经济学路径：fMRI 或 eye-tracking 研究过度自信被试在公共品博弈中信念形成与贡献决策的神经/注意机制。
  9. 激励合约设计：设计能放大 conditional cooperator 过度自信的合作合约（如"乐观区间承诺"机制）以提高合作均衡。
  10. 理论扩展：将过度自信参数嵌入更一般的不平等厌恶（Fehr-Schmidt）或互惠（Rabin）模型，推导更丰富的预测。

关键结论

  1. 过度自信对合作的影响是异质的而非一致的：在 free-rider 中，过度估计搭档贡献使其降低自己的贡献（被搭便车的最优反应）；而在占主体的 conditional cooperator 中，过度估计与过度精确同时提高其贡献。这一异质性意味着过度自信在偏好类型混合的现实社会中可能是合作的促进者而非阻碍者。
  2. 沟通通过"产生过度自信"促进合作：cheap talk 不仅直接通过承诺机制约束行为，还通过引入控制幻觉、提高信念精确度（信念区间从 [4.6, 13.7] 收窄至 [12.6, 17.1]）使被试更倾向于合作，这为长期以来"为何沟通促进公共品提供"的问题提供了新的认知机制解释。相关链接：Camerer_1999_Overconfidence_ExcessEntry、Pikulina_2017_Overconfidence_Investment、Heger_2018_Optimism_Overconfidence_Restaurant、Bregu_2020_Overconfidence_Overtrading_Feedback、Daniel_Hirshleifer_2015_Overconfident_Returns_Trading、Benjamin_2019_BaseRateNeglect_Foundations。