Zimmermann_2020_DynamicsOfMotivatedBeliefs
The Dynamics of Motivated Beliefs
元数据
- 作者: Florian Zimmermann
- 期刊: American Economic Review
- 年份: 2020
- 卷期页: 110(2): 337-361
- DOI: 10.1257/aer.20180728
- 关键词: motivated beliefs, belief updating, asymmetric updating, selective memory, self-image, ego utility
- JEL: C91, D83, D91
一句话总结
人们在收到关于自身能力的负面反馈后,短期内能够近乎理性地更新信念,但一个月后会选择性遗忘这些负面信息,使信念回归至先验水平,从而产生延迟出现的动机性不对称信念调整。
研究问题
- 动机性信念(motivated beliefs)的不对称更新模式是即时出现还是随时间逐渐演化?
- 在长时间窗口(一个月)内,正面与负面反馈对自我形象信念的影响轨迹有何差异?
- 选择性信息处理(selective processing)和选择性记忆(selective memory)哪个是动机性信念的主要维持机制?
- 选择性遗忘是否能被"预期被问"(announcement)或经济激励(tournament)所抑制——即它是否具有"动机性"特征而非纯粹的认知衰退?
核心贡献
- 首次系统记录长期动态: 在文献中第一次将动机性信念的实验追踪期延长至一个月,揭示了"短期对称-长期不对称"的关键模式,挑战了"即时不对称更新"的主流叙事
- 机制分解: 通过创新性的 Recall 处理组将信念演化分解为信息处理与记忆两个渠道,并提供了选择性记忆作为关键维持机制的因果证据
- 方法论创新: Announcement 和 Tournament 处理组巧妙证明了选择性遗忘的有意性(被预期回忆需求和经济激励所抑制),将其与单纯的记忆衰退区分开来
- 统一矛盾文献: 解释了为何不同短期实验(Eil & Rao 2011 vs. Barron 2021、Coutts 2019)会得出相互矛盾的不对称性结果——短期窗口本就存在高噪声,真正稳健的不对称性需通过时间显现
- 金融市场含义: 为投资者过度自信的形成提供微观基础——投资者可能系统性遗忘亏损经历,从而长期高估自身能力
维度1:实验设计分析
研究问题
动机性信念(motivated beliefs)的动态演化机制是什么?人们在收到关于自身能力的正面/负面反馈后,短期与长期(一个月后)的信念调整模式有何不同?动机性信念是通过何种渠道(选择性信息处理 vs. 选择性记忆)得以维持的?
实验任务详细流程
整体设计
- 被试: 德国波恩大学(BonnEconLab)学生,通过 hroot 招募系统招募
- 软件: z-tree(实验室部分)+ Qualtrics(在线问卷部分)
- 实验包含两次session: 第一次在实验室,第二次在一个月后(实验室或在线)
- 总样本量: 约 286 名被试参与核心处理组(ConfidenceDirect + Confidence1month),另有额外处理组
第一次Session(实验室)详细流程
Step 1: IQ测试(Raven's Progressive Matrices)
- 被试完成一组 Raven 渐进矩阵测试(共约 10 道题)
- 测试结束后,被试被分配到 8人小组 中
- 被试不知道自己的绝对得分,只知道自己完成了测试
Step 2: 先验信念引出(Prior Belief Elicitation)
- 被试被问:"你认为你在小组中排名在前50%的概率是多少?"
- 回答范围:0-100%(百分位概率)
- 采用**二次评分规则(Quadratic Scoring Rule, QSR)**进行激励相容的信念引出
- 支付公式:如果真实状态为 s \in \{0,1\}(1 = 排名前50%),被试报告概率 r,则支付为 3 - 3(r - s)^2 欧元
Step 3: 反馈提供(Feedback)
- 被试收到3次成对比较的反馈
- 每次比较:从小组其他成员中随机抽取一人,告知被试其表现是高于还是低于该随机成员
- 反馈分类:
- 正面反馈(Positive): 3次比较中至少2次优于随机成员
- 负面反馈(Negative): 3次比较中仅0次或1次优于随机成员
Step 4: 后验信念引出(Posterior Belief Elicitation)
- 根据处理组不同,信念引出的时间点不同
核心处理组(Between-subjects设计)
处理组1: ConfidenceDirect(约 93 名被试)
- 在收到反馈后立即再次引出信念
- 子条件1a: 反馈后立即引出
- 子条件1b: 反馈后等待15分钟再引出(检验即时 vs. 短暂延迟的差异)
处理组2: Confidence1month(约 148 名被试)
- 在收到反馈后一个月后再次引出信念
- 被试在一个月后返回实验室或通过在线问卷完成
处理组3: ConfidenceNoFeedback(对照组)
- 被试不收到任何反馈
- 一个月后再次引出信念
- 用于控制信念的自然漂移
处理组4: Recall(约 118 名被试)
- 与 Confidence1month 类似,但一个月后不再引出信念
- 而是问被试:"你还记得一个月前收到的反馈吗?3次比较中,你优于随机成员的次数是多少?"
- 选项包括 0/1/2/3 次以及 "我不记得了"
- 正确回忆的支付为 2 欧元;选择"不记得"支付 0.25 欧元(激励相容地揭示选择性记忆)
处理组5: Announcement(约 115 名被试)
- 在第一次 session 结束时告知被试:一个月后将再次进行信念引出
- 用于检验"预期被问"是否改变动机性遗忘的程度
处理组6: TournamentAnnouncement(约 58 名被试)
- 类似 Announcement,但额外告知一个月后将参加一个锦标赛
- 锦标赛中被试与小组中另一随机成员竞争,排名更高者获得 5 欧元
- 旨在提高信念准确性的经济激励
支付结构
- 参与费 + IQ测试表现 + 信念引出的 QSR 支付
- Recall 处理组:正确回忆 2 欧元,"不记得" 0.25 欧元,错误回忆 0 欧元
- 所有支付通过银行转账在实验后完成
关键设计特征
- 自我相关领域(ego-relevant domain): IQ测试表现关乎自我形象
- 客观可验证的反馈: 成对比较提供信息量可精确计算(可用贝叶斯法则推导理性基准)
- 组间设计(between-subjects): 避免重复引出信念对被试行为的干扰
- 长时间间隔(一个月): 在文献中首次系统研究长期信念动态
维度2:理论模型
理论框架
本文不提出新的正式模型,而是利用实验结果来检验和区分动机性信念文献中的不同理论预测。核心理论背景包括:
贝叶斯基准(Bayesian Benchmark)
信念调整的理性基准通过贝叶斯法则计算:
其中信号为3次成对比较的结果组合。**预测信念调整(predicted belief adjustment)**定义为:
实际信念调整定义为:
对于负面反馈,通过乘以 (-1) 进行归一化,使正值始终代表"朝反馈方向更新"。
核心理论预测对比
预测1(标准动机性推理 / Motivated Reasoning):
- 短期内:正面反馈的信念更新 > 负面反馈的信念更新(不对称更新)
- 长期:不对称性持续或放大(因为动机持续存在)
预测2(本文的关键发现所支持的动态模式):
- 短期内:信念更新可能接近对称(或轻微不对称)
- 长期(一个月后): 收到负面反馈的被试,信念几乎回归到先验水平;收到正面反馈的被试,信念更新保持不变
- 动态不对称性 = (\Delta b^{pos}_{1month} - \Delta b^{pos}_{direct}) - (\Delta b^{neg}_{1month} - \Delta b^{neg}_{direct})
渠道区分
两个潜在机制:
机制A: 选择性信息处理(Selective Processing / Motivated Reasoning)
- 在接收信息时就进行有偏的处理
- 应在短期即可观察到不对称性
机制B: 选择性记忆(Selective Memory / Motivated Forgetting)
- 信息被准确接收但随时间选择性遗忘
- 不对称性随时间逐渐出现
- Recall 处理组直接检验此机制
回归模型
主回归方程(Difference-in-Differences):
其中:
- \Delta b_i: 被试 i 的归一化信念调整
- \mathbb{1}[\text{1month}]: 是否为一个月后处理组
- \mathbb{1}[\text{negative}]: 是否收到负面反馈
- \beta_3: 核心关注系数 -- 动态不对称性的DID估计
- X_i: 控制变量(rank、predicted belief adjustment 等)
选择性记忆回归:
维度3:核心发现
发现1: 信念动态的不对称性(核心结果)
短期(ConfidenceDirect):
- 正面反馈后信念调整:约 +11.2 百分点
- 负面反馈后信念调整:约 +14.3 百分点(归一化后)
- 短期不对称性:不显著(无法拒绝对称更新)
- 相对于贝叶斯基准(~20 pp),存在保守主义(conservatism)
长期(Confidence1month,一个月后):
- 正面反馈后信念调整:约 +11.0 百分点(与短期几乎不变)
- 负面反馈后信念调整:约 +2.8 百分点(归一化后,大幅缩小)
- 负面反馈的信念更新在一个月内消散了约 80%
DID估计(Table 2, Column 6):
- \beta_3(1month x negative 交互项): -11.364,SE = 4.393,p < 0.01
- 效应量:负面反馈一个月后的信念调整比正面反馈少约 11.4 个百分点
- 这一结果在控制 rank、predicted belief adjustment 后稳健
对照组(ConfidenceNoFeedback):
- 一个月后无反馈组的信念调整均值:0.22(SD = 17.83)
- 31% 下调,33% 上调,无系统性漂移
- 排除了"信念自然漂移"的替代解释
发现2: 选择性记忆(Selective Memory)
回忆准确率:
- 正面反馈组的回忆准确率:约 90.7%
- 负面反馈组的回忆准确率:约 50.0%
- 差异:-40.7 个百分点,SE = 7.5,p < 0.001(Table B.8)
"不记得" 的选择:
- 正面反馈组选择"不记得"的比例:约 4.5%
- 负面反馈组选择"不记得"的比例:约 22.6%
- 差异:约 +18.1 个百分点,p < 0.05
回忆偏差方向(Recall Deviation, Appendix B.4):
- 收到负面反馈的被试中,那些给出回忆答案(非"不记得")的人,系统性地将回忆偏向正面方向
- Recall Deviation 系数 = 0.247(SE = 0.078),p < 0.01
- 即负面反馈被试平均多回忆了约 0.25 次正面比较
安慰剂条件(Placebo, Appendix B.5):
- 45 名被试参与非自我相关的记忆任务(记忆3位数字)
- 仅 1 人选择"不记得"(vs. 负面反馈组的约 23%)
- 排除了"记忆难度"的替代解释
发现3: 预先通知的影响(Announcement Effect)
处理组 Announcement vs. Confidence1month:
- 正面反馈:预先通知对信念调整无显著影响
- 负面反馈:预先通知使信念调整显著增大
- Confidence1month 负面反馈调整:~2.8 pp
- Announcement 负面反馈调整:~15.9 pp
- DID 交互项(announcement x negative): 约 +16.9,SE = 6.6,p < 0.05
- 解释:当被试预期将被要求回忆信息时,选择性遗忘被抑制
TournamentAnnouncement:
- 锦标赛通知条件下,负面反馈后的信念调整更大
- 确认了经济激励可以减弱动机性遗忘
发现4: 短期更新的保守主义(Appendix A.6)
- 贝叶斯预测的平均调整幅度:~20 个百分点
- 实际归一化信念调整:~11.8 个百分点
- 信念调整与贝叶斯预测的相关系数:0.459
- 短期内存在保守主义(conservatism),但正面/负面的不对称性不显著
稳健性检验
- 控制 rank 固定效应:结果稳健(Appendix A.2)
- 控制 IQ 测试得分固定效应:结果稳健(Appendix A.3)
- 使用替代正面/负面反馈定义(3/3 vs 0/3;贝叶斯分类):结果稳健(Appendix A.4)
- 直接引出 vs. 15分钟延迟:无显著差异(Appendix A.1)
- 后验信念水平(非调整量)作为因变量:结果稳健(Appendix A.5)
维度6:与其他文献的关系
在信念更新文献中的位置
- 核心贡献: 首次在实验中系统记录动机性信念的长期动态,发现不对称性主要通过时间演化(而非即时偏差)出现
- 挑战了大量短期实验中报告的即时不对称更新(如 Eil & Rao, 2011; Mobius et al., 2022)
- 为"选择性记忆"作为动机性信念的关键维持渠道提供了因果证据
核心对话文献
| 文献 | 关系 |
|---|---|
| Mobius et al. (2022, AER) | 同样使用 IQ 测试 + 成对比较范式;本文基于其设计但加入长期追踪 |
| Eil & Rao (2011, AER) | 发现短期不对称更新;本文发现短期不对称不显著,长期才出现 |
| Benabou & Tirole (2002, QJE) | 动机性信念的理论基础(自我信号模型);本文提供经验证据 |
| Benabou & Tirole (2016, AER) | 动机性推理的正式模型;本文发现记忆渠道比即时处理更重要 |
| Carlson (2020) | 动机性错误记忆(motivated misremembering);本文的 Recall 处理组提供平行证据 |
| Kunda (1990) | 动机性推理的心理学经典综述;本文将其推广至动态设定 |
| Barron (2021) | 短期信念更新中未发现不对称性;本文为短期对称性提供佐证 |
| Coutts (2019) | 短期信念更新中未发现不对称性;与本文短期结果一致 |
| Schwardmann & van der Weele (2019) | 信念操纵的社会功能;本文聚焦于自我形象维护 |
方法论贡献
- 组间设计: 避免了反复引出信念对被试的"锚定效应"或"实验需求效应"
- Recall 处理组: 创新性地将信念更新分解为"信息处理"和"记忆"两个渠道
- Announcement 处理组: 巧妙检验了选择性遗忘的有意性(可被预期回忆需求所抑制)
- 贝叶斯基准: 精确计算理性信念调整幅度,提供定量偏差度量
对后续研究的启示
- 短期实验可能低估动机性信念的实际程度(因为选择性记忆需要时间发挥作用)
- 金融市场中投资者的过度自信可能部分源于对负面投资经历的选择性遗忘(见 Walters & Fernbach, 2021; Godker, Jiao & Smeets, 2025)
- 政策干预(如强制信息重复暴露)可能有效对抗动机性遗忘
维度4:变量概览
主要因变量
| 变量 | 定义 | 度量 |
|---|---|---|
| 信念调整量 (\Delta b) | Posterior - Prior(归一化:负面反馈 × -1) | 百分点 (-100 到 +100) |
| 后验信念水平 | 反馈后报告的"前50%概率" | 0-100 (%) |
| 回忆准确率(Recall Accuracy) | 是否准确回忆 3 次比较中正面次数 | 0/1(二值) |
| "不记得"选择 | 在 Recall 任务中选择 "I don't recall" | 0/1(二值) |
| 回忆偏差(Recall Deviation) | 回忆的正面次数 - 实际正面次数 | 整数 (-3 到 +3) |
主要自变量
| 变量 | 定义 |
|---|---|
| 1[1month] | 后验引出时点是否为一个月后(vs. 直接引出) |
| 1[negative] | 反馈类型:3 次比较中 ≤1 次正面 = 负面 |
| 1[1month × negative] | DID 交互项 — 核心因果系数 |
| Predicted belief adjustment | 贝叶斯法则下的理论调整幅度 |
| Prior belief | 反馈前报告的"前50%概率" |
| Rank | 被试在 8 人小组中的真实排名 (1-8) |
| IQ score | Raven 矩阵测试得分(用于 score FE) |
处理组变量
| 处理组 | n | 操控 |
|---|---|---|
| ConfidenceDirect | ~93 | 反馈后立即引出(含 0/15分钟子条件) |
| Confidence1month | ~148 | 反馈后一个月引出 |
| ConfidenceNoFeedback | ~ | 无反馈,一个月对照 |
| Recall | ~118 | 一个月后回忆反馈内容 |
| Announcement | ~115 | 提前告知一个月后再次引出 |
| TournamentAnnouncement | ~58 | 提前告知 + 锦标赛激励 |
| Placebo | ~45 | 非自我相关的数字记忆任务 |
激励参数
- QSR 信念引出: 3 - 3(r-s)^2 欧元
- Recall 准确: 2 欧元;"不记得": 0.25 欧元;错误回忆: 0 欧元
- Tournament: 排名更高者额外获 5 欧元
维度5:局限性
- 样本同质性: 样本为德国波恩大学学生(实验经济学传统被试库),外部效度受限;对其他人口(年龄、文化、教育背景)的推广性需进一步检验
- 领域特异性: 实验仅检验 IQ 测试这一自我相关领域;负面反馈对其他领域(如道德品质、外貌、社会能力)的动态轨迹是否相似尚不清楚
- 时间窗口固定为一个月: 一个月的特定窗口选择存在一定任意性;不对称性是否在更长时间(如半年、一年)后继续放大或饱和未知
- 反馈结构相对粗糙: 仅有 3 次成对比较,反馈信息量有限;更精细或更连续的反馈结构下选择性记忆的强度可能不同
- 回忆任务的"线索"问题: Recall 处理组要求被试主动回忆,但现实生活中信息常以线索性方式重新出现(如朋友提及、媒体提醒),这种被动激活下的选择性遗忘程度未被检验
- 机制内部细节有限: 虽证明了选择性记忆为主要渠道,但未深入分解"编码不足""提取困难""信念建构性遗忘"等子机制
- 金钱激励与社会动机的潜在替代关系: TournamentAnnouncement 仅提供 5 欧元小额激励;强经济激励能在多大程度上完全消除动机性遗忘仍是开放问题
- 未直接测量自我形象效用(ego utility): 动机性信念的理论基础假设了 ego utility,但本文未独立度量被试的 ego utility 强度,因而无法检验"动机强度异质性 → 遗忘强度异质性"的微观链条
维度7:可拓展的研究方向
- 跨领域推广: 在金融市场(投资亏损)、健康(诊断结果)、政治(投票结果)等真实自我相关领域验证选择性遗忘的存在与机制
- 更长时间窗口: 6个月、1年甚至多年追踪——遗忘是单调累积还是存在饱和?年度业绩公布等事件是否周期性"重置"信念?
- 干预设计: 强制信息重复暴露、决策日志、AI 提醒系统等是否可有效对抗动机性遗忘?这是金融监管和投资者教育的潜在工具
- 个体异质性: 哪些个体特征(cognitive ability、self-esteem、ego utility 强度)预测更强的动机性遗忘?是否与人格五因素中的"神经质"或"开放性"相关
- 现实金融市场数据: 利用经纪商数据 + 投资者调查,直接检验"亏损经历的遗忘 → 风险承担"链条(参见 Walters_Fernbach_2021_InvestorMemory_PositivityBias、Godker_Jiao_2025_InvestorMemory)
- 神经/认知机制: fMRI 或 ERP 实验探索负面反馈在编码、巩固、提取阶段的差异化神经活动
- 群体动力学: 团队/家庭/组织中,集体记忆是否同样存在动机性偏差?社交分享是否放大或抑制选择性遗忘?
- 理论模型化: 建立正式的"动态动机性信念"模型,将 Benabou-Tirole (2002) 的双自我框架扩展至显式记忆衰减函数
- AI 辅助决策: 在 LLM/AI 投资助手提示信息时,是否需要刻意"重新呈现"用户过去的负面经历以矫正动机性遗忘?
核心结论一句话总结
人们对关于自身能力的负面信息在短期内能够接近理性地处理,但在一个月后选择性地"遗忘"了这些负面信息,导致信念回归至先验水平;这种动态不对称性主要通过选择性记忆渠道实现,而非即时的有偏信息处理。
#motivated_beliefs #belief_updating #selective_memory #asymmetric_updating #experiment #IQ_test #long_run_dynamics #ego_utility
关键结论
- 短期对称、长期不对称: 在反馈后立即引出信念时,正面与负面反馈引起的信念调整几乎对称(约11-14 pp);但一个月后,负面反馈的信念调整缩小至约 2.8 pp(消散约80%),而正面反馈调整保持稳定(约11 pp),DID 交互项 = -11.4 pp(p<0.01)
- 选择性记忆是核心维持机制: 收到负面反馈的被试一个月后回忆准确率仅 50%,远低于正面反馈组的 90.7%(差异 -40.7 pp,p<0.001);负面反馈组更倾向选择"不记得"(22.6% vs. 4.5%),且即便给出回忆也系统性偏向正面方向(+0.25 次)
- 选择性遗忘具有"动机性"特征: 当被试被预先告知一个月后将再次被问(Announcement)或会参加锦标赛(TournamentAnnouncement)时,负面反馈的信念调整被恢复(提升至约 15.9 pp);这证明遗忘并非纯认知衰退,而是受激励调节的策略性过程
- 方法论启示: 短期实验可能低估动机性信念的真实强度;学界关于"短期不对称是否存在"的争论可被解释为短期窗口噪声较大,真正稳健的不对称性需通过时间演化显现
🔗 链接到这篇笔记
- Benabou_Tirole_2016_MindfulEconomics_Beliefs
- Boiney_1997_InstrumentalBias_MotivatedReasoning
- Carlson_2020_MotivatedMisremembering
- Coutts_2019_GoodNewsBadNews_BeliefUpdating
- Coutts_Gerhards_2024_SelfServingAttributionBias
- Epley_Gilovich_2016_MechanicsMotivatedReasoning
- Faia_Fuster_2022_InformationSelectionBiases
- Godker_InvestorConfidence_DelegatedDecisions
- GonzalezFernandez_2026_BeliefBiasIdentification
- Jiao_Pownall_TasteBeliefValuation
- Palminteri_2022_ConfirmationBias_ReinforcementLearning
- Schilbach_Lectures_UtilityFromBeliefs
- SelfImageConcerns_MotivatedBeliefs
- Sharot_2011_OptimismBias
- Thaler_GoodNews_MotivatedReasoning
- The_2024_Fake_News_Effect_Experimentally
- Zhu_SelfImage_MotivatedReasoning
- Zimpelmann_StockMarketBeliefs_PortfolioChoice