人類行為的法則

內容概要

本書中選取的論文反映了目前行為實驗經濟學前沿的一個重要領域——學習行為過程的實驗研究。南京理工大學應用經濟研究所長期關注紐約大學肖特帶領的團隊，以及馬克斯一普朗克(MP)經濟學研究所演化學習方向的相關工作?！　∪珪彩珍浟?篇的論文，可以分為以下三個類別：    第一類是學習理論與模型構建的綜述，即第1篇《經濟學的個體學習模型構建綜述》。這篇論文介紹了學習理論的整體研究狀況，安排這一篇便于讀者了解學習理論與模型。此文可以作為順序消化相關理論的基礎，也可以作為此后應用的指導性文獻（該文是作者為《基于代理人的計算經濟學手冊》的第18章而撰寫的綜述）。    第二類是學習行為實驗方法的重要文獻，也就是第2篇《使用誘導信念的信念學習實驗研究》。該項工作事關重要的學習過程理論——信念學習理論，能否直接納入模型的關鍵性技術，即能否記錄并處理被試在決策前的主觀信念。肖特團隊給出方法主要是誘導被試“如實”給出自己的“陳述信念”，是否“如實”，可以由此后的決策行動進行判斷。    第三類是針對各種不同信息接收方式、不同場景、不同假設開展的學習行為實驗。不同信息接收方式包括：自己動手經歷新信息，看到別人決策經歷的信息，聽到別人建議的信息。圍繞“用手”、“用眼”和“用耳”的文獻是第4、第5和第6篇。針對不同環(huán)境場景，這里主要分個體與代際交疊兩種發(fā)展為討論部分，代際環(huán)境下的學習為第7篇《代際博弈中的社會學習與習俗調整：一個實驗研究》。針對被試是否符合主流理性假設的文獻是第3篇《從羊群行為中區(qū)分信息追隨的實驗研究》。    本書的讀者對象包括高等院校經濟學和行為科學相關學科的高年級本科生和研究生，以及相關教學研究機構中的教師和研究人員。本書可以作為實驗經濟學和行為經濟學的高級教材和參考資料，亦可以作為對行為經濟學感興趣的讀者的補充閱讀材料。

作者簡介

朱憲辰，南京理工大學經濟管理學院教授，博士生導師，應用經濟研究所所長。長期關注制度變遷過程的解釋，特別是基丁個體信念調整和決策知識的理解。針對現(xiàn)實問題，關注轉型期城鎮(zhèn)住宅小區(qū)共享資源合作自治，商會和俱樂部等集體行動的合作均衡發(fā)生條件。

書籍目錄

緒論    1  學習行為問題研究的經濟學背景    2　經濟學研究學習問題的簡單回顧與學習行為的若干實驗研究    3　關于“看著學”而非“干中學”的實驗評述    4　關于學習行為實驗研究的展望  經濟學的個體學習模型構建綜述    1  引言        1.1　計算經濟學與學習      1.2　學習行為建模的歷史      1.3　建立經濟學學習模型的基本問題  　2　學習過程分類      2.1　學習過程的多樣性      2.2　場景特征和學習  　3　無意識學習模型的構建      3.1  現(xiàn)有模型        3.2　建議  　4　基于慣例的學習模型構建      4.1  群體層面基于慣例學習的模型構建      4.2　個體層面基于慣例學習的模型構建  　5　信念學習建模      5.1　認知學習的心理學研究成果      5.2　信念學習模型      5.3　建議    6　組合模型      6.1  現(xiàn)有模型        6.2　建議    7　結論及建議  使用誘導信念的信念學習實驗研究    1  引言      2　實驗設計和實驗程序      2.1  實驗設計      2.2　信念誘導      2.3　加權經驗信念定義    3  實驗結果      3.1  基線實驗1        3.2　學習模型的比較：問題6      3.3　一項重復實驗：實驗4      3.4　結論  從羊群行為中區(qū)分信息追隨的實驗研究    1　連續(xù)與離散設置    2　實驗設計    3　理論      3.1  貝葉斯解        3.2　說明        3.3　一些定義     3.4　關于羊群行為和追隨行為的注解　4　實驗結果  　5　計量經濟分析 　6　結論  看著學：一項觀察學習的實驗研究    1  概述    2　決策任務和實驗設計      2.1  實驗步驟      2.2　研究問題    3　基線實驗結果    4　是否名師出高徒？    5  附加實驗    6　結論    附錄　對基線實驗的說明    不完美信息下觀察學習的一項實驗檢驗    1  引言    2　實驗設計    3  理論      3.1  貝葉斯解      3.2　完美和不完美信息的對比    4　實驗結果      4.1　描述性統(tǒng)計      4.2　計量經濟學分析    5　討論  　6　結束語  關于建議和社會學習的實驗檢驗    1  緒論    2　研究問題    3　實驗設計    4　理論      4.1　序言      4.2　只有行動形  　　4.3　只有建議形      4.4　行動加建議形    5　結果      5.1  問題1        5.2  問題2      5.3  問題3        5.4  問題4    6　結語  代際博弈中的社會學習與習俗調整：一個實驗研究  1  引言    2　實驗：設計和程序      2.1  總體特征      2.2　參數(shù)說明    3　結論      3.1　社會演化的形式      3.2　基線實驗的結果      3.3　信念    4　建議迷局：實驗Ⅰ與Ⅱ中的社會與信念學習  5　結論    附錄　實驗指導  名詞索引  人名索引

章節(jié)摘錄

　　經濟學的個體學習模型構建綜述　　托馬斯·勃倫納　　摘要：本篇綜合考察了經濟學文獻中現(xiàn)有的各種學習模型。進而討論了模型的選用：模型應匹配相應各種不同環(huán)境的問題；如何用類似的方法選擇適當?shù)膶W習模型。最后，對現(xiàn)有眾多模型的運用。和各種場景下如何選取適當?shù)膶W習模型，給出了建議?！　￡P鍵詞：經濟學的學習，模型構建　　1 引言　　在過去的20年間，各種不同的學習模型被用于經濟學中，并且其數(shù)量的增加十分迅速。本篇文章是對這些學習模型的一個綜述。并進一步地對學習過程進行了分類，給出了如何在大量的模型中進行選擇的提示?！　τ谶@樣的一個回顧可以采用不同的方式進行表述和結構安排。在本文中所選擇的結構基于兩方面的考慮：　　第一，本文的主要目的就是幫助基于代理人的計算經濟學家.在進行模擬研究時選擇恰當?shù)膶W習模型。在給出這些建議時，我們假定基于代理人的計算經濟學家試圖建立盡量接近現(xiàn)實的行為模型。在選擇學習模型中的其他一些觀點將在本文第1.1節(jié)、第1.3節(jié)進行討論。然而，本文關注的焦點是“現(xiàn)實學習過程的模型構建如何才能精確”這一問題。作為本文歸納的結論，則深植于心理學的研究，這是因為心理學家已經創(chuàng)建了大量關于人類學習的真實知識。近年來，盡管實驗經濟學家的確做出了關于知識的極大貢獻〔實驗的綜述見約翰·杜菲（John Dully，2006）〕，但現(xiàn)在大部分的知識體系仍來自于心理學?！　〉诙?，大部分研究人員都認為不存在單一的普適性學習模型。不同的學習過程在不同的場景下發(fā)生〔參見Duffy（2006）的實驗證據(jù)〕。因此，必定存在不同的學習模型。為了給基于代理人的計算經濟學家在選擇模型時提供幫助，必須將學習的場景加以分類，并且對每一類都應該分別給出相應的建議。盡管有多種不同的分類方式，但本文采用的分類方式是以心理學早期已有文獻為基礎的〔參見勃倫納（Brenner，1999）〕。其基本假設是：既有在所有動物中普遍存在的固化聯(lián)結（hard.wired）學習過程特性，也有僅依賴人類大腦的柔性調適學習過程特性。當然其他分類和特定的模型選擇也是可能的，也值得我們予以考察討論，詳見第1.1節(jié)。　　本文的結構如下：在接下來引導的部分（第1部分）里，第1.1節(jié)將討論建立學習模型的不同動機；隨后將有一個簡短的歷史回顧（第1.2節(jié)）；最后，將在第1.3節(jié)里將討論建立學習模型的一些基本問題，比如學習模型的復雜性和有效性，個體學習和集體學習的不同之處，以及學習模型的校準（calibration，指模型參數(shù)如何確定的問題，如選擇范圍、方法等——譯者注）。在第2部分將展示并討論一種學習模型的分類，識別三種不同的學習過程。隨后，第3部分（無意識學習）、第4部分（基于慣例的學習）、第5部分（信念學習）將對每一類學習過程如何建立學習過程模型給出建議。第6部分將討論一般學習模型的可能性。第7部分為總結?！　?.1 計算經濟學與學習　　學習模型被用于計算經濟學領域，主要就是基于代理人的計算經濟學（agent.based Computational Economics，以下筒記為ACE或計算經濟學一譯者注）。ACE的目的就是，解釋在經濟代理人交往基礎上的經濟特征和動態(tài)變化。因此，這些研究方法通常圍繞著代理人行為的建模而展開。所以重要的是要掌握經濟代理人行為方式的知識，并以合適的方法對這種行為構建模擬的模型。因此，選擇學習模型的目的可能在于選擇盡可能接近現(xiàn)實的模型。然而，在關于學習的經濟學文獻中，這并不是唯一目的，而且甚至不是最常見的目的。因此，要獲得一個全面的認識，就必須對這些文獻中出現(xiàn)的學習模型進行分類，并對其中最常見的目的進行討論。　　1.1.1 選擇學習模型的目的　　至少有四種已知的選擇學習模型的方法：　　第一，有人希望找到能夠最佳描述真實學習過程的模型，這可以通過基于實驗的研究或是心理學的知識而獲得。然而，要選擇最接近現(xiàn)實的“學習過程表達模型”（the learning model that describes learning processes），存在許多困難。因此，要選擇和現(xiàn)實相一致的學習模型，并不那么簡單。這個問題將在第1.3節(jié)中進行討論?！　〉诙?，有人可能要尋找一些學習模型，這種模型的導出結果與已知的形態(tài)事實（stylized facts，場景分類下的各類形態(tài)——譯者注）相一致，而不計較學習過程的細節(jié)（不管模型的細節(jié)是否能真實地表達學習過程——譯者注）。這樣的方法常被。ACE所采納，其目標為：在導出結果能夠較好地擬合形態(tài)事實的前提下，盡量簡化學習模型，盡量綜合一些或者說盡量現(xiàn)實一些（不用在過程機理的理論上頂真——譯者注）。如此建模有助于對給定場景中學習的最低要求的理解，這也有利于場景分類——根據(jù)個體在這些場景下所需的能力進行分類（with respect to the competences that are required of the economic.agents in these situations）。然而這種方法沒有給出人們如何學習的信息。研究某種學習模型能否預測和我們的經驗知識相一致的動態(tài)經濟學，只允許我們拒絕一些學習模型，卻無法確認其他能接受的模型。能預測結果的學習模型并不一定能正確表達（descrjptions of real lear。ning processes）真實的學習過程，因為可能存在其他學習模型也同樣能預測結果。有些文獻會忽略這一點。　　第三，一些研究人員尋找收斂至均衡的學習模型，因為均衡通常是新古典理論或其他均衡概念所預言的狀態(tài)。我們不清楚的是，從這些方法（新古典理論或其他均衡概念）中能得到什么·經濟環(huán)境處于不斷的變化中，而學習是相當重要的，因為學習能夠使人們對這些變化做出反應，而不是由于學習收斂至一個均衡。不過，在特定的情況下，均衡可能能夠恰當?shù)孛枋稣鎸嵤澜?，那么尋找收斂至這個均衡的學習模型正是上述第二種可能的目標?！　〉谒?，一些研究人員的目的在于構建巧妙的甚或是最優(yōu)的學習模型，甚至可能為了做出關于人們應該如何學習的陳述，去比較給定條件下的不同學習模型的表現(xiàn)。除了ACE這個實證目標（positive aim）之外，還有一個規(guī)范性目（positive（normative aim）——用于測試可供選擇的經濟結構（Tesfatsion，2001），以及可選的行為，例如人們可以用計算機做他們的決策。這意味著他們應該尋找最佳的學習模型，在計算機上予以實施（找到最佳學習模型），并做出決策。然而，人們用計算機來制定或輔助決策的情況仍然很少。此外，用于這些情況的模型，是那些被認為能產生最佳績效的模型。因此建模的相關問題，并不是哪個學習模型對行為表達得最好，而是如何掌握不同學習模型的性能（這里的模型其實是指尋優(yōu)算法的技術，研究目的是開發(fā)利用尋優(yōu)技術——譯者注）。　　另外，還存在一系列的人工智能和機器學習。一般而言，近年來有一種趨勢，即從其他學科中借鑒一些方法。最近幾年的模型，從諸如遺傳算法、分類系統(tǒng)、模糊邏輯和神經網絡等學科中取經，變得日益復雜。在這個領域內的研究人員的目的是什么，并不總是一目了然。一些人簡單地認為他們的學習模型描述了真實的學習行為，卻并不考慮任何能夠提供支持的證據(jù)。另外一些人著眼于創(chuàng)造一些表現(xiàn)出色的學習模型，或者說依這種模型能解決本質上只有人類才能解決的問題。最后還有人主張這些人工智能和機器學習模型是與現(xiàn)實（reality）相對應的?！　?.1.2 學習模型的分類　　分類一直是一項很有用的工作，它有助于完成實際研究任務。這里的實際任務就是為計劃好的模擬研究，選擇一個學習模型。給定上述設定，即選擇學習模型的目的是尋找最接近現(xiàn)實的模型，那么我們必須思索：是否只存在一種學習過程（one kind of learningprocess），從而只用一種模型就足以表達了；或，是否在不同場景下存在不同的學習模式（different learning models Occur in different situations）。心理學文獻表明存在不同的學習過程，并向我們呈現(xiàn)了這些過程的相應特征。因此，心理學構建了這里所建議的分類的基礎。不過，對學習模型的分類，也可以采用許多其他方法?！　〉谝?，可以根據(jù)模型提出的來源進行分類。這使我們得以區(qū)分不同來源基礎的模型：基于心理學的模型，如強化學習；基于理性的模型，如貝葉斯學習和最小二乘學習；適應性模型，如學習導向理論（1earning direction theory）；信念學習模型，如虛擬博弈；以及由計算機科學和生物學所激發(fā)的模型，如遺傳算法、神經網絡?！　「鶕?jù)表1的分類，以及此分類下的發(fā)展，這里討論了對所有學習模型的分類。盡管這種分類能夠告訴讀者學習模型有各種來源，但它卻無助于對模型的選擇，也不能方便模擬描述現(xiàn)實。　　第二，我們可以根據(jù)通常要用到學習理論的經濟學領域，對學習模型進行分類。例如，宏觀經濟學主要使用貝葉斯學習和最小二乘學習，而強化學習、虛擬博弈和學習導向理論主要應用于實驗經濟學中。同時，遺傳算法、基因編程常常應用于基于代理人計算的經濟學中，博弈理論家似乎更偏向于虛擬博弈、復制者動態(tài)和其他適應性學習模型。然而，還不清楚的是，為什么不同領域內的經濟學家使用不同的學習模型。顯而易見的是，使用數(shù)學分析方法的經濟學家，由于模型可處理性的需要，限制了他們的選擇。其他的不同，似乎是由于歷史原因造成的，所以用這種“差異”對學習模型分類進而支持這種“差異”是沒有意義的。

編輯推薦

　　紐約大學實驗社會科學中心和紐約大學斯塔爾應用經濟學中心的代表工作，展示以學習行為研究為核心的實驗經濟學成果，綜述學習理論和模型構建，提供不習行為實驗方法的重要文獻，針對不同信息接收方式、不同場景、不同假設開展的學習行為實驗。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    人類行為的法則 PDF格式下載

---