看书中文网

手机浏览器扫描二维码访问

第一章 聪明地效仿（第1页）

一秒记住【xiaoyanwenxue.com】精彩无弹窗免费！“行为经济学系列（套装共9册）（.shg.tw）”！

第一章聪明地效仿

盲从者都在自作聪明吗？抑或者无视我们自己的主观能动性及心智，依葫芦画瓢式地模仿他人是毫无头脑和理性可言的愚蠢行为？我们如何区分盲目遵从与机智模仿（我们常常无法轻易地发现二者的区别）？

我们在日常生活中就可以找到一些例子。试想一下，你在会议中需要对一个你既不感兴趣又不熟悉的议题进行投票表决。你看到一部分同事纷纷举手表示赞同，因此你决定也这么做。这是偷懒吗？还是屈从于来自同伴的压力？有可能你仅是将同事（表示赞同）的行为视作一个补充信息来源，因为你可以将他们的赞同解读为他们掌握了一些你并不知道的信息，而如果你也掌握了同样的信息，你就会理所当然地投赞成票。在类似的场景中，跟随他人显然不是一个愚蠢的决定，虽然这可没让你费什么脑筋。

我们都遇到过类似的情况，我们依葫芦画瓢是因为我们假设别人知道的比自己多。比如当我们迷路的时候，跟着大部队找方向就是明智的选择。我们可以通过跟随效仿他人来收集信息和寻找方向，并以此为基础让自己做得更好。也就是说，我们选择从众是因为我们作为个体可以从中得到好处，我们把这种行为称作利己型从众（self-interestedherding）。

诺贝尔经济学奖得主，美国经济学家加里·贝克尔在20世纪70年代提出了理性选择理论（Rationalchoicetheory），深入探讨了激励个体选择从众或结群的原因。贝克尔认为每个人都能做出对自己最有利的选择，没有任何组织或个人有能力从理性分析的角度更好地最大化该个体的利益。贝克尔及其同僚认为这个假设能够解释从结婚离婚、吸毒嗑药到种族歧视等一系列的人类决策及社会问题。贝克尔的理性选择理论被其后的经济学家普遍接受，众多的经济学模型均假设其中的理性个体仿佛能够遵循复杂的数学定理，做出对自己最有利的选择。即便如此，贝克尔也承认社会性的互动对个体的重要性。贝克尔认为社交环境能够通过个体与他人的关系而为个体带来某种形式上的“社会收入”，也就是说社交环境有某种意义上的货币价值。我们的职场关系能说明贝克尔的这一观点：如果能够增加我们升职加薪的概率，那么老板和同事对我们的看法就隐含了货币价值。

经济学家从分析个体能从跟随他人的选择中得到的实际好处出发，试图诠释利己型从众行为。一个以利己为导向的个体对群体的利益应是毫不在意的。在经济学家看来，我们选择从众是为了自己，而绝非为了群体的利益：我们可以从他人身上学到一些有用的东西；有时跟随他人可能对我们自身的声誉有好处；而有时通力合作相较于单打独斗，可以为单个个体带来更大的收益。从经济动机和激励的维度来看，这些都很容易解释得通：效仿和合作都只不过是达到目的的手段罢了，而其归根结底的目的还是个体利益的最大化。

人群中的“经济人”

经济学家是如何将人类的社会行为与经济学中个体理性选择能力的假设联系起来的呢？某些重要的理念最初是由一位名叫维弗雷多·帕累托的意大利博物学家提出来的。工程师出身的帕累托在经济学、社会学及政治科学等多个领域都有着影响深远的建树。在经济学领域，意大利无论是左派还是右派都孕育了不少有识之士。帕累托也极好地延续了这一传统，并经常被尊称为现代新古典经济学的奠基人之一，以他名字命名的“帕累托最优”（ParetoOptimality）是经济学中最重要的概念之一。作为资源分配的一种理想状态，帕累托最优意味着不可能再有更多的基于自愿交换的帕累托福利改善的状态，此时没有办法在不使任何人的处境恶化的前提下，使至少一个人的处境得以改善。

为了实现这一简化（有些人会认为过于简单化）的理想结果，帕累托假定所有理性决策都是由一个虚构的物种，即“经济人”（Homoeconomicus）做出的。精明、利己、独立自我的“经济人”的决策都基于严谨的分析论证，以寻求其个体福祉和利益的最大化。“经济人”并非完美无缺，也会犯错，但是他们能够很快纠正这些错误，并确保之后不会重蹈覆辙。“经济人”并不在意其他个体的处境，但是仍有一定程度的社会觉知，能够意识到在其他个体的选择和决策中传递的信息所包含的潜在价值，并能够将这些社会性信息加以利用以指导其自身的选择，虽然他们并不会考虑其行为可能会给其他个体的福祉所带来的影响。

这对整体经济的影响是什么呢？在新古典经济学家看来，整体的影响是正面的，他们常常援引现代经济学鼻祖——亚当·斯密在其1776年的巨作《国富论》中的一段话：

我们每天所需要的食物和饮料，不是出自屠户、酿酒师和面包师的恩惠，而是出于他们利己的打算。我们不谈唤起他们利他心的话，而关注唤起他们的利己之心，我们不说我们自己需要，而说对他们有好处……在这个场合，像和其他许多场合一样，他受着一只“看不见的手”的指导，去尽力达到一个并非他本意想要达到的目的。也并不因为事非出于本意，就对社会有害。他追求自己的利益，往往使他能比在真正出于本意的情况下更有效地促进社会的利益。我从来没有听说过，那些假装为公众幸福而经营贸易的人做了多少好事。事实上，这种装模作样的神态在商人中间并不普遍，用不着多费唇舌去劝阻他们……注释标题AdamSmith（1776），AnInquiryintheNatureandCausesoftheWealthofNations，BookI，ch.II，pp.26–7.

亚当·斯密关于我们如何通过自助而助人的真知灼见已被现代经济学借由若干假设和相对简单的数学推导加以证实。这是如何做到的呢？斯密用他著名的看不见的手的比喻，概括了在市场中，每个人的利己决策是如何被浮动的价格机制协调起来，以共同达到市场整体对所有人最优的状态。这里的价格机制既看不见又摸不着，我们同样也无法看到市场上有买卖意愿的其他人，但是价格的升降能够忠实地反映买家和卖家之间不断变化的平衡。在这样一个不具名的市场中，试图猜测他人的选择无法给我们带来任何好处，最优的策略反而是关注我们自身的利益，听凭价格机制这只“看不见的手”去协调我们的选择，确保最终支付的价格本身能够充分反映市场中每一个人的买卖意愿。

当然，关于价格波动的论述存在各种问题。经济学家对于人类行为的观点经常被指责为过于僵化和不切实际，而亚当·斯密关于我们社会活动的观点之复杂、微妙，也远非通过几句节选就能体会的。经济学家一般需要借助这些不切实际的假设，来尝试概括我们这个复杂的真实世界：一些经济学家主张利用这些假设，帮助我们概括并捕捉人类行为的本质。事实上，当人们通过效仿和跟随彼此进行互动时，这种复杂性尤为突出。因此，经济学家引入“经济人”的概念，并非他们天真地以为人们真的是遵照类似的逻辑数理准则行为处事的，而是因为这可以帮助经济学家将他们的分析化繁为简，这种简化在经济学家试图分析大量个体间繁复的互动时尤为必要。

这点我们在宏观经济中看得最为真切。宏观经济本质上是对于群组的集合的论证。既然试图把握一小撮人的群聚及从众行为已经是一件难事，那么宏观经济学家面临的挑战就可想而知。为了理解一个经济体内众多个体间各式各样的交互行为，按惯例宏观经济学家会借用“代表性经济人”（representativeagents）的概念，将不同的“经济人”进行归类。“代表性经济人”提炼了经济体中主要决策者的典型行为，包括工人-消费者型代表和雇主-生产者型代表。在传统的宏观经济学叙事中，工人-消费者型的“代表性经济人”会在赚取的工资能够带来的消费享受和工作本身带来的不便之间进行权衡，并由此做出他们出卖多少劳动力的决定。工人代表和雇主-生产者型代表之间存在着一种共生关系，即雇主-生产者希望支付工人尽可能低的工资，最大化自身的生产利润，并生产出所有工人-消费者所需要消费的产品。如果这些“代表性经济人”都按照分类具有完全相同的特质和行为特征，那么经济学家对于宏观经济现象的分析论证工作就大为简化了，因为他们可以将众多“代表性经济人”的个体选择进行相对简单的求和计算。

这些又和从众行为有什么关系呢？从众经济学模型是将同样类型的“代表性经济人”纳入数学推导中，以分析人们如何以及为何彼此效仿。在利己型从众行为中，每个个体都在理性、独立地追求自身利益的最大化，都在试图弄清楚一个问题的答案：“如果我选择从众，对我而言有什么好处？”如果我们能够通过跟随他人的明智决策而做出更优的选择，则相应的好处立竿见影，这个问题的答案也就显而易见。但有些好处并非当下立现或直截了当，有时我们加入某个群体是因为我们相信与他人合作可以为我们带来长远的收益。事实上许多长期合作和关系的建立都意味着前期大量的成本投入，以期换得最终更可观的回报。无论是着眼短期的收益还是长期的收益，这些个体选择一方面由自觉意识和认知所驱动，另一方面受合作精神的激励，无论怎样都完全符合利己和理性选择的逻辑。

社会学习

经济学家的“代表性经济人”的另一个代表性特征是，他们都是极为理性和精明的个体，善于借由复杂的数学定律高效地处理信息。从众是这种精明的信息收集策略的表现形式之一。理性的从众者能够识别出最小化其信息收集成本的策略，并借此指导他们的决策，其方法是在私有信息（privateinformation）和社会（公有）信息（socialinformation）之间进行权衡。我们所掌握的私有信息包含所有我们确认他人无从知晓我们是否掌握的信息，即天生无法被他人观察到的个体所掌握的信息（我们可都没有读心术）；社会信息则是我们通过观察他人的行为而收集到的信息，我们借此推断他人行为的动因。但是知其所为不代表就能知其所想，我们仅通过观察他人的行为并不能确切地知道对方到底知道些什么。但是至少通过观察他人的决策，我们可以或多或少地推想出他人的动机和目的。在从众的场景中，我们或可断言（即便不总是正确）他人的选择反映了他人拥有但我们没有掌握的知识或技能。通常，我们不知道并且可能永远不会知道，他人所掌握的知识和信息是否真的胜我们一筹。以我们在本章开篇提到的投票场景为例，如果我们基于理性的分析判定我们想要效仿的同事确实比我们掌握更多的信息，那么效仿他们对某一个动议投赞成票就是合理的选择，也是对我们有利的。社会信息使社会学习成为可能，即通过观察他人的决策以及相关决策带来的收益或代价，我们可以知道什么才是对我们最有利的选择。这在信息匮乏或是充斥着不确定性的场景中尤为重要，因为当我们知之甚少的时候，我们能观察到的他人的行为和决策可能就是我们能掌握的最优质的信息。

信息瀑布

20世纪90年代初期，经济学家开始对从众现象产生兴趣，并发展出了一系列理论及试验以探究基于社会学习原则的理性从众模型，重点关注我们如何理性地在社会信息和私有信息之间进行权衡，并做出利己型从众选择。早期的研究由包括苏希尔·比赫昌达尼（SushilBikhchandani）、戴维·赫什莱佛（DavidHirshleifer）、伊沃·韦尔奇（IvoWelch）在内的几名加利福尼亚州大学的经济学家发起。他们将利己型从众描述成持续不断进行社会学习的过程，在此过程中，每个个体都不断地权衡自身掌握的信息和观察到的他人行为，而随着每个个体不断地弱化对自身所掌握信息的依赖，转而选择跟随前一个个体的选择，整个群体的规模逐渐增大。比赫昌达尼、赫什莱佛和韦尔奇借用一个极为有力的比喻来描述这种从众的过程：信息瀑布（Informationcascade）。某一个体做出某个选择，其后的另一个体观察到这个选择并进行效仿，随后的个体就会更加坚定地做出同样的选择，因为此时他观察到不止一人做出这个选择。就这样，随着效仿人数的增多，“选择从众”这一信号越发强烈，这一信息在群体中不断积累，其势能也随着群体规模的扩大而不断放大。换句话说，社会信息如同瀑布一般流经选择从众的群体，而这种信息的瀑布也就能帮助我们理解如（市场的）繁荣和暴跌、时尚风潮等经济和社会学领域中诸多脆弱不堪、昙花一现的现象。

在另一项独立进行的研究中，麻省理工学院的经济学家阿比吉特·班纳吉（AbhijitBanerjee）借助日常生活中选择餐馆的例子来构建从众行为研究模型。试想，餐馆A门庭若市，而其隔壁的餐馆B则无人问津，为何食客不分流一部分到餐馆B呢？班纳吉将这个看起来反常的现象视为理性从众的例证。人们可以掌握餐馆A的私有信息，例如他们读到的美食评论或是某个朋友的推荐，同时他们也会收集一些社会信息，例如观察在他们之前的食客会选择哪家餐馆。有时，社会信息和私有信息并不一致：某人被推荐去餐馆A用餐，但他发现餐馆B外排队等位的客人更多，这时他可能会选择忽视自己掌握的私有信息，而选择排队更长的餐馆B。

班纳吉的餐馆问题也能说明信息瀑布在现实中是如何呈现的。想象一下，你正面临班纳吉模型中提到的两难选择：你需要在两家相邻的墨西哥快餐店A和B之间做出选择，假设你已经知道，过去一直是餐馆A更受欢迎，因此从一开始选择的天平就是倾向餐馆A的。但是你又读到了一个美食评论，对餐馆B的玉米饼、辣椒肉馅卷饼等赞赏有加，这一私有信息显示餐馆B会是更好的选择。

试想你正站在两家餐馆外，身边是一群排队等位的食客。这时事情更加复杂了，因为每一个在等位的客人都掌握着宝贵的私有信息，但是由于大家素未谋面，因此你不可能知道别人脑子里在想些什么，也不知道是什么驱使他们选择某一家餐馆而非另一家：也许他们也读到了同一篇推荐餐馆B的美食评论，也许他们看到过其他同样称赞餐馆B的点评，或者他们的亲戚朋友碰巧向他们推荐了餐馆B。因此，虽然餐馆A过去一直更受欢迎，但是私有信息无形中显示，过去大多数食客的喜好在这个决定上是不可靠的，但没有人意识到这一点，因为所有个体都无法得知他人的所想所知，每个人都是作为独立的个体做出了自己的决定。现在我们把情况假设得更加复杂一些，我们假设排队的人群中有一个人掌握与其他人都相反的私有信息，例如他看到一篇由餐馆A店主的朋友写的过分美化餐馆A的评论，更巧的是，他是队伍中第一位做出选择的食客，并且他基于私有信息，理所应当地选择了餐馆A。

接下来轮到你选择了。此时你有三条信息：第一条众所周知的社会信息，即过去一直是餐馆A更受欢迎；第二条是你通过观察得到的社会信息，即第一位食客选择了餐馆A；第三条是你拥有的私有信息，即你读到的美食品鉴是推荐餐馆B的。第三条信息其实与所有人（除了刚做出选择的第一名食客）掌握的（私有）信息完全一致，即众多的私有信息都反复确认餐馆B是更优的选择，因此实际上你掌握的私有信息是非常靠谱的。但是此刻你并不知道这一点，因为你不可能知道在你身后排着队、稍后才会做出选择的食客所掌握的私有信息，也没有其他人（他们都在你身后，等着你做出选择呢）的选择可供参考。这时你会怎么做呢？

不妨假设你忽略自己掌握的私有信息，转而跟随第一名食客选择餐馆A吧。在你之后的人同样也知道过去大多数人都更倾向选择餐馆A，并且他们也掌握与几乎所有排队等候的食客（再次强调，除第一名食客外的所有人）完全一致的私有信息，即餐馆B是更优的选择。但是此时他看到之前的两人（第一名食客和你）都选择了餐馆A，因此尽管其掌握的私有信息倾向于餐馆B，他还是“服从多数”选择了餐馆A，并且他在做这个决定时甚至比你更加果断，因为他看到了两个人做出同样的选择，而刚才你只有一个人的选择作参考。这就是信息瀑布，一旦形成，就势不可当，并且自我强化，无须借助外力。随着越来越多的人选择餐馆A，后续选择餐馆A的人会越来越多，并且他们的选择并非基于丰富的支撑信息储备，而仅是因为其他人做出了这样的选择。尽管餐馆B实际上是更优的选择，但食客络绎不绝涌进的却是餐馆A。

无论是单看餐馆排队的例子，还是更宽泛地讨论信息瀑布的现象，需要重点指出的是，跟随他人做出类似的决定并不一定是非理性的。即便你和同伴去餐馆A的选择仅是建立在某种根基脆弱的信息瀑布的基础上，但这并不是一个愚蠢的选择。事实上考虑到个体所掌握的信息的局限性，这一选择本身是理性符合逻辑的。为了把握从众行为背后的逻辑本质，苏希尔·比赫昌达尼及其同事借助一个叫贝叶斯定理（Bayes’rule）的数学原理对信息瀑布现象进行了分析诠释。贝叶斯定理得名于18世纪的数学家托马斯·贝叶斯——一名离经叛道的长老会牧师和虔诚的数学狂热爱好者。

贝叶斯定理解释了我们如何通过观察到的各类信息进行推导，我们依据新的信息修正和更新我们对于某一事件概率的预测。根据某一时点上掌握的所有信息，我们首先得到一个先验概率（priorprobability），接着我们获取某些新信息，并将该新信息同先验概率结合起来，获得一个对事件概率的最终预测，即后验概率（posteriorprobability）。尽管其数学推导过程很复杂，但贝叶斯定理的理论和实践应用很广泛。不仅数学家和统计学家将其应用于日常问题的解决上，而且一些社会科学家、心理学家和经济学家也探索出了应用贝叶斯定理的场景，包括对我们何时选择从众这一问题的研究。一些经济学家（如比赫昌达尼及其同事）借助贝叶斯定理解释了人们如何在接收到新的信息时修正对某一事件的概率（或预测）：哪间餐馆更好，我应该选哪个宽带上网的套餐，房价是会上涨还是下跌。在寻找这些问题的答案时，“他人的选择”作为有价值的信息，与我们已经掌握的私有信息一起，影响我们的最终决定。

既然我们现在对贝叶斯定理有了更加深入的理解，让我们回到刚刚的餐馆选择问题：如何调和不同支撑信息之间的自相矛盾？首先我们有了一个先验概率，即大多数人过去都倾向于餐馆A，但我们从一个美食评论中获取的私有信息和这一点相矛盾，而新获取的信息则是他人对餐馆的选择这一社会信息。根据贝叶斯定理，我们更新了某一家餐馆优于另一家餐馆的概率的预测，并得到一个后验概率。在对最初的判断进行重估后，我们将私有信息及社会信息两相比较，权衡之下认定餐馆A应是更优的选择。如果我们能明确知晓所有人拥有的私有信息，那么我们应该会做出不同的选择，但这一点我们无法做到。

从众的游戏

如果推动和参与其中的人都聪明到使用贝叶斯定理帮助决策，那从众和信息瀑布恐怕就不能称作非理性的现象。尽管我们现在能确认理性从众理论上是存在的，但我们还是缺乏实践经验以证明从众是理性的行为。先抛开结果不谈，我们手上到底有哪些证据呢？综观社会科学领域，这个问题没有非黑即白的结论，一些经济学家已经收集到证据，显示从众是理性的；但如我们将在本书下一章中看到的，很多社会科学家也收集到证据显示从众是非理性的。在本章中我们将专注这些经济学家提供的证据，而在本书之后的章节中，我们将尝试调和经济学家和社会科学家收集到的证据的矛盾之处。

证据之一是对于现实生活中餐馆排队现象的研究。行为经济学家阿瑟·菲什曼（ArthurFishman）及尤里·格尼茨（UriGneezy）巧妙地设计了一个有关餐馆选择的社会学习过程的自然实验。他们雇用了一批研究助理观察人们如何在两家快餐店之间进行选择，两家快餐店都位于以色列特拉维夫附近的巴伊兰大学校园旁的露天美食广场。研究者选取了两个时间段进行观察，以研究随着时间推移，当被观察者有更多机会获取哪家餐馆更好的第一手信息后，社会影响效力的变化。因为两家快餐店都紧挨着大学校园，菲什曼和格尼茨假定在学年伊始，很大比例的造访食客应该都是刚入学的新生（因此他们对两家餐馆的品质都知之甚少），研究小组先于2009年10月初（巴伊兰大学新学年伊始）共计观察了1324名顾客的行为，接着于2010年4月中旬（巴伊兰大学学年尾声）观察了另外1153名顾客的行为。

菲什曼和格尼茨发现，由于观察时期的不同，两家餐馆外排队食客的人数竟有很大差别。在10月，两家餐馆中生意好的一家门外的排队人数远超过另一家餐馆，而到了来年4月，两家餐馆外排队的人数已基本持平了，也就是说某家餐馆外是否有很多排队等候的食客已经不会对后来的食客产生影响了。菲什曼和格尼茨将这个现象归因于社会学习。如果在10月刚入学时，对两家餐馆还没什么了解的学生食客并不依赖于其他客户的选择进行决策，那么彼时他们就应随机在两家餐馆之间进行选择，而事实上两家餐馆彼时的排队人数相差悬殊，新入学的食客纷纷选择已人满为患的其中一家餐馆排长队，这一行为背后一定是有某些因素驱动的。既然当时唯一能获取的信息就是其他食客的选择这一社会信息，因此菲什曼和格尼茨断言，（一家餐馆外的）长龙队伍就是这一驱动因素。也许新入学的食客将一家餐馆外的长队诠释为该餐馆质量的证明，从而为我们呈现了现实生活中信息瀑布的鲜活例子。但是到了来年4月，也许学生已经对两家餐馆的情况更清楚了，因此也就不再那么依赖于观察他人的选择了，这就解释了为何这时两家餐馆外排队的人数基本一致了。

弗吉尼亚大学的美国经济学家查尔斯·霍尔特（CharlesHolt）和威廉玛丽学院的经济学家莉莎·安德森（LisaAnderson）则借助在实验室可控环境下的实验对社会学习和信息瀑布假设进行了研究。霍尔特是一名实验经济学家，因开发了许多适用于课堂教学的参与性实验而在经济教学界负有盛名。他和安德森设计了严谨的实验，以期测试信息瀑布现象是否符合贝叶斯定理。安德森和霍尔特的实验设计此后又不断地被复制和优化，并被研究从众行为的经济学家广为接受。

安德森和霍尔特找来72名学生参与一个猜球的游戏（见图2），如果猜中则有现金奖励。学生面前放着两个瓮，瓮A和瓮B，其中瓮A里有两个红球和一个黑球，而瓮B里有两个黑球和一个红球。实验组织者将其中一个瓮（学生并不知道是瓮A还是瓮B）中的球倒入另一个未做标记的瓮。接下来学生被要求猜未标记的瓮中的球是来自瓮A还是瓮B。

司少宠妻入骨  开局签到武当山  妈咪快到怀里来  在仙界被当高人签到  双宝妈咪超高调安盛夏权耀  穿梭在诸天万界  必备英语口语2000句  贞子小姐不要啊  大明孤忠李定国  全京城都在盼着楚王妃失宠  我成了恶魔蜗牛  铁血丹神  萧尘柳妃萱小说免费阅读  弃妇重生之一赌倾城  乡村鬼事  龙血圣帝  无敌奶爸在都市全文免费阅读  医武高手两小无猜  血族猎手  无敌奶爸在都市萧尘柳妃萱