行为与实验微观经济学

有限理性、前景理论、社会偏好、跨期选择与实验方法

第 9 讲：行为与实验微观经济学

本章导学

标准微观模型非常有力量，但它依赖稳定偏好、完全理性和自利行为等假设。本章不是简单否定这些假设，而是问：当实验和现实行为系统性偏离标准模型时，我们应当怎样修正模型，并保持经济分析的可检验性？

学完本章后，你应当能够：

说明有限理性、启发式偏差和满意化行为如何改变选择模型。
用前景理论解释损失规避、参考点依赖和框架效应。
分析社会偏好、互惠、公平和惩罚行为在博弈中的作用。
理解实验室实验、田野实验和助推政策的基本设计逻辑。

常见考查会给出现实行为现象，要求你判断它挑战了标准模型的哪一条假设，并用行为模型重新解释。答题时要避免把所有异常都归因于“非理性”，更好的写法是指出偏好、信念、注意力或决策过程发生了什么变化。

本章与第 3 章的风险选择和第 5 章的社会互动有密切关系，也为第 12 章讨论数字平台和算法决策提供更现实的行为基础。

论文精读：生成式 AI 作为行为经济学实验场景

生成式 AI 不是本章的技术新闻，而是一个非常好的行为经济学案例。它同时改变了搜索成本、反馈速度、努力成本、默认选项和错误感知。换句话说，它让我们可以把有限理性、锚定、现时偏好、过度自信和选择架构放到同一个现实场景里分析。

先用基础模型看。学生是否使用 AI，可以理解成一个跨期选择：

U=\text{short-term grade benefit}+\delta \times \text{future skill benefit}-\text{effort cost}-\text{integrity risk}.

当 AI 大幅降低起草和改写成本时，短期收益上升，努力成本下降。如果评价制度只看最终文本，学生就更容易选择“快速生成”；如果评价制度要求过程记录、证据核查和口头解释，长期能力和诚信风险就会重新进入决策。

Kumar et al. (2026, DOI: 10.3390/info17030299) 关于 fluency illusion 的研究，可以放到过度自信部分精读。AI 输出越流畅，学生越容易把“文字读起来顺”误认为“我已经理解”。这对应的是本章的认知偏差：判断依据从真实理解转向表面可得性和语言流畅度。读这类论文时，不要只写“AI 可能有害学习”，而要说明机制：流畅输出降低了学生发现自己不懂的概率。

Coman et al. (2026, DOI: 10.3389/frai.2026.1750978) 和 Ganguly et al. (2025, DOI: 10.1007/s43681-025-00916-0) 的综述则更适合放到选择架构部分。它们提示我们，AI 是否促进学习，取决于任务如何设计。AI 如果被设计成“直接给答案”，就会强化现时偏好；如果被设计成“提出反问、要求证据、暴露逻辑漏洞”，它反而可能成为一种助推，帮助学生进行更深的自我监控。

行为经济学概念	AI 场景中的机制	论文阅读重点
有限理性	AI 降低搜索成本，但也可能减少独立比较证据	学生是否仍然检查来源和反例。
锚定效应	第一版 AI 答案成为后续写作框架	学生是否主动生成 alternative outline。
现时偏好	快速完成作业压过长期能力积累	评价制度是否奖励过程而不只是成品。
过度自信	流畅文本造成 fluency illusion	是否用解释、复述和迁移任务检验理解。
助推	prompt log、引用核查、反思说明改变默认行为	规则是否让深度学习变成低摩擦选择。

所以，如果考试或论文让你分析“生成式 AI 对学生学习的影响”，不要只写工具优缺点。更像行为经济学的写法是：先说明 AI 如何改变选择环境，再说明这些改变通过哪些偏差和激励影响行为，最后讨论制度设计能否纠偏。例如，要求学生提交 prompt log、引用核查表和反思说明，并不是形式主义；它相当于把“直接生成答案”的默认路径，改造成“必须解释证据来源和判断过程”的选择架构。

经济动机 (Economic Motivation)

传统的微观经济学模型通常假设人是完全理性的、自私的"经济人" (Homo Economicus)：

完全理性：拥有无限的计算能力，总是做出最优决策
稳定偏好：偏好不受框架、情绪或环境影响
完全自利：只关心自己的物质收益，不关心他人福利或公平

然而，大量的心理学和实验证据表明，人类的行为系统性地偏离了这些标准假设：

人们会在损失框架和收益框架下做出不同选择（框架效应）
人们重视当前消费远超未来消费（现时偏好）
人们愿意惩罚不公平行为，即使要付出代价（公平偏好）
人们过度自信、锚定、遵循从众行为（认知偏差）

行为经济学 (Behavioral Economics) 将心理学的洞见融入经济学分析，旨在建立更符合现实、更具预测能力的理论模型。

诺贝尔奖认可

2002年: Daniel Kahneman（心理学家）和Vernon Smith（实验经济学家）
2017年: Richard Thaler（助推理论、心理账户、禀赋效应）

一、有限理性 (Bounded Rationality)

1.1 Herbert Simon的有限理性理论

Simon (1955) 提出，由于认知能力、信息处理能力和时间的限制，人们无法做到完全理性。相反，人们采用满意化 (satisficing) 而非最优化策略。

核心观点：

程序理性 (Procedural Rationality)：关注决策过程而非结果
有限搜索：不穷尽所有选项，而是搜索到"足够好"的选项就停止
启发式规则 (Heuristics)：使用简单的经验法则快速决策

1.2 启发式与偏差 (Heuristics and Biases)

Kahneman & Tversky 识别了许多系统性偏差：

(1) 代表性启发式 (Representativeness Heuristic)

人们根据事物的代表性而非概率做判断。

例子（Linda问题）：

Linda今年31岁，单身，外向且非常聪明。她大学主修哲学，深切关注歧视和社会正义议题，并参加过反核示威。
以下哪个更可能？ A. Linda是银行出纳员 B. Linda是银行出纳员且活跃于女权运动

理性答案：A（因为 $P(A) \geq P(A \cap B)$ ）实验结果：85%的人选B（合取谬误 conjunction fallacy）

(2) 可得性启发式 (Availability Heuristic)

人们根据信息的易得性而非真实概率判断。

例子：

飞机失事后，人们高估飞行风险
看到朋友中彩票，高估自己中奖概率

(3) 锚定效应 (Anchoring)

人们的判断受到**初始参考点（锚）**的影响。

实验（Tversky & Kahneman 1974）：

让参与者估计联合国中非洲国家的比例
先转一个随机数轮盘（例如得到10或65）
问："比例是高于还是低于这个数字？具体是多少？"
结果：看到10的人估计25%，看到65的人估计45%

(4) 过度自信 (Overconfidence)

人们系统性地高估自己的能力和知识。

证据：

80%的司机认为自己的驾驶技术在平均水平之上（明显矛盾）
创业者高估成功概率（90%的新企业在5年内失败）

1.3 Simon的满意化模型

形式化（简化版本）：

决策者面临选择集 $X$ ，真实效用函数 $u(x)$ ，但有搜索成本 $c > 0$ 。

最优停止规则（满意化）：

设定一个期望水平 $\bar{u}$
顺序搜索选项 $x_1, x_2, \ldots$
选择第一个满足 $u(x_i) \geq \bar{u}$ 的选项

vs. 完全理性：穷尽搜索并选择 $\arg\max_{x \in X} u(x)$

权衡：

满意化节省搜索成本
但可能错过全局最优

二、前景理论 (Prospect Theory)

2.1 期望效用理论的反例

Allais悖论 (1953)：

选择1：

A: 100%获得100万
B: 10%获得500万，89%获得100万，1%获得0

选择2：

C: 11%获得100万，89%获得0
D: 10%获得500万，90%获得0

期望效用理论预测：如果选A（即 $u(100) > 0.1u(500) + 0.89u(100)$ ），应该选C 如果选B，应该选D

实验结果：大多数人选A和D（违反期望效用理论）

2.2 Kahneman & Tversky的前景理论 (1979)

核心思想：人们评估的不是绝对财富水平，而是相对于参考点的得失。

价值函数 $v(x)$ （相对于参考点0）：

v(x) = \begin{cases} x^\alpha & \text{if } x \geq 0 \quad (\alpha < 1, \text{收益凹性}) \\ -\lambda (-x)^\beta & \text{if } x < 0 \quad (\beta < 1, \text{损失凸性}) \end{cases}

关键特征：

参考依赖 (Reference Dependence)：效用取决于相对变化而非绝对水平
损失规避 (Loss Aversion)： $\lambda > 1$ （典型值2-2.5），损失的痛苦大于等量收益的快乐
边际敏感性递减：
- 收益： $100 \to 200$ 的快乐 > $1100 \to 1200$ 的快乐
- 损失： $-100 \to -200$ 的痛苦 > $-1100 \to -1200$ 的痛苦

决策权重函数 $w(p)$ （概率的主观扭曲）：

小概率被高估： $w(0.01) > 0.01$ （解释买彩票）
大概率被低估： $w(0.99) < 0.99$ （解释买保险）
$w(p) + w(1-p) < 1$ （次可加性）

前景理论的预测：

V = \sum_{i} w(p_i) \cdot v(x_i - r)

其中 $r$ 是参考点。

2.3 应用：禀赋效应 (Endowment Effect)

Thaler (1980)：人们对拥有的东西估值高于未拥有的东西。

实验（Kahneman, Knetsch & Thaler 1990）：

随机给一半学生发放马克杯
让拥有者设定卖价（WTA: Willingness to Accept）
让未拥有者设定买价（WTP: Willingness to Pay）

理性预测：WTA = WTP

实验结果：WTA ≈ 2 × WTP（中位数： $7.12 vs.$ 2.87）

解释：

参考点是当前拥有状态
卖出杯子 = 损失 → 损失规避 → 要求高价
买入杯子 = 收益 → 较低估值

2.4 框架效应 (Framing Effect)

Tversky & Kahneman (1981) 的亚洲疾病问题：

预计有600人会死于某种疾病。有两种方案：
收益框架：
方案A：200人确定存活
方案B：1/3概率600人存活，2/3概率无人存活
损失框架：
方案C：400人确定死亡
方案D：1/3概率无人死亡，2/3概率600人死亡

理性分析：A ≡ C，B ≡ D（完全相同的结果）

实验结果：

收益框架：72%选A（风险规避）
损失框架：78%选D（风险寻求）

解释：

收益域：价值函数凹 → 风险规避 → 选确定性
损失域：价值函数凸 → 风险寻求 → 选赌博

3.1 最后通牒博弈 (Ultimatum Game)

实验设计：

提议者提出如何分配 $10（如自己拿$ 7，对方拿$3）
回应者可以接受（双方按提议分配）或拒绝（双方都得$0）

理性预测（完全自利 + 逆向归纳）：

回应者应接受任何正数（$0.01也接受）
提议者因此提议 $(9.99, 0.01)$

实验结果（数百次实验的稳健发现）：

提议中位数：40%-50%的总额
拒绝率：低于20%的提议常被拒绝（约50%拒绝率）
跨文化一致性：虽有差异，但普遍偏离理性预测

解释：

提议者关心公平，避免提议被拒
回应者愿意付出代价惩罚不公平

3.2 独裁者博弈 (Dictator Game)

设计：提议者单方面决定分配，回应者无权拒绝

理性预测：提议者拿全部（ $10,$ 0）

实验结果：

平均给予：20%-30%
约60%的人给正数
约20%的人平分

解释：纯粹利他主义（不是策略性公平）

3.3 公共品博弈 (Public Goods Game)

设计：

$N$ 个参与者，每人初始禀赋 $e$
每人决定贡献 $g_i \in [0, e]$ 到公共账户
公共账户乘以 $m > 1$ （如1.5），然后平均分配
个人收益： $\pi_i = e - g_i + \frac{m \sum_j g_j}{N}$

社会最优：所有人全部贡献（ $g_i = e$ ），每人得 $me > e$

纳什均衡（完全自利）：个人边际收益： $\frac{m}{N} < 1$ （假设 $N > m$ ）因此 $g_i^* = 0$ （零贡献）

实验结果（单次博弈）：

平均贡献：40%-60%
很少有人完全不贡献或全部贡献

重复博弈：

初期高贡献
随轮数增加，贡献逐渐下降（接近理性预测）
但仍高于零

3.4 不公平规避模型 (Inequity Aversion)

Fehr & Schmidt (1999) 提出的效用函数：

U_i(x) = x_i - \alpha_i \frac{1}{N-1} \sum_{j \neq i} \max\{x_j - x_i, 0\} - \beta_i \frac{1}{N-1} \sum_{j \neq i} \max\{x_i - x_j, 0\}

解释：

$x_i$ ：个人收益
$\alpha_i$ ：嫉妒 (envy)，他人比我多时的负效用（ $\alpha_i \geq 0$ ）
$\beta_i$ ：内疚 (guilt)，我比他人多时的负效用（ $0 \leq \beta_i < 1$ ）
假设： $\alpha_i \geq \beta_i$ （嫉妒 > 内疚）

应用于最后通牒博弈：

提议者提议 $(s, 1-s)$ ，自己拿 $s$ 。

回应者效用（如果接受）：

U_R = (1-s) - \alpha_R \max\{s - (1-s), 0\} = (1-s) - \alpha_R(2s-1) \quad \text{if } s > 0.5

拒绝则 $U_R = 0$ 。

接受条件：

(1-s) - \alpha_R(2s-1) \geq 0

1 - s - 2\alpha_R s + \alpha_R \geq 0

s \leq \frac{1 + \alpha_R}{1 + 2\alpha_R}

如果 $\alpha_R = 2$ （嫉妒系数），接受当且仅当 $s \leq 0.6$ 。

提议者（预期回应者会拒绝不公平提议）的最优策略：提议接近临界值（如50%-60%给自己）。

Bolton & Ockenfels (2000) 的ERC模型（平等规避）类似，但关注相对份额而非绝对差距。

四、跨期选择 (Intertemporal Choice)

4.1 指数贴现 vs. 双曲贴现

标准模型（指数贴现）：

U = u(c_0) + \delta u(c_1) + \delta^2 u(c_2) + \cdots = \sum_{t=0}^\infty \delta^t u(c_t)

其中 $\delta \in (0,1)$ 是贴现因子，时间一致性成立。

双曲贴现 (Hyperbolic Discounting)（Laibson 1997）：

U = u(c_0) + \beta \delta u(c_1) + \beta \delta^2 u(c_2) + \cdots = u(c_0) + \beta \sum_{t=1}^\infty \delta^t u(c_t)

其中 $\beta < 1$ 是现时偏好参数。

关键区别：

从 $t=0$ 看， $t=1$ 和 $t=2$ 的效用比： $\frac{\beta\delta}{\beta\delta^2} = \frac{1}{\delta}$
从 $t=1$ 看（重新优化）， $t=1$ 和 $t=2$ 的效用比： $\frac{1}{\beta\delta}$ （不一致！）

例子：

今天：选择"明天吃苹果"vs."后天吃两个苹果" → 选后者（有耐心）
明天重新选择：选"今天吃一个"vs."明天吃两个" → 选前者（没耐心）

这是动态不一致 (Time Inconsistency)。

4.2 承诺机制 (Commitment Devices)

理性的双曲贴现者（sophisticated）知道自己未来会缺乏自制力，因此寻求承诺：

例子：

自动储蓄计划（锁定资金）
戒烟承诺（公开宣告、赌约）
Odysseus绑在桅杆上（抵御海妖歌声）

实证证据：

Ashraf, Karlan & Yin (2006)：菲律宾银行提供"承诺储蓄账户"（锁定到目标日期或金额），增加了储蓄28%

4.3 拖延症 (Procrastination)

O'Donoghue & Rabin (1999)：区分两类双曲贴现者

Sophisticated：知道自己未来会拖延，提前采取对策
Naive：以为自己未来会有自制力，结果一再拖延

例子（健身房会员）：

Naive认为"我会经常去"，购买年卡
实际很少去，年卡单次成本高达 $15-20（vs. 单次$ 10）
健身房利用这种偏差定价

五、实验经济学方法 (Experimental Methods)

5.1 实验设计原则

Vernon Smith (1982) 提出实验经济学的核心原则：

显著性 (Salience)：奖励与表现挂钩
支配性 (Dominance)：奖励足够大，使其他动机（如无聊、助人）不重要
隐私性 (Privacy)：个人决策不被他人观察（避免羞耻、炫耀）
去欺骗 (No Deception)：不误导参与者（建立信任）

5.2 实验室实验 vs. 田野实验

维度	实验室实验	田野实验
控制	高（控制变量）	低（真实环境复杂）
内部效度	高（因果推断清晰）	中
外部效度	低（人工环境）	高（真实决策）
成本	低	高
例子	最后通牒博弈	eBay拍卖、Uber定价实验

5.3 经典实验案例

(1) 双盲拍卖市场（Smith 1962）

设计：

买家有私人估值，卖家有私人成本
双向喊价，直到无交易
记录成交价格和数量

理论预测：竞争均衡价格

结果：即使只有少数参与者（5买家 + 5卖家），几轮后价格收敛到均衡

意义：市场机制的鲁棒性，即使参与者非完全理性

(2) 理性泡沫实验（Smith, Suchanek & Williams 1988）

设计：

交易一种资产，存续15期
每期以确定概率支付红利（期望值已知）
理性价值随时间递减（因为剩余红利减少）

理论预测：价格沿基本价值递减

结果：

价格先高于基本价值（泡沫）
然后崩溃
即使参与者是MBA学生、重复实验，泡沫仍出现

解释：

投机动机（"博傻理论"）
过度自信
羊群效应

六、助推与政策应用 (Nudge and Policy)

6.1 Thaler & Sunstein的助推理论

助推 (Nudge)：通过改变选择架构 (Choice Architecture) 而非限制选择或改变激励，来引导人们做出更好的决策。

例子：

默认选项 (Default Options)
- 器官捐赠：opt-in（需主动登记）vs. opt-out（自动登记除非退出）
- 数据：opt-out国家捐赠率接近100%，opt-in约15%
- 原因：惯性、拖延、默认=建议
储蓄计划
- "Save More Tomorrow" (Thaler & Benartzi 2004)
- 自动增加储蓄率（与加薪挂钩）
- 储蓄率从3.5%增加到13.6%
食堂设计
- 将健康食品放在视线高度、收银台附近
- 不健康食品放在不显眼处
- 增加健康食品消费

6.2 自由主义的父爱主义 (Libertarian Paternalism)

理念：

父爱主义：政策制定者帮助人们做出更好选择
自由主义：保留选择自由，不强制

争议：

支持者：纠正认知偏差，提高福利
反对者：谁定义"更好"？可能被滥用（操纵）

6.3 政策案例

退休储蓄（美国401k计划）：

问题：很多人不参加（惯性、拖延）
改革：自动注册（automatic enrollment）
效果：参与率从38%增加到86%

能源使用：

寄账单时附上邻居平均用电量（社会比较）
高于平均者减少用电2%

税收征缴：

信中提到"90%的人已按时缴税"（社会规范）
增加按时缴税率

七、批评与局限 (Criticisms and Limitations)

7.1 对行为经济学的批评

缺乏统一理论
- 许多"ad hoc"模型，针对特定偏差
- 不像理性模型那样有统一框架
市场会纠正偏差？
- 芝加哥学派（Friedman）：竞争市场惩罚非理性者
- 反驳：很多偏差即使在市场中也持续（如泡沫）
外部效度
- 实验室发现能推广到真实世界吗？
- 例：小金额实验 vs. 大额真实决策
可操纵性
- 助推可能被用于操纵而非帮助
- 企业利用偏差（如默认自动续费）

7.2 行为模型的演进

第一代：记录偏差（Kahneman & Tversky） 第二代：建立形式模型（前景理论、双曲贴现） 第三代：神经经济学（fMRI研究大脑决策机制） 第四代：大数据与AI（识别和预测行为模式）

八、神经经济学与未来方向 (Neuroeconomics)

8.1 神经经济学

方法：使用fMRI、EEG等技术研究大脑在经济决策中的活动

发现：

奖励系统：多巴胺与预期收益
损失规避：杏仁核对损失的强烈反应
自我控制：前额叶皮层抑制冲动

例（McClure et al. 2004）：

即时奖励激活边缘系统（情绪、冲动）
延迟奖励激活前额叶（理性规划）
双曲贴现的神经基础

8.2 大数据时代的行为经济学

机会：

海量真实决策数据（在线购物、社交媒体）
更精确的行为模式识别
个性化助推

挑战：

隐私与伦理
算法歧视
"黑箱"问题（深度学习不可解释）

直觉总结 (Intuitive Summary)

标准模型 vs. 行为模型

维度	标准经济学	行为经济学
理性	完全理性、无限计算能力	有限理性、启发式
偏好	稳定、不受框架影响	参考依赖、框架效应
自利	完全自私	公平、互惠、利他
时间	指数贴现、时间一致	双曲贴现、现时偏好
风险	期望效用理论	前景理论、损失规避

核心洞见

系统性偏差
- 人类偏差不是随机的，而是可预测的
- 因此可以建模、可以利用（商业）或纠正（政策）
双系统理论 (Kahneman)
- 系统1：快速、直觉、情绪化、自动
- 系统2：慢速、理性、费力、控制
- 很多偏差源于过度依赖系统1
环境的重要性
- 同样的人在不同环境下表现不同
- 选择架构影响决策
实验的价值
- 经济学从"黑板经济学"走向实证科学
- 实验既检验理论，也发现新现象

政策含义

传统政策工具：

价格（税收、补贴）
数量（配额、禁令）
信息（披露要求）

行为工具（助推）：

默认选项
简化流程
社会规范
及时反馈

组合使用：最有效的政策往往结合传统工具和行为洞见。

文献导读 (Literature Guide)

奠基性论文：

Simon, H. (1955). "A Behavioral Model of Rational Choice." QJE.
Kahneman, D., & Tversky, A. (1979). "Prospect Theory: An Analysis of Decision under Risk." Econometrica.
Thaler, R. (1980). "Toward a Positive Theory of Consumer Choice." Journal of Economic Behavior & Organization.
Fehr, E., & Schmidt, K. (1999). "A Theory of Fairness, Competition, and Cooperation." QJE.

综述：

DellaVigna, S. (2009). "Psychology and Economics: Evidence from the Field." JEL.
Camerer, C., Loewenstein, G., & Rabin, M. (2004). Advances in Behavioral Economics. Princeton.

教科书：

Thaler, R., & Sunstein, C. (2008). Nudge: Improving Decisions about Health, Wealth, and Happiness.
Kahneman, D. (2011). Thinking, Fast and Slow. (畅销书，系统1和系统2)

实验方法：

Smith, V. (1982). "Microeconomic Systems as an Experimental Science." AER.
Roth, A. (1995). "Introduction to Experimental Economics." In Handbook of Experimental Economics.

应用：

Benartzi, S., & Thaler, R. (2007). "Heuristics and Biases in Retirement Savings Behavior." JEP.
Allcott, H. (2011). "Social Norms and Energy Conservation." Journal of Public Economics.

本章小结

行为经济学挑战了传统经济学的"完全理性"假设，引入了心理学的洞见来解释人类决策中的系统性偏差。从有限理性（启发式与偏差）到前景理论（损失规避、框架效应），从社会偏好（公平、互惠）到跨期选择（双曲贴现、现时偏好），行为经济学揭示了人类决策的真实机制。

实验经济学提供了检验这些理论的方法，从最后通牒博弈到资产泡沫实验，实验结果一再显示标准模型的预测失败。这些发现不仅具有学术价值，更有重要的政策应用：通过助推（改变选择架构）等行为工具，可以帮助人们做出更好的决策，提高社会福利。

然而，行为经济学也面临批评：缺乏统一理论框架、外部效度的疑问、以及助推可能被滥用的担忧。未来的发展方向包括神经经济学（探索大脑机制）和大数据应用（个性化干预），但也必须警惕隐私和伦理问题。

自学检查

核心直觉回看：行为经济学不是否定模型，而是把标准模型当作基准，再解释哪些偏差是稳定、可预测、可被制度影响的。好的行为模型仍然要给出清楚的心理机制和可检验预测。

关键模型提醒：前景理论把结果写成相对参照点的收益和损失：

V=\sum_i \pi(p_i)v(x_i-r),

其中 $v(\cdot)$ 通常在损失区更陡， $\pi(\cdot)$ 表示概率权重。社会偏好模型则把他人的收益也放进自己的效用函数。

常见误区

把“有限理性”理解成“什么行为都可以解释”。行为模型必须能预测，而不是事后讲故事。
只记住损失规避，却忘记参照点、概率权重和框架效应共同作用。
认为实验室结果可以无条件推广到现实市场。外部效度需要额外证据。
把助推看成没有成本的政策工具。选择架构也可能被操纵，并涉及伦理边界。

自测题

代表性启发式和可得性启发式分别会导致什么判断偏差？
前景理论如何解释“收益区间风险厌恶、损失区间风险追求”？
最后通牒博弈为什么挑战了纯自利模型？
双曲贴现如何解释拖延和提前承诺？
设计一个助推政策时，为什么要同时考虑福利和自主选择？

下一步学习提示

下一章回到市场失灵。请比较两种政策思路：传统微观强调价格矫正和机制设计，行为经济学则强调选择架构。现实政策常常需要二者结合。

下一章我们将学习外部性与公共物品，分析市场失灵的另一个重要来源，并探讨庇古税、科斯定理、VCG机制等解决方案。

Edit this pageorReport an issue

机制设计与拍卖理论

显示原理、激励相容、VCG机制、收入等价与最优拍卖

外部性、公共物品与机制

外部性、庇古税、科斯定理、公共物品供给与VCG机制