2015-2016学年春季学期 实验经济学 学生作业摘选
2015-2016 学年春季学期 实验经济学 学生作业摘选
目录 实验经济学个人作业示例----------1 实验经济学数据分析个人作业示例1- .-3 实验经济学数据分析个人作业示例2-----------5 实验经济学数据分析个人作业示例3----------------11 实验经济学数据分析个人作业示例4 -16 实验经济学文献总结个人作业示例1--17 实验经济学文献总结个人作业示例2 -21 实验经济学小组作业示例1- -23 实验经济学小组作业示例2--------------29 实验经济学小组作业示例3 -32 实验经济学小组作业示例4-一 -35 实验经济学学生部分文献总结- -38 实验经济学总结-文献简单概述 45 实验经济学期未论文- -49 第一组实验设计---- ---58 第二组实验设计 -74
目录 实验经济学个人作业示例--------------------------------------------1 实验经济学数据分析个人作业示例 1----------------------------------3 实验经济学数据分析个人作业示例 2----------------------------------5 实验经济学数据分析个人作业示例 3----------------------------------11 实验经济学数据分析个人作业示例 4----------------------------------16 实验经济学文献总结个人作业示例 1----------------------------------17 实验经济学文献总结个人作业示例 2----------------------------------21 实验经济学小组作业示例 1------------------------------------------23 实验经济学小组作业示例 2------------------------------------------29 实验经济学小组作业示例 3------------------------------------------32 实验经济学小组作业示例 4------------------------------------------35 实验经济学学生部分文献总结----------------------------------------38 实验经济学总结-文献简单概述---------------------------------------45 实验经济学期末论文------------------------------------------------49 第一组实验设计----------------------------------------------------58 第二组实验设计----------------------------------------------------74
实验经济学作业 晋权2013201112 、男性更喜欢竞赛 性别 计件报酬 竞赛报酬 2 6 女 如上表所示，参加实验的一共有8名男性和8名女性，男性选择竞赛报酬的有6位， 女性选择竞赛报酬的只有2位 对选择和性别进行方差分析的结果表明：p=0.0490.1,表明统计上两者的差异是 不显著的。因此我们可以认为性别和正确题目数之间没有关系。也就是说，被试者的表现和 性别无关。 三、女性比较不自信，两者过度自信程度基本相同 实验过程中，被试者对自己在任务1和任务2中的排名做出了预测。我们可以定义 个变量来描述参与者是否存在过度自信的现象：如果参与者预测排名高于实际排名，那么我 们可以将这种情况定义为过度自信，如果预测排名等于实际排名，这种情况就是自信，如果 预测排名低于实际排名，这种情况就是不自信。 任务1排名 性别 排名 男 女 1 5(3) 0(5) 1(1) 6(1) 3 1(2) 2(0 4 1(2) 2(2) 任务2排名 性别 排名 男 女 4(2) 1(2) 2 4(2 5(2) 0(3) 2(1) 4 0① 0③ 如上表所示，括号外的数字是预测排名，括号内的数字是实际排名。两次任务结合起来 1
1 实验经济学作业 谭权 2013201112 一、男性更喜欢竞赛 选择 性别 计件报酬 竞赛报酬 男 2 6 女 6 2 如上表所示，参加实验的一共有 8 名男性和 8 名女性，男性选择竞赛报酬的有 6 位， 女性选择竞赛报酬的只有 2 位。 对选择和性别进行方差分析的结果表明：p=0.0490.1，表明统计上两者的差异是 不显著的，因此我们可以认为性别和正确题目数之间没有关系。也就是说，被试者的表现和 性别无关。 三、女性比较不自信，两者过度自信程度基本相同 实验过程中，被试者对自己在任务 1 和任务 2 中的排名做出了预测。我们可以定义一 个变量来描述参与者是否存在过度自信的现象：如果参与者预测排名高于实际排名，那么我 们可以将这种情况定义为过度自信，如果预测排名等于实际排名，这种情况就是自信，如果 预测排名低于实际排名，这种情况就是不自信。 任务 1 排名 性别 排名 男 女 1 5（3） 0（5） 2 1（1） 6（1） 3 1（2） 2（0） 4 1（2） 2（2） 任务 2 排名 性别 排名 男 女 1 4（2） 1（2） 2 4（2） 5（2） 3 0（3） 2（1） 4 0（1） 0（3） 如上表所示，括号外的数字是预测排名，括号内的数字是实际排名。两次任务结合起来
看，男性一共有9人次预测自己排名第一，女性只有1人次预测自己排名第一。 自信表现 任务1 任务2 预测情况 男 女 男 女 过度自信 2 5 5 自信 0 不自信 0 6 0 两次预测，男性有8人次过度自信，女性有7人次过度自信，在过度自信方面，两者 并没有什么差异；男性一共有8人次猜中了自己的排名，女性只有1人次：而在不自信的 方面 男性没有人的预测排名低于自己的实际 t有8人次。 结合以上的情况来看，我们可以认为男性要比女性更加自信一点，但在过度自信方面两 者基本上是没有差异的
2 看，男性一共有 9 人次预测自己排名第一，女性只有 1 人次预测自己排名第一。 自信表现 预测情况 任务 1 任务 2 男 女 男 女 过度自信 3 2 5 5 自信 5 0 3 1 不自信 0 6 0 2 两次预测，男性有 8 人次过度自信，女性有 7 人次过度自信，在过度自信方面，两者 并没有什么差异；男性一共有 8 人次猜中了自己的排名，女性只有 1 人次；而在不自信的 方面，男性没有人的预测排名低于自己的实际排名，女性则一共有 8 人次。 结合以上的情况来看，我们可以认为男性要比女性更加自信一点，但在过度自信方面两 者基本上是没有差异的
数据分析方法详述 谭权2013201112 Wilcoxon秩和检验 秩：设X为一总体，将一容量为的样本观察之按自小到大的次序编号排列成为 X(1)<X(2)<…<X(n) X(们的下标称为X()的秩。秩和就是一个样本中数据秩的总和。 该检验方法主要检验两个样本的总体的均值是否相同。原假设H0:比较两组的总体分 布均值相同 计算方法：首先建立假设，然后将两组数据混合排序，绵秩。将样本数最小的组的秩和 作为检验统计量T,接着以样本书含量叫小组的个体数nl,样本书之差n2-n1及T值查验 界值表 得出p值。做出统计结论。 文章中，作者运用实验1的数据得到了在standard和buy模式下人们对于独裁者行为 的社会合适度评价。由于是相同的被试者分别作出的评价，因此我们分配结果相同的情况下， 人们对于两种模式下行为评价数据的分布是相同的，仅仅是均值不同。运用计量软件得出结 当p值越小时，我们越能拒绝原假设，即认为两个样本的均值存在显著差异。这就是 说 人们对于不同模式下，造成相同分配结果的评价不同（口值小于0.05可以认为不同 Logistic regression Ordered logistic regression 当因变量是两分类变量，自变量是连续变量或者分类变量时，通过logistic回归可以分 析自变量对于因变量的影响程度。将因变量的两种分类分别设为Y=0和Y=1,logi1stic回归 是一种概率估 利 即自变量对于P(Y=1) 程度。 这和线性概率模型(PM)有 相似点，不同之处在于logistic回归采用的方程形式不同，P(Y=1)=e^ （1+enx), 表示影响因素或者影响因素的一个函数，logistic回归采用极大似然法估计相关系数。LPM 采用的是线性函数形式，采用最小二乘法估计相关系数。PM缺点在于进行估计后进行计 算时，概率值会不再0,1]区间内，且对于某些分析，比如患病概率和年龄的关系。两者之间 不是线性关系1。 sc回归可以使年龄越大，志病率的增加越快，更符合实际情况，同 时概率值一直位于0,1]内。 Ordered logistic regression和普通的logistic regression不同点就在于ordered logistic regression的因变量是多分类变量，而logistic regression的因变量是两分类变量。 在研究是否位于buy模式下对独裁者分配钱数的影响是，由于独裁者可以选择的行动 一共有11种，结果也有11种，是多分类变量，采用的是ordered logistic reg ression.而分 析是否位于buly模式下平均分配和独占时，结果只有两种，是或者不是，采用的就是logistic regression。 非参数卡方检验 卡方检验是指诵讨样本数据，推断样太来自的总体分布是否与期望分布或某一理论分布 存在显著性差异的吻合性检验。原假设为：样本来自的总体分布与期望分布或某一理论分布 无差异 作者发现捐款额度在1-4美元的人数比例在两种模式下存在差异，但并不了解这种差 异是否显著，那么以其中一种模式下的数据为期望分布，看另一种模式下的分布是否和期望 3
3 数据分析方法详述 谭权 2013201112 Wilcoxon 秩和检验 秩：设 X 为一总体，将一容量为 n 的样本观察之按自小到大的次序编号排列成为 X（1）＜X（2）＜…＜X（n） X（i）的下标 i 称为 X（i）的秩。秩和就是一个样本中数据秩的总和。 该检验方法主要检验两个样本的总体的均值是否相同。原假设 H0：比较两组的总体分 布均值相同 计算方法：首先建立假设，然后将两组数据混合排序，编秩。将样本数最小的组的秩和 作为检验统计量 T，接着以样本书含量叫小组的个体数 n1，样本书之差 n2-n1 及 T 值查验 界值表，得出 p 值，做出统计结论。 文章中，作者运用实验 1 的数据得到了在 standard 和 bully 模式下人们对于独裁者行为 的社会合适度评价。由于是相同的被试者分别作出的评价，因此我们分配结果相同的情况下， 人们对于两种模式下行为评价数据的分布是相同的，仅仅是均值不同。运用计量软件得出结 果，当 p 值越小时，我们越能拒绝原假设，即认为两个样本的均值存在显著差异。这就是 说，人们对于不同模式下，造成相同分配结果的评价不同（p 值小于 0.05 可以认为不同） Logistic regression 和 Ordered logistic regression 当因变量是两分类变量，自变量是连续变量或者分类变量时，通过 logistic 回归可以分 析自变量对于因变量的影响程度。将因变量的两种分类分别设为 Y=0 和 Y=1，logistic 回归 是一种概率估计模型，即自变量对于 P（Y=1）的影响程度。这和线性概率模型（LPM）有 相似点，不同之处在于 logistic 回归采用的方程形式不同，P（Y=1）=e^x/（1+e^x），x 表示影响因素或者影响因素的一个函数，logistic 回归采用极大似然法估计相关系数。LPM 采用的是线性函数形式，采用最小二乘法估计相关系数。LPM 缺点在于进行估计后进行计 算时，概率值会不再[0,1]区间内，且对于某些分析，比如患病概率和年龄的关系，两者之间 并不是线性关系，logistic 回归可以使年龄越大，患病率的增加越快，更符合实际情况，同 时概率值一直位于[0,1]内。 Ordered logistic regression 和普通的 logistic regression 不同点就在于 ordered logistic regression 的因变量是多分类变量，而 logistic regression 的因变量是两分类变量。 在研究是否位于 bully 模式下对独裁者分配钱数的影响是，由于独裁者可以选择的行动 一共有 11 种，结果也有 11 种，是多分类变量，采用的是 ordered logistic regression，而分 析是否位于 bully 模式下平均分配和独占时，结果只有两种，是或者不是，采用的就是 logistic regression。 非参数卡方检验 卡方检验是指通过样本数据，推断样本来自的总体分布是否与期望分布或某一理论分布 存在显著性差异的吻合性检验。原假设为：样本来自的总体分布与期望分布或某一理论分布 无差异 作者发现捐款额度在 1-4 美元的人数比例在两种模式下存在差异，但并不了解这种差 异是否显著，那么以其中一种模式下的数据为期望分布，看另一种模式下的分布是否和期望
分布存在显著差异，拒绝了原假设，说明人数比例存在显著差异。 条件logistic回归和ordered logistic回归的差别在于自变量，条件logistic回归的自变 量是个体选择的分布情况，而ordered logistic回归的自变量是个体的选择情况，两者所采 用的函数模型是相同的。 作者运用了独裁者行为的分布，估计出了在buly和standard模式下金钱效用和社会 合适度评价的系数，得出了两者之间的取舍关系
4 分布存在显著差异，拒绝了原假设，说明人数比例存在显著差异。 Conditional logistic regression 条件 logistic 回归和 ordered logistic 回归的差别在于自变量，条件 logistic 回归的自变 量是个体选择的分布情况，而 ordered logistic 回归的自变量是个体的选择情况，两者所采 用的函数模型是相同的。 作者运用了独裁者行为的分布，估计出了在 bully 和 standard 模式下金钱效用和社会 合适度评价的系数，得出了两者之间的取舍关系
实验经济学作业数据分析总结 赵晓宇2013201087 sYa升6ye om E 107)(Initial wealth:$10.50 1weah35,35 () Action Mean Action Mea ++ ·21酒 26 首先为社会行为适宜度赋值并排名，非常不适宜赋值-1，有些不适宜赋值-1/3，有些适宜赋 值13，非常适宜赋值1。表1中展示了按不同情况排名的社会行为适宜度.每一行与个体 一A可能果取的行为相对应，比外与行为相对应的墨丝财富分布也被列出。表1的第一布腿示 模式下样本量为107 独裁者初始财富为10美元而另 -方一无所有；Buly模式 下双方初始财富均为5美元。最左侧列出了受测者的行为选择所带来的最终财富结果，共有 11种组合，两个分表的左侧第一列列出受测者选择的行为，左侧第二列列出按照社会行为 适宜度赋值得到的均分，右侧区域表明按照社会行为适宜度选择行为的百分比。由表中结果 可见选择平分10美元的人占比最大，同时这样的行为也是两种模式中社会行为适宜度最高 -方独吞在Buly模式中比在Standar 模 中适宜度更低一些，均值排名来看Standard 模式中更高。后面用到了Rank-sum test即秩和检验，是一种非参数检验法，用样本秩代替 样本值，主要用于比较两个独立样本的差异。样本容量小于10时，把秩和与显著性水平下 的临界值相比较，如果秩和包含在显著性水平下的临界值之间则两样本差异不显著，反之则 显著。这一情况可以在最后一列中看出。样本容量大于10时，秩和分布接近于正态分布， 可以用Z检验，Z的绝对值小于P值时不显著。这一情况可以由最右一列看出
5 实验经济学作业 数据分析总结 赵晓宇 2013201087 首先为社会行为适宜度赋值并排名，非常不适宜赋值-1，有些不适宜赋值-1/3，有些适宜赋 值 1/3，非常适宜赋值 1。表 1 中展示了按不同情况排名的社会行为适宜度，每一行与个体 A 可能采取的行为相对应，此外与行为相对应的最终财富分布也被列出。表 1 的第一行展示 了 Standard 模式下样本量为 107，独裁者初始财富为 10 美元而另一方一无所有；Bully 模式 下双方初始财富均为 5 美元。最左侧列出了受测者的行为选择所带来的最终财富结果，共有 11 种组合，两个分表的左侧第一列列出受测者选择的行为，左侧第二列列出按照社会行为 适宜度赋值得到的均分，右侧区域表明按照社会行为适宜度选择行为的百分比。由表中结果 可见选择平分 10 美元的人占比最大，同时这样的行为也是两种模式中社会行为适宜度最高 的。一方独吞在 Bully 模式中比在 Standard 模式中适宜度更低一些，均值排名来看 Standard 模式中更高。后面用到了 Rank-sum test 即秩和检验，是一种非参数检验法，用样本秩代替 样本值，主要用于比较两个独立样本的差异。样本容量小于 10 时，把秩和与显著性水平下 的临界值相比较，如果秩和包含在显著性水平下的临界值之间则两样本差异不显著，反之则 显著。这一情况可以在最后一列中看出。样本容量大于 10 时，秩和分布接近于正态分布， 可以用 Z 检验，Z 的绝对值小于 p 值时不显著。这一情况可以由最右一列看出
■Standard(n=52日Bully (n=54) 35% 30 5% 2 5% 51525354555657 5859510 Amount shared with recipient Fa)Dbofmvbllyre (ataom Standard (predicted)Bully (predicted) 35% 30 25% 20% 15 0 51 5253 54 56 58 59510 t shared with FGUE I(b).Predicted distributions of amounts shared in standard versus bully treatments (based on coefficients in Table 3.Model 1). 在这里图a展示的是实验2中的测试结果分布。52组测试者参与了Standard模式的实验， 54组测试者参与了Buy模式的实验.深色柱状图显示Standard模式的实验结果浅色柱状 图显示Buy模式的实验结果，分别展示了选择各种行为的人所占百分比。图b展示的是基 于模型1表3得出的系数的预测结果，主要预测了Standard和Buy两种模式下参与者的行 为选择结果及占比
6 在这里图 a 展示的是实验 2 中的测试结果分布。52 组测试者参与了 Standard 模式的实验， 54 组测试者参与了 Bully 模式的实验，深色柱状图显示 Standard 模式的实验结果浅色柱状 图显示 Bully 模式的实验结果，分别展示了选择各种行为的人所占百分比。图 b 展示的是基 于模型 1 表 3 得出的系数的预测结果，主要预测了 Standard 和 Bully 两种模式下参与者的行 为选择结果及占比
.Statisticaltests of bebavior acrss bl versus standard treatments (dataom Experiment B to recipient (Share $5) (Share $0) Bully 0.678 1.570 0.532 Class size (0.006 Constant 106 Suawcle oatedlagiaiagesiom less than S6 to recipient less than S5 to recipient 表2展示的是实验2的数据结果，显示出两种不同待遇下行为的变化。在这里控制了招募 学生的样本容量，从87到184.汶是潜在的社会距离的测度值。正如猜测的一样样太容 量与分享的金额大小呈反向相关。第一个模型中，与Standard模式相比，Buy模式的分享 金新更多。这一先怀进行了对一分类弯量的ic回归分析多用干经济预测预概速 并可以得到自变量的权重，进而根据权重得到预测事件发生的概率。其 对所有数据即参加 者分配金额状况进行了有序Logistic回归，而后面两栏则是把全部情况分为分给参与者的少 于5美元和少于6美元进行二分类变量的Logistic回归分析。因变量有Buy模式，样本容 量大小，参与者人数，模型类型及分析对象等等。初始预期为在Buy模式中选择均分的人 会比Standard模式中多。 c Behva d 以在Buy模式中选择均分的人会比Standard模式中多为初始预期，表3中p值小于0.001 可见结果显著，初始预期得到了证实。第二个预期关于如果他们不选择均分那么他们会怎么 做，预期认为接受者如果接受少于5美元则在Buy模式下独裁者不会分给对方财富。在 Standard模式下，这么做的人有40%.而在Buly模式下则有52%的人这么做。在表3中p 值为0.03，仍旧显著。以非参数卡方分布得到的结果显著.其中2(1)=3.85.p=0.05
7 表 2 展示的是实验 2 的数据结果，显示出两种不同待遇下行为的变化。在这里控制了招募 学生的样本容量，从 87 到 184，这是潜在的社会距离的测度值。正如猜测的一样，样本容 量与分享的金额大小呈反向相关。第一个模型中，与 Standard 模式相比，Bully 模式的分享 金额更多。这一步还进行了对二分类变量的 Logistic 回归分析，多用于经济预测，预测概率， 并可以得到自变量的权重，进而根据权重得到预测事件发生的概率。其中对所有数据即参加 者分配金额状况进行了有序 Logistic 回归，而后面两栏则是把全部情况分为分给参与者的少 于 5 美元和少于 6 美元进行二分类变量的 Logistic 回归分析。因变量有 Bully 模式，样本容 量大小，参与者人数，模型类型及分析对象等等。初始预期为在 Bully 模式中选择均分的人 会比 Standard 模式中多。 以在 Bully 模式中选择均分的人会比 Standard 模式中多为初始预期，表 3 中 p 值小于 0.001， 可见结果显著，初始预期得到了证实。第二个预期关于如果他们不选择均分那么他们会怎么 做，预期认为接受者如果接受少于 5 美元则在 Bully 模式下独裁者不会分给对方财富。在 Standard 模式下，这么做的人有 40%，而在 Bully 模式下则有 52%的人这么做。在表 3 中 p 值为 0.03，仍旧显著。以非参数卡方分布得到的结果显著，其中 χ2(1) = 3.85, p = 0.05
。为了进一步探素得出的行为规范在数据中起到多大影响，运用了固定效应L0gsic回归模 型，数据随个体变化但不随时间变化。这里的二分类变量表示的是某种行动是否被采取。表 3呈现的是固定效应下对于选择的Logt估计，行为数据包括金钱报酬 ,社会行为适宜度排 名以及g可能性和观测值数量等等。右侧给出3个实验的结果 分别是Standard和Buly Standard和Sorting,Standard和Take3种实验。最后得出的结果有社会行为适宜度和行为 的选择之间相关。 ■Standard口Sorting 60% 05 Amount shared with recipient Standard (predicted)(predicted) 60% 30% 20% 10% hhhhh Amount shared with recipient 上图展示了Standard和Sorting模式下选择分享报酬的不同行为的百分比预测。用条形图展 示出来
8 。为了进一步探索得出的行为规范在数据中起到多大影响，运用了固定效应 Logistic 回归模 型，数据随个体变化但不随时间变化。这里的二分类变量表示的是某种行动是否被采取。表 3 呈现的是固定效应下对于选择的 Logit 估计，行为数据包括金钱报酬，社会行为适宜度排 名以及 log 可能性和观测值数量等等。右侧给出 3 个实验的结果，分别是 Standard 和 Bully， Standard 和 Sorting，Standard 和 Take3 种实验。最后得出的结果有社会行为适宜度和行为 的选择之间相关。 上图展示了 Standard 和 Sorting 模式下选择分享报酬的不同行为的百分比预测。用条形图展 示出来
