Skills Data Science Behavioral Modeling and Experimental Design

Behavioral Modeling and Experimental Design

v20260724
jmsc-behavioral-om
A guide for integrating behavioral theory into rigorous empirical studies. It outlines the necessary steps to move beyond descriptive findings of irrationality by constructing a statistically identifiable behavioral model (e.g., incorporating loss aversion parameters) and testing it against rational baselines using controlled, incentive-compatible experimental designs. Essential for submitting papers requiring model explanation of behavioral biases.
Get Skill
475 downloads
Overview

行为运作(jmsc-behavioral-om)

触发时机

  • 研究对象是人的决策偏差(如订货偏差、心理账户、公平偏好)
  • 有实验数据,想用它校准/检验一个行为模型
  • 审稿质疑"只是做了个实验,行为模型在哪/能否识别"
  • 不确定走纯解析建模还是行为实验路径

核心:实验 + 可识别的行为模型

行为运作在本刊的对口姿势是实验设计规范 + 行为模型识别并重:不仅报告"被试偏离最优",更要用一个含行为参数的模型刻画偏差,并从数据中识别该参数。只有实验、没有模型 → 偏心理学,不对口。

实验设计规范

  • 因果设计:操纵自变量、随机分配、控制混淆;明确处理组/对照组。
  • 激励相容:报酬与决策绩效挂钩,避免无成本作答(hypothetical bias)。
  • 操纵检验(manipulation check):确认被试确实感知到了被操纵的变量。
  • 样本与功效:报告样本量、被试来源、功效分析依据。
  • 预注册/稳健性:若可行,预注册假设;报告对异常值/学习效应的处理。

行为模型与识别

环节 要求
基准模型 给出理性最优作为对照(偏差相对它度量)
行为模型 引入行为参数(如损失厌恶 λ、公平 α、锚定权重)
识别 说明参数如何从实验数据估计;是否可识别(变异来源)
检验 行为模型 vs 理性模型的拟合比较(似然/信息准则)
稳健 替代行为设定、个体异质性、稳健标准误

执行桥(StatsPAI / Stata MCP)

把设计跑出来并审计,而不是只做描述。完整映射见 execution-with-mcp。《管理科学学报》以解析/运筹/建模为主——优化、算法、数值实验与证明不在该因果推断工具链内;下面的链路服务其行为运营(behavioral-om)等实证支线。

  • detect_designrecommend → 用 as_handle=true 拟合 → audit_result 列出尚欠的检查。
  • **观察性因果:**交错 DID(callaway_santanna / sun_abraham + bacon_decomposition + honest_did_from_result);IV(effective_f_test + anderson_rubin_ci);RDD(rdrobust + mccrary_test)。
  • **实验:**随机化推断 + romano_wolf 做多结果族错误率控制。
  • 敏感性:oster_delta / sensemakr

正文报告经济量级,完整 battery 进附录;每个数字都能复现。端到端真跑示例见 JF 执行 walkthrough。若 StatsPAI/Stata 未连接,改用 resources/code/ 并标注未验证数字。

自检清单

  • 实验有清晰因果设计(操纵、随机、控制)
  • 报酬激励相容,非假设性作答
  • 有操纵检验,确认操纵生效
  • 样本量/功效有依据,被试来源透明
  • 行为模型含可识别的行为参数,并说明识别来源
  • 行为模型与理性基准做了拟合比较
  • 贡献落在"模型解释了什么偏差",非"发现被试不理性"

反模式

  • 只报"被试系统性偏离最优",无刻画偏差的模型
  • 行为参数不可识别(无变异来源),却报了点估计
  • 用假设性问卷冒充激励相容实验
  • 缺操纵检验,把无效操纵下的零结果当发现
  • 把行为运作做成纯心理学实验(无运作决策、无模型)

本刊行为运作审稿期待与退稿模式

《管理科学学报》收行为运作稿的前提是"实验规范 + 行为模型识别并重",贡献须落在模型解释偏差。下表对齐本刊高频退稿语与修法:

退稿信号 根因 本刊期望的修法
"只是做了个实验" 无含行为参数的模型 建含 λ/α 等参数的行为模型并从数据识别
"偏心理学、无运作决策" 缺运作管理决策变量 把任务锚到订货/定价等运作决策
"用假设性问卷" 报酬不挂绩效 改为激励相容设计,报酬随决策绩效变动
"行为参数不可识别" 无变异来源却报点估计 设计制造参数变异的处理,论证识别
"无操纵检验" 不确认操纵生效 加操纵检验,零结果须先证操纵有效

锚点:本刊已刊行为运作论文通常给"理性基准 → 含行为参数的行为模型 → 实验设计 → 参数估计与识别论证 → 行为 vs 理性拟合比较"链条;参数估计须报标准误。具体体例以编辑部最新稿约为准。

微型走查:报童订货偏差的行为模型识别

虚构稿件《拉中心效应下的报童订货行为》。按"实验+可识别行为模型"走一遍(示意数字仅作演示):

  • 对象:人的订货决策偏差——被试订货量系统性偏向需求均值(拉中心 pull-to-center)。
  • 基准模型:理性报童最优 q*=F⁻¹((p−c)/p),高利润品 q*=75、低利润品 q*=35。
  • 行为模型:引入锚定权重 ω∈[0,1],q=ω·μ+(1−ω)·q*,μ=50;ω=0 为理性,ω 越大越拉中心。
  • 实验设计:操纵利润结构(高/低)×需求方差(高/低)析因,随机分配;激励相容(报酬=20 轮平均利润折现金);操纵检验确认被试理解利润差异。N=120,功效依效应量 0.5 设定。
  • 识别:利润结构跨处理变动使 q* 移动而 μ 固定,由 q 对 q* 回归斜率识别 (1−ω),斜率显著<1 即 ω>0 可识别。估计 ω̂=0.38(标准误 0.05)。
  • 模型比较:行为模型对数似然优于理性,AIC 下降,ω̂ 在高/低方差下稳健(0.35 vs 0.41)。

审稿人若追问"拉中心是否只是风险厌恶",回应应给区分设计:风险厌恶预测订货随方差单调下移、锚定预测向 μ 收缩,实验中两品方向相反更支持锚定,由此把 ω 与风险参数分离识别。

输出格式

【对象】人的决策偏差:<哪种>
【实验设计】操纵<…> 随机<是/否> 控制<…> 操纵检验<有/无>
【激励】相容 / 假设性(弱)
【样本/功效】N=…,来源<…>,功效依据<…>
【行为模型】基准<理性> + 行为参数<λ/α/…>
【识别】可识别?变异来源<…>
【模型比较】行为 vs 理性 拟合<…>
【贡献】<模型解释了什么偏差>
【下一步】jmsc-managerial-insights / jmsc-notation-style
Info
Category Data Science
Name jmsc-behavioral-om
Version v20260724
Size 6.94KB
Updated At 2026-07-28
Language