人们是否知道自己的风险偏好，或者风险选择是否会随着经验和观察而改变?我们在实验室提供简单的测试。人们对彩票的选择做出最初的决定，然后经历24个无报酬的练习期，在这些练习期中，他们掷骰子，记录结果，并记录可能的回报。然后他们对彩票的选择做出最后的决定;在第一期和最后一期中随机选择一期付款。我们的主要假设是，通过制作和体验实践卷，人们将变得不那么厌恶风险。我们确实发现，随着时间的推移，人们更有可能变得不那么厌恶风险，而不是更加厌恶风险。我们注意到，这种假设风险增加的趋势与损失厌恶和参考依赖至少可以论证的预测方向相反。我们发现女性的偏好在治疗过程中的变化比男性的要小得多。我们认为，我们的实际操作方法确保了一定程度的参与，有助于加快学习过程。我们认为，在人们对一种机制有过经验之后获得的测量更有意义，并且这一原则很可能更普遍地扩展到其他启发任务。

　　风险偏好在理解个人财务和经济决策方面起着至关重要的作用。经济主体必须决定他们在日常生活中愿意承担多大的风险。考虑到风险的重要性和相关性，许多经济模型在代理人的效用函数中包含风险参数，以努力模拟代理人在风险下的决策;卡尼曼和特沃斯基(1979)的前景理论就是一个例子。经济学家已经开发了许多实验方法来引出这个风险参数，然后可以用来预测风险环境中的决策。

　　然而，风险引出是具有挑战性的，并且存在未解决的方法问题。例如，风险引发之谜(Pedroni et al.， 2017)源于大量调查，这些调查显示，当使用不同或相似的方法引发风险偏好时，风险偏好存在显著的不一致性。它质疑这些方法的有效性，以及这些偏好的稳定程度。在标准的新古典主义观点中，一个人有自我认知的稳定风险偏好。但有证据表明，冲击等因素可以影响不同环境下的冒险偏好;例如，Beine等人(2020)发现外源冲击的证据-在他们的研究期间发生的两次地震-可以影响风险偏好。

　　然而，这方面的研究仍在发展中。应该系统地探讨经验和学习对风险选择的影响。我们主张首先让人们体验一项任务或机制，希望获得更好的理解和更有意义的风险态度衡量。此外，我们建议以一种实际动手的方式来做这件事可能会加速这个过程。

　　我们在这个方向上迈出了一步，通过一个简单的实验给人们提供风险选择的经验。我们对Dave等人(2010)的Eckel和Grossman(2002,2008)机制进行了轻微修改，为每个参与者提供了六种可能的赌博选择。这些赌博反映了期望值和方差之间的权衡，因此，原则上，人们应该选择最适合自己自我感知风险偏好的赌博。这种方法以其简单性而闻名，1)所有的赌博都是50%，避免了概率加权问题(参见Gonzalez & Wu, 1999)， 2)受试者只在一行中做出选择(而不是像Holt & Laury, 2002)。修改后的版本比之前使用的收益数字更明显地区分了风险寻求和风险中性选择;具体来说，我们降低了风险最大的赌博的期望值，因此选择这个赌博实际上意味着人们愿意牺牲期望值来承担更大的风险。

　　简而言之，我们的问题是，对于一个相对简单的风险引出任务，反复的动手和无偿的经验是否会影响选择，进而影响隐含的风险偏好。我们首先展示和解释赌博和他们的选择。然后每个人选择一排进行赌博;不管是第一次赌博还是最后一次赌博，都将获得报酬(每次50%的机会;在这样做时，我们试图消除对冲行为)。然后我们要求人们通过投掷24次骰子来获得经验。为了提高参与度，我们让他们自己练习掷骰子，然后记录下选择的行数，掷出的结果，以及如果选择了实际的掷出结果，所产生的结果。练习结束后，他们会做出最后的选择。然后受试者在付款时通过掷骰子来选择两个非练习选项中的一个;再次掷骰子以决定赌博的结果。所有这些信息都在指令中传达，并在会议开始时大声朗读。

　　为了解释经验和学习在风险启发中的作用，我们考虑了可能影响参与者的两种效应。首先，经验和学习可以使参与者更好地理解风险激发任务，从而减少玩家在一次任务中可能犯的一些错误。由于任务结构的不确定性，不熟悉任务会让玩家在做决定时更倾向于规避风险。当一个人第一次体验一项任务时，保持谨慎似乎是很自然的。因此，一个没有经验的参与者可能会表现出一定程度的风险厌恶，这是暂时的。其次，也许人们在一次性任务中无法理解的最关键的信息与预期收益和彩票的方差有关。随着更多的彩票经验，玩家可能会学习或至少对这些有更好的感觉，从而做出更明智的决定。

　　表1我们的风险引出选择

　　全尺寸工作台

　　Engelmann和Hollard(2010)在考虑禀赋效应时使用了一种克服经验不足的相关方法。他们的想法是，没有交易经验的人可能不愿意用自己的天赋物品交换价值相等(甚至更高)的物品。在他们的治疗条件下，人们被赋予了一种没有价值的商品，如果不交易一种有价值的商品。做这一行给了他们一些经验。而在对照处理中存在显著的禀赋效应，在有交易经验的组中没有显著的禀赋效应。结论是，提供对机制的熟悉和经验可以改变行为。尽管这种假设很有用，但人们是否真的知道自己的偏好并不明显。在极限情况下，我们怎么能知道自己对从未经历过的事情的感受呢?

　　如果将练习期间的负面结果与所选赌博的高回报和低回报之间的参考点进行比较，那么参考依赖和损失厌恶(“损失大于收益”)表明，随着经验的积累，人们应该变得更加厌恶风险。但是，如果不确定性或缺乏经验导致人们比他们的“真实”偏好所建议的更不愿意冒险，人们就会期望选择变得不那么厌恶风险。我们的假设是，后一种力量将占主导地位——经验将导致人们后来选择预期收益更高的彩票。体验可以让玩家探索并改变自己的喜好。我们可以认为这是因为玩家没有完全意识到自己的风险偏好，因此可能会从探索中获益。最后，充分意识到自己的风险态度应该是有益的。

　　这篇文章的主要贡献是:人们在一个过程中改变他们的风险偏好，结合无报酬的练习阶段。一个意想不到的结果是，这一重大变化主要是由男性推动的。不需要任何冲击，选择的结构和结果都是明确的。这不仅仅是测量误差，因为这种变化明显有利于降低风险厌恶。练习期间的积极或消极结果不会影响最终的彩票选择，这在没有任何心理影响的情况下是令人欣慰的，这种影响可能会出现在付费回合中。和其他研究一样，我们发现认知能力强的人更不愿冒险。最后，受试者的评论提供了证据，证明人们确实了解了他们的偏好和任务。

　　本文的其余部分组织如下。第2节提供相关文献的背景，而第3节描述实验设计和假设。我们在第4节给出实验结果，并在第5节得出结论。

　　Holt和Laury(2014)指出Binswanger (1981a)是“第一个使用高现金回报的选择来引出风险规避措施的人”。这些赌注对孟加拉国农村的农民来说是可行的。受试者在一系列二元期权中做出选择，这些二元期权被安排得让风险厌恶程度较低的受试者选择期望值较高的赌博。从那以后，经济学家开发了许多实验方法来引出风险偏好。最常见的是Gneezy and Potters (1997)， Holt and Laury (2002)， Eckel and Grossman(2002, 2008)的变体，尽管炸弹任务(Crosetto & Filippin, 2013)越来越受欢迎。

　　霍尔特和劳里(2014)描述了用于引发风险偏好的方法。一种方法是“投资组合”方法(例如，Binswanger, 1981b):人们决定将多少禀赋投资于风险资产，保留多少。Gneezy和Potters(1997)为受试者提供了投资高达100美元的风险资产的机会，其预期价值高于安全投资。埃克尔和格罗斯曼(2008)展示了几行二元赌博，并询问受试者他们更喜欢哪种赌博。这些也被归类为投资组合方法。第二种方法是在有序的赌博中列出一行二选一，从这些行中做出的选择来推测风险偏好。这与Holt和Laury(2002)的机制相对应，即向受试者提供10行有序的二元选择，并在每一行中做出选择。为了详细讨论这些方法和其他方法，我们建议感兴趣的读者参考Charness et al.(2013)和Holt and laurie(2014)。

　　我们所说的“风险引出之谜”源于大量的调查，这些调查显示，当使用不同或相似的方法引出风险偏好时，风险偏好存在重大不一致(Pedroni等人，2017)。这种不一致令人不安，并提出了许多关键问题。这种不一致的根源是什么?成功地解决这个问题可能有助于经济学家更好地理解人们的风险偏好，并找到更好的方法来引导他们。

　　虽然不同的方法可能是为不同的目的和解决不同的问题而设计的，但假定所有的方法都是衡量相同的恒定风险态度。结果需要在不同的时间和背景下保持一致，才能在经济应用中发挥作用。此外，这些措施应该能够预测不同情况下(特别是现场情况下)的相关决策。

　　然而，文献强调了风险态度与显著变化之间的弱关系，这取决于方法的特点。例如，霍尔特和劳里(2002)的开创性论文使用多重价格表，发现了实际收益的收益量级效应，为较低的收益做出了更冒险的选择，为假设的收益做出了更冒险的选择。Holt和Laury(2005)随后的一篇论文发现，高收益的影响只存在于实际收益中。考虑到单一任务的这些影响，测量之间的相关性很低也就不足为奇了。

　　Friedman et al.(2014)发现原来的Holt-Laury和Eckel-Grossman研究之间的相关性为0.27，而气球任务之间没有相关性(每次向气球吹气都会增加更多的报酬，除非气球爆炸，在这种情况下报酬为零;停止点被观察到)和交易或不交易任务。根据Friedman等人(2022)的说法，即使使用Gillen等人(2018)开发的ORIV方法控制测量误差，仍然存在低于预期的相关性——密切相关的任务彩票和项目之间的最高相关性(0.55)仍然很低，即使在校正了测量误差并考虑了未经审查的数据之后。

　　Charness等人(2020)利用荷兰成年人比较了五项风险测量任务:非激励问卷——承担风险的意愿任务、gneezi - potters、Eckel-Grossman、Holt-Laury和涉及配对彩票的多重价目表。任务和实验室财务决策之间存在相关性，对简单任务具有较高的预测能力，但对现场行为没有解释能力。Holzmeister和Stefan(2019)发现四种风险指标之间存在很小的相关性;然而，受试者意识到他们的风险态度的差异。这很可能是因为人们在更复杂的一次性任务中往往更谨慎。他们写道:“特别是，我们并不是第一个报告说，平均而言，在Bret(炸弹风险引出任务)和MPL(霍尔特-劳瑞)中，受试者往往比在SCL(埃克尔-格罗斯曼)中更倾向于厌恶风险。”他们推测，人们可能有任务依赖或参考依赖的偏好。

　　鉴于证据，Holt(2019)指出，“不应过于重视数字风险厌恶”，强调了对特定问题使用相同衡量标准的重要性，因为风险偏好可能是多维的，背景的不同特征可能会影响决策过程和偏好。考虑到这个问题，我们认为如果玩家在不同任务间的决策不一致反映了他们对任务结构和自己偏好的不完全理解，那么经验/学习将会给我们一些启示。通过探索这些问题，他们可能会聚到一个更一致的选择上。

　　由Plott(1996)领导的经济学文献中进行了广泛的讨论，提出了人们通过经验学习自己偏好的概念。除了了解任务结构之外，智能体可能并不完全了解自己的风险偏好;但他们可能会通过接受经验而变得更加清楚。Delaney等人(2019)提供了偏好发现的实验证据，表明偏好发现过程可以解释选择观察到的行为不稳定性。如果代理人不熟悉做出这样的决定，偏好发现效应将会更大。此外，心理学文献中还有一些研究(由埃尔克·韦伯(Elke Weber)和保罗·斯洛维奇(Paul Slovic)领导)将从经验中学习和从提供给受试者的信息中学习进行了比较。然而，据我们所知，这篇文献并没有考虑到在我们的实验设计中，向已经获得足够信息的人提供经验的效果。

　　从Eckel et al.(2009)开始，许多实验论文发现，冲击会影响风险偏好。例如，Beine等人(2020)于2019年在阿尔巴尼亚地拉那进行的现场实验室实验获得了两次地震之前、两次地震之间和第二次地震之后的数据。研究发现，地震对风险偏好的影响很大，每次地震都会导致更大程度的风险厌恶。由于投掷硬币成功的客观概率显然是50/50，而且没有人参与超过一次，因此不可能通过这种简单的机制进行学习。雷诺和奥伯特(2020)在越南研究了“经历自然灾害如何影响个人对风险的态度”。近年来经历过洪水的人更加厌恶风险，尽管这只在损失领域是正确的。

　　Bradbury等人(2015)进行了基于经验抽样的风险模拟，以调查这如何影响风险下的投资决策。这些似乎大大提高了参与者对潜在风险-回报概况的理解，并促使他们重新考虑他们的投资决策，选择风险更高(预期回报更高)的金融产品。我们的研究特别感兴趣的是，他们发现模拟的经验对投资策略调整的影响比简单地向投资者提供描述性信息要快得多。在后一种情况下，需要多个投资周期，才能显示出“投资者通过风险模拟得知的稳定的平均冒险行为和对风险资产的类似配置”。

　　与我们的工作最密切相关的文章是Ert和Haruvy(2017)。本文探讨了重复Holt-Laury风险诱导任务对风险偏好的影响，发现随着时间的推移，玩家会变得更加风险中性。我们的实验在某些方面与他们的不同。首先，我们选择一个简单得多的风险引出任务。考虑到Holt-Laury的相对复杂性，我们可能会看到EG (Eckel-Grossman)较少的学习效应。其次，Ert和Haruvy(2017)的研究对象对HL任务进行了200次重复，每次都收到关于回报的反馈。最后，受试者根据他们在一个随机选择的试验中选择的实现情况获得报酬，因此他们实际上在任何一段时间都有可能获得报酬。

　　我们使用了一种不同的学习机制，在学习过程中干预最少，没有任何结果本身的激励。我们的主要目标是提供一个干净的学习环境，让参与者探索任务并做出决定。我们发现，即使没有学习激励，选择也有明显的变化，有明确的方向性趋势。

　　对于学习/经验效应，我们有两种解释。首先，经验和学习可以使参与者更好地理解风险引出任务，从而减少玩家在没有完全理解所提供的全部信息的情况下在一次任务中可能犯的一些错误。我们再次注意到，Engelmann和Hollard(2010)使用了类似的方法来克服与禀赋效应相关的经验不足。

　　我们怀疑，经验也有助于受试者更多地了解任务结构(预期回报)。只有68%的受试者正确地识别出赌博5的预期收益最高，所以还有学习的空间。这加强了一个论点，即即使在最简单的一次性风险引出任务中，所有的信息都给了参与者，一些错误是由于受试者未能在一次性决策中学习/使用这些信息。

　　总的来说，文献表明风险偏好不一定随时间的推移而一致，很可能取决于经验和理解。

　　摘要

　　1 介绍

　　2 背景

　　3.实验设计与假设

　　4 结果

　　5 讨论

　　笔记

　　参考文献

　　作者信息

　　道德声明

　　补充信息

　　搜索

　　导航

　　#####

　　我们在2022年初亲自进行了实验。我们做出了设计选择，使用纸笔和参与者实际掷出的骰子来进行这个实验。我们的观点是，让人们吸收经验的最佳方式是让他们尽可能地参与到数据生成过程中。看着骰子在电脑屏幕上滚动，并让结果自动输入，这自然不那么吸引人，也可能不那么有效。

　　我们希望探索在没有外部冲击和没有经济后果的情况下，启发任务的学习和经验如何影响玩家的风险偏好。对于我们的实验设计，我们希望使用一种易于理解的方法。Gneezy和Potters(1997)可能是最简单的，但我们也对寻求风险的行为感兴趣，这与这种机制无关。虽然埃克尔-格罗斯曼机制不像gneez - potter那么简单，但它仍然相对容易，因为一个人只做一个涉及50-50赌博的决定。戴夫等人(2010)提出的六行版本包括一行，对于寻求风险的受试者来说，这将是一场有吸引力的赌博。此外，我们觉得菜单上只有几个选项可能比《哈利波特》里的101个整数选项要好。

　　我们对Dave et al.(2010)的选择选项进行了调整，在第6行中为高收益设置了66个而不是70个选项，因此人们必须牺牲一些预期收益(相对于第5行)来寻求更多风险。这在第5行和第6行之间划出了更明显的区别，因此选择第6行的人应该是在寻求风险。注2:注意，对于Dave等人(2010)的收益，一个纯粹的风险中立的受试者在第5行和第6行之间是无所谓的(表1)。

　　我们使用ORSEE (Greiner, 2015)从UCSB的实验和行为经济学实验室数据库中招募参与者。我们有99名参与者，平均每人支付约13美元(包括5美元的出场费)，每次会议持续约45分钟。每个人都与其他人保持一定距离，这样其他人就不会看到他们的选择。在附录a中提供了说明。向人们展示了一张赌桌，掷出的两个骰子的总数是偶数(奇数)，结果是更高(更低)的回报。我们使用了两个骰子而不是一枚硬币，因为我们觉得比起投掷硬币，掷骰子对玩家来说是一种更熟悉的环境(而且硬币可能会掉到地上)。我们详细解释了选择的收益结果。表格中的每个点值0.15美元。因此，赌博的最高收益是10.50美元，最低收益是0.30美元。相比之下，HL低收益治疗的平均收益为3.85美元和0.10美元，而Eckel和Grossman(2008)的平均收益要高得多(16美元)，Dave等人(2010)的低收入社区的平均收益更高。我们的赌注不大，但对于一个短暂的实验来说，它们似乎很有意义。与Holt和Laury(2002)的结果一致，更低的风险似乎导致更少的风险厌恶。脚注3

　　在回答问题后，我们让参与者从六排中选择一排，并告诉他们，这个选择的结果有50%的机会在最后得到现金奖励。每个人在记录表上记录24次练习掷骰(见附录a)。其中12次已经进行了行选择(每行两次);为此，每个人掷骰子，记录结果，然后在纸上写下可能的回报。对于其他12次掷骰子，每个人选择一行，掷骰子，并记录结果和收益信息。经过24次练习后，每个人都来到房间的前面，然后通过滚动来决定第一个或最后一个选择是否会获得现金奖励，然后再通过滚动来确定所选那一行的结果。

　　在完成选择后，我们还进行了认知反射测试(CRT, Frederick, 2005)和简短的问卷调查，以检查个人特征对选择行为的影响。我们付钱让人们完成一份调查问卷，询问他们为什么会(不会)改变自己的选择。每个正确的CRT答案我们支付1美元，如果受试者在随机选择的练习期间正确记录结果，我们也支付1美元。

　　标准理论预测，人们不会改变自己的偏好。既然所有的信息最初都是已知的，经验不应该告诉参与者任何新的东西。如果代理人有稳定的风险偏好，则预测参与者在经历了练习期后不会改变自愿选择的行。然而，当我们第一次讨论这个实验的想法时，我们想到的是，在许多情况下，如果不熟悉和体验所涉及的过程或商品，人们可能不会真正了解自己的偏好。这很可能适用于使用标准实验室或现场实验室方法的偏好激发。

　　在一定程度上，一个人必须先熟悉一种机制，然后才能完全参与其中。以自行车上的辅助轮为例，轮子可以帮助引导骑车者(更)安全地行进。当一个人向非学术界的朋友提出这样一个关于风险偏好的程式化问题时，这些朋友通常会不知所措，无法回答这样一个奇怪的问题。坚持以这种方式进行启发可能不如人们有一些经验时那么有意义。这一见解引出了我们的第一个假设，它与一个人的风险偏好是固定的标准假设形成了对比。

　　假设1:个体在第一次和最后一次赌博中经常选择不同的行。

　　假设个人确实改变了他们选择的行，一个特别有趣的问题是观察到的变化是否存在模式。不确定性通常被认为会导致更保守的选择，因此对机制的熟悉本身可能会导致不那么保守的选择。此外，如果人们对24个练习期的结果做出反应，并观察到平均结果，我们可能会期望他们向期望值更高的行移动。这是我们的第二个假设，也是我们研究的动力。

　　假设2:相对于期望值较低的赌博，人们转向期望值较高的赌博会明显更多。

　　然而，我们注意到一种相反的影响:如果一个人将不利的掷骰子视为损失，而将有利的掷骰子视为收益，那么参考依赖将预测朝差异较小的行选择移动(甚至可能是最上面的行)，因为损失的感觉比收益更强烈。尽管如此，我们觉得随着时间的推移，熟悉度的增加会导致更高期望值的选择。

　　虽然研究人员可能会假设每个人都很容易计算出期望值，但事实可能并非如此。事实上，我们将提供证据，证明许多人认为最下面一排的预期收益最高。在某种程度上，这是正确的，我们可以陈述另一种表述:

　　假设2a:比起赌桌上的赌桌(赌桌上的赌桌)，转向赌桌上较低位置的赌桌(赌桌上的赌桌)的人明显更多。

　　由于关于运气的信仰甚至迷信(参见，例如，Fudenberg & Levine, 2006年，以及Hajikhameneh & Iannaccone, 2023年的实验性“上帝游戏”)很普遍，也许人们形成了对骰子的信仰。尽管如此，方向仍不明朗;一些被试可能期望正序列相关(“热手”)，而另一些可能期望负序列相关(“平均定律”);这在评论中得到了证实。因此，我们有一个零假设关于观察到高比例的有利练习掷出的结果。

　　假设3:观察到的有利练习卷的比例不会影响最终选择排时采取的行动。

　　个人特征重要吗?与之前的实验工作(例如，Dohmen et al.， 2010)一致，我们预计CRT得分较高的人不那么厌恶风险。我们还预计他们会更多地转向预期收益更高的赌博。

　　假设4:1)CRT得分较高的人在最初和最后的赌博中风险厌恶程度都较低。2)对于那些改变赌博方式的人来说，CRT得分较高的人会有更高的比例转向更高的预期收益/更低的赌局。

　　我们的最后一个假设与性别差异有关。先前的研究发现，不同性别的风险偏好存在普遍差异(尽管这些影响在霍尔特-劳瑞机制中似乎不大或微不足道)，男性的风险厌恶程度低于女性。然而，没有证据表明性别和改变一个人的风险偏好有关。

　　假设5:1)雄性在最初和最后的赌博中都会选择更高的行。2)男性和女性在这些赌博的转换行为方面没有差异。

　　在本节中，我们将介绍总结统计和非参数检验来分析行为。脚注6

　　表2和图1提供了初始和最终赌博的选择。我们看到，人们普遍倾向于加大赌注。累积分布的Kolmogorov-Smirnov检验在双尾检验中得到p=0.103，在单尾检验中得到p=0.051。如果我们使用期望值作为度量(结合赌博4和赌博6，具有相同的期望值)，则会得到相同的测试统计量。改变方向基本上是由人们最初选择赌博3并转向更高的数字所驱动的。在实验中选择的初始赌注和最终赌注之间的相关性为0.546 (p < 0.001)。

　　表2选择的初始和最终赌注

　　图1

　　

　　在观察实现之前和之后选择的赌局的CDF

　　表3证实了这一印象，阴影对角线表示没有变化。我们看到99人中有45人(在对角线上)没有改变他们的赌博选择，而99人中有54人改变了;这支持假设1。随着时间的推移，超过一半的人口发生了变化，我们可以很容易地拒绝风险偏好不会改变的标准观点。此外，表3显示，54名改变赌注的人中有36人选择了更高的赌注。一个简单的二项检验给出z=2.449, p=0.007的单尾检验。个体水平上的Wilcoxon符号秩检验给出z=2.392, p=0.008的单尾检验。所以，我们确实发现更多人倾向于风险更高的彩票，支持假设2a。

　　表3个人赌博的变化

　　我们可以考虑期望值(表4)。对角线上(下)有33(19)个条目。二项检验给出z=1.941, p=0.026的单尾检验，个体水平上的Wilcoxon符号秩检验给出z=1.992, p=0.023的单尾检验，支持假设2。

　　表4个人赌博期望值变化

　　因此，有一个显著的趋势是更高的期望值。总体预期收益随着时间的推移而提高:初始决策的平均预期收益为31.495(标准偏差2.292)，最终决策的平均预期收益为33.131(标准偏差2.558)。由于预期收益的范围从28到36，这个1.636的差值代表了总体上超过20%的增长和比初始期望值可能增长的36.3%。脚注8

　　实验结束后，我们对参与者进行了额外的调查(见附录A)，并可以将调查结果与个人实验选择联系起来。我们还鼓励参与者对平均猜测进行猜测，并奖励最准确的猜测。令我们惊讶的是，74名受访者中有23人(31.1%)表示赌博5的收益不是最高的，而这23人中有15人表示赌博6的预期收益最高，这有助于解释赌博6的选择普遍存在。缺乏理解很可能导致表4给出的检验统计量略弱。

　　接下来我们考虑CRT分数和赌博选择之间的关系。原则上，得分越高表明认知能力越强，尽管它似乎更像是一项测试，旨在测试一个人是否能抑制冲动，做出立即的、看似明显但不正确的反应。

　　表5显示初始赌博的“平均”行为3.51、3.41、3.50和4.08,CRT分数分别为0、1、2和3，平均为3.717。对CRT=3与其他组合分数进行Wilcoxon秩和检验，双尾检验z=1.982, p=0.047;没有其他比较接近显著性。最后选择的平均排为3.00,4.227,4.056和4.324，平均为3.960。CRT=0的人降低了彩票的风险，而其他所有组都增加了风险。对CRT=0和其他组合分数的Wilcoxon秩和检验得出z=3.345, p=0.001，双尾检验。在两两测试中，CRT=0的最终赌博选择与所有其他分数显著不同。分别与CRT=1、2、3比较，z=2.356、z=2.093、z=3.245, p=0.050均显著。这些结果一般支持假设4。

　　表5 CRT分数和选择的赌局

　　之前的研究(如Charness & Gneezy, 2012)发现了风险态度的性别差异。我们的数据支持这一观点。图2显示了男性和女性选择的初始行和最终行的累积分布。

　　图2

　　

　　在练习前和练习后所选行的差异，由有利的实现。注:我们排除了恰好有12个实现的观察，因为对它们的结果既不有利也不不利

　　我们发现，在开始和最后选择的位置上，性别之间存在差异。对初始选择的Kolmogorov-Smirnov检验在双尾(单尾)检验中得出p=0.064(0.032)。女性不仅一开始更厌恶风险，而且随着经验的增加，这种差异也会大大扩大。对于选定的最后一行，初始选择的Kolmogorov-Smirnov检验在双尾(单尾)检验中给出p=0.002(0.001)。在20例(38例中)男性改变赌博的案例中，16例是在所选的行中增加的。二项检验给出z=2.683, p=0.006，单尾。这支持了假设5的第一部分。在34例(61例中)女性改变赌博的案例中，20例在选择的行中增加(z=1.029, p=0.196，单侧)。女性的初始和最终赌博的相关性(0.557)高于男性的相关性(0.441)，但差异无统计学意义(p=0.471)。

　　我们还可以检查行期望值的差异。性别之间的差异就像使用行号一样。对于初始选择，Kolmogorov-Smirnov检验给出的单尾检验的p=0.025证明了我们的假设。对于选定的最后一行，Kolmogorov-Smirnov检验在单尾检验上给出p=0.010。脚注10

　　因此，改变行数的男性更有可能移动到增加行数的位置，而女性则不会。我们只能推测为什么会出现这种情况。考虑那些在最初的赌博中选择第1行或第2行的人的最终选择是很有趣的。有5名男性这样做了，他们都没有选择第1排或第2排来进行最后的赌博。另一方面，有12名女性在第一次赌博时选择了第1行或第2行，其中9人在最后一次赌博时选择了同样的赌博。即使是这么小的样本，比例检验也给出了z=2.823, p=0.005的双尾检验，来证明性别之间的差异。这否定了假设5的第二部分。

　　这表明，风险保守型女性比风险保守型男性更有可能坚持自己最初的观点。也许在练习之前，女性比男性对自己的风险偏好有更好的感知。但所有这些都是推测，也是未来研究的主题。

　　其中一个问题涉及24个练习周期中(不利)结果的影响。鉴于人们普遍相信“热手”(以及它的明显存在:参见Bennett等人，2010;州,2012;Miller & Sanjurjo, 2018)，人们可能会期望在掷骰子中出现正序列相关性。然而，人们也可能普遍相信“平均定律”，这将对应于负序列相关。总的来说，即使这些影响存在，它们也可能在数据中消失。很可能24次掷骰子得到的正面和负面结果的数量大致相同;如果极端的结果是触发这种信念的必要条件，那么数据中可能几乎没有证据。关于骰子有记忆的信念在人群中可能并不那么普遍。

　　事实上，我们没有发现任何证据表明在练习期间积极结果的比例有影响。图2显示了最后一排和最初的赌局之间的差异的CDF，这取决于超过一半还是少于一半的练习掷骰是有利的。没有证据表明行选择的变化是由实践掷骰的结果驱动的，这支持假设3。累积分布的Kolmogorov-Smirnov检验在双尾检验中得出p=0.829。如果说有什么不同的话，那就是当结果不平衡时，人们似乎更期待平均法则，而不是热骰子手，在起作用。这些结果通过对最终选择的赌博的偶数实现数的有序回归分析得到证实。性别和初始赌局选择的系数具有统计学意义。这可以在附录D中看到。

　　我们可能也想知道，人们对所选择的最常见赌博的看法是否一致。这可能是一个有用的预测，如果有高度的一致性和信念很容易引出。事实上，被激励猜测最频繁选择的赌博和最终选择的赌博之间的相关性很高(0.53)，而且相当显著。

　　最后一点是，营销文献中的证据(例如，见Neumann et al.， 2016)表明，当人们没有完全意识到自己的偏好或不太注意时，他们可能会选择中间的某个中立决定。“中间决策”避免走极端。因此，人们会认为做出这些中间选择的人对这些选择不那么自信。事实上，我们发现最初选择中间(第3行或第4行)彩票的参与者最终选择不同彩票的可能性(81.6%对27.5%)几乎是最初选择其他行彩票的参与者的三倍。比例检验表明，这种转换率的差异具有统计学意义(z=3.708, p=0.000)。

　　一个悬而未决的问题是，人们学到了什么，促使他们改变自己的决定，变得更能承受风险?他们是在学习任务还是他们自己的喜好?

　　我们选择基于egg的风险激发任务是因为它很简单。考虑到这种简单性，人们可能会认为这个任务没有太多需要学习的东西，因为所有的信息都已经给出了，而且(我们认为)很容易理解。每个事件的概率都是50%，收益结构也很简单。然而，我们的后续调查表明，即使有了这个“简单”的任务和一个相当复杂的受试者池，相当多的受试者仍然难以理解预期的回报和彩票的方差。

　　为了阐明人们学到的东西，退出调查问受试者:“你为什么在第一和第三部分之间改变或维持你的决定?”对这个问题的回答是有用的，并指出了一些不同的学习方向。为了分析这些评论，我们根据附录b中表B5所示的类别对它们进行分类

　　在我们的实验中，有54名受试者在学习部分结束后改变了最终决定，我们的分类过程根据他们的评论对他们进行了排序，如表6所示。我们可以看到主题学习的过程是朝着不同的方向发展的，其中一些学习到了我们在设计中试图避免的不良结果。

　　表6改变决定的比例和改变的方向，按类别分列

　　首先，一些受试者决定对冲(分散)他们最初和最终的决定，即使我们试图通过只支付一次赌博来消除对冲行为。另一个学习问题是，人们可能会对骰子形成偏见，要么遭受正序列相关(“热手”)，要么遭受负序列相关(“平均法则”)。为了最小化这种影响，我们尝试进行足够重要的学习试验，以减少这种不受欢迎的学习过程。然而，正如前一节所示，没有证据表明实践滚动的结果驱动行选择的变化，至少在总体上是这样，因此这种学习模式并不能解释为什么受试者变得更有风险容忍度。

　　最后，基于这些评论，我们观察到我们之前提到的两个学习过程，它们可能是经验和学习在风险引发中的核心作用。第一个是更好地了解风险激发任务，根据评论，我们观察到很少有受试者在这一类别中。这些受试者直接提到他们更好地学习/理解了任务，特别是回报结构(预期回报和彩票的方差)。第二是了解你的偏好，我们将其标记为LP类别。基于这些类别，我们可以比较这些不同的学习模式如何影响决策，以及它们是否使受试者变得更(或更少)具有风险承受能力，如表6所示。

　　根据表6，我们可以看到，学习自己的偏好(LP)或关于任务(LT)是使受试者更具风险承受能力的主要驱动因素。在这两种情况下，20人中有18人(90%)在最后的赌博中选择了比最初更大的风险。根据二项检验(z=3.58, p < 0.001)，这种差异不是随机的。相比之下，选择风险增加的比例为64%(22 / 34)。在比例的双尾测试中，z=2.05, p=0.040，因此，了解一个人的偏好或手头的任务，会显著增加冒险的风险。

　　我们发现，大多数人(99人中有54人)在体验了假设的选择、结果和回报后，改变了他们对彩票的选择。此外，这些变化的模式不是随机的:对于那些改变的人来说，人们有一种强烈的倾向，即选择风险更大、预期回报更高的彩票。我们认为，后一种选择更有可能反映出更明智的偏好，这可能更好地代表了现场环境。我们让我们的实验尽可能让参与者亲自动手，要求他们自己掷骰子，然后用手输入结果。我们想知道，在多大程度上，通过给受试者提供任务或消费选择的经验，这些任务(或许多其他任务)的启发可以提供更多信息。

　　我们没有看到证据表明人们会根据骰子是否“幸运”来做出最终的赌博选择。原则上，骰子应该是没有记忆的，但人们可能会期望有正(“热手”)或负(“平均定律”)的序列相关性。在某种程度上，这些信念是存在的，它们似乎是抵消的，并且在行为上没有差异，这取决于是否发生了更多(或更少)有利的实践结果。然而，我们也从实验结束后受试者的评论中得到了不同的证据。一些人在评论中说，他们试图选择期望收益最高的彩票，这就是他们改变彩票选择的原因。另一方面，一些学生表示，尽管他们注意到第五排的预期收益最高，但他们选择了更安全的最终彩票。我们确实发现，对学习偏好或学习任务做出评论的人比其他人更明显地增加了最终赌博的风险。

　　如果损失厌恶适用于假设的赌博，并且参考点介于高收益和低收益之间，人们会预期损失“比收益更大”，人们在经历之后会做出更保守的选择。但如果这种影响存在，它就会被任务的沉浸感所淹没。

　　很明显，在对我们的任务进行了练习之后做出的选择会朝着更大的风险和更高的预期回报的方向变化。我们强烈认为，研究人员应该在实验室和其他地方探索更好的启发方法。一次性任务可能是不够的:即使是像我们这样简单的任务，受试者也需要时间来理解正在发生的事情。我们建议研究人员在设计和实施启发任务时考虑这些发现。

　　以下是电子补充材料的链接。

　　下载原文档：https://link.springer.com/content/pdf/10.1007/s11166-023-09413-3.pdf