[论文解读] Over-representation of Extreme Events in Decision-Making: A Rational Metacognitive Account

Ardavan Salehi Nobandegani, Kevin da Silva Castanheira+2 more|arXiv (Cornell University)|Jan 30, 2018

Decision-Making and Behavioral Economics参考文献 30被引用 7

一句话总结

本文提出了一种规范性、元认知模型，从时间约束的角度理性解释了为何人们在决策中过度代表极端事件。通过在小样本和大样本情况下均优化重要性抽样，该模型解释了可得性偏差与四重风险偏好模式，为认知偏差提供了资源理性解释，整合了先前模型，并预测了在极端时间压力与长时间思考下表现的反直觉相似性。

ABSTRACT

The Availability bias, manifested in the over-representation of extreme eventualities in decision-making, is a well-known cognitive bias, and is generally taken as evidence of human irrationality. In this work, we present the first rational, metacognitive account of the Availability bias, formally articulated at Marr's algorithmic level of analysis. Concretely, we present a normative, metacognitive model of how a cognitive system should over-represent extreme eventualities, depending on the amount of time available at its disposal for decision-making. Our model also accounts for two well-known framing effects in human decision-making under risk---the fourfold pattern of risk preferences in outcome probability (Tversky & Kahneman, 1992) and in outcome magnitude (Markovitz, 1952)---thereby providing the first metacognitively-rational basis for those effects. Empirical evidence, furthermore, confirms an important prediction of our model. Surprisingly, our model is unimaginably robust with respect to its focal parameter. We discuss the implications of our work for studies on human decision-making, and conclude by presenting a counterintuitive prediction of our model, which, if confirmed, would have intriguing implications for human decision-making under risk. To our knowledge, our model is the first metacognitive, resource-rational process model of cognitive biases in decision-making.

研究动机与目标

• 为可得性偏差提供一种规范性、元认知的解释，该偏差传统上被视为非理性的。
• 形式化时间可用性应如何影响决策中重要性抽样分布的选择。
• 使用理性的、元认知的框架，解释结果概率与大小中的四重风险偏好模式。
• 开发一种在小样本和大样本情况下均保持最优的模型，与以往假设大样本的模型不同。
• 提供一种神经上合理、基于过程的、以资源理性为基础的认知偏差解释。

提出的方法

• 提出一种元认知模型，通过在时间约束下最小化期望效用估计的均方误差（MSE），选择重要性分布 q(o)。
• 使用拉格朗日优化方法，推导出最优重要性分布 q*meta ∝ p(o)|u(o)−E[u(o)]| × √(1 + 1/(|u(o)−E[u(o)]|√s))。
• 在重要性抽样分布中引入随样本量 s 变化的时变调整，使其在 s=1 时也有效。
• 使用渐近分析表明，当样本量趋于无穷大（s→∞）时，该模型退化为 Lieder 等人（2014, 2017）的模型。
• 应用詹森不等式，证明在 MSE 准则下所推导分布的最优性。
• 证明当样本量 s 较大时，该模型可将 Lieder 等人（2014, 2017）的模型作为特例包含在内，验证了其普遍性。

实验结果

研究问题

• RQ1 理性代理应如何根据时间可用性调整其心理模拟策略，以最小化决策中的估计误差？
• RQ2 人们为何在决策中过度代表极端事件，且这能否被理性解释而非视为非理性偏差？
• RQ3 能否通过单一规范性、元认知的过程模型解释概率与大小中的四重风险偏好模式？
• RQ4 该模型是否预测在极端时间压力（s=1）下的表现与长时间思考后的表现具有定性相似性？
• RQ5 是否存在认知偏差（如可得性偏差）的系统性、资源理性基础？

主要发现

• 该模型为可得性偏差提供了规范性、元认知的正当理由，表明其源于时间约束下的理性决策过程。
• 所推导的重要性分布 q*meta 在小样本和大样本情况下均最优，而以往模型假设样本量较大。
• 该模型能够统一解释结果概率与大小中的四重风险偏好模式。
• 实证证据支持一个关键预测：在高时间压力下，人们的风险偏好与长时间思考后的偏好一致。
• 该模型对其焦点参数的变化具有鲁棒性，表明其在不同决策情境中具有强泛化能力。
• 当样本量 s→∞ 时，该模型将 Lieder 等人（2014, 2017）的模型作为极限情况包含在内，证实了与先前工作的内在一致性。