这个专栏的标题叫“现在是幻想时间”,它专门用来记录一些我日常想到(但是我知道短时间内没机会做的)想法。然后也没写得特别严格,所以只是大致标注一下引文出处
一、引言
人们经常会对自己的能力过度自信[1][2](overconfidence)(Merkle and Weber, 2011)。在经典的Walton(1999)中,有显著高于50%的卡车司机报告说,他们觉得自己的开车技术比一般卡车司机都要来得好。后续也有不少研究证实了这种结论(1)(Burks et al., 2013; Benoit et al., 2015; Huffman, 2022)。
经济学家将过度自信现象分为两类(Benoit and Dubra, 2011):一类是“显然的过度自信(apparent overconfidence)”,一类是“真正的过度自信(true overconfidence)”。显然的过度自信指,人们之所以表现出过度自信(比如有超过50%的人认为自己比50%的人厉害),是因为他们对自己真实能力不确定,同时又只能接收到一些有误差的信号。我们下面举一个例子(这里我不用很多数学):比如说,假设世界上所有人的智商有0.5的概率是0,有0.5的概率是100。但是每个人都不知道自己的智商,他们只能收到一个关于智商的测试的分数(score)。假设这个分数有1%的概率会显示你的真实智商(假如是100,分数就是100;假如是0,分数就是0),但有99%的概率会显示100。那么在这种情况下,很多人都会接到100分的成绩,于是他们就会认为,自己大概率就是100分的人(毕竟给定接到100分的信号,自己智商是100的概率还是比0大)。
而真实的过度自信就是指你怀有错误的信念。比如说即使给人们大量的关于自己能力的信号,还是有超过50%的人认为自己比50%的人厉害。Huffman(2022)发现,商场经理就是如此。他们合作的公司每月会告知所有经理,他们的商场营业状况在所有商店中的排名。Huffman et al. 让经理预测自己未来两个月的表现,并使用了两个数据来表明经理有过度自信:(1). 用历史表现数据预测了每个经理未来2个月的表现 以及 (2). 两个月后他们实际的表现。他们发现经理普遍高估(47%的经理高估)自己的表现,并且这种偏误与他们的从业经历没有显著相关[3]。
那么为什么人们需要这种真实的过度自信呢?第一个原因是因为我们不止关心结果,还关心自己开不开心。过度自信可以让你感觉舒服,从而即使最后的结果不如理性情况,其实你也会很开心。
另一个原因则是为了约束自己: 你可以把自己分裂成两个人,一个人长视,一个人短视。长视的人可以操纵短视的人的预期。(这来自于Benabou and Tirole 2002年那篇有名的不得了的QJE。)我举个例子,现在你要决定是不是去参与一个健身的项目。此时你就分裂了,你被分为一个觉得未来健康重要的人与一个觉得现在去健身很痛苦的人。前者其实是你觉得”应该这么做,也想这么做”的自己,但后者是真正做决策的人。经常不是如此吗?你一开始想得很好,但在做决策那一刻反悔了,最后做完决策又后悔了。其实这就是你分裂的自己在不断占据主导权。
那么为了让自己去做应该做的事情,你的第一个自己就会夸大事情好的一面: 做锻炼100%可以让你瘦下来,让你变健康。你不断持有这个信念(显然你过度自信了),最后那个短视的自己也就会去锻炼。所以过度自信可能为了约束自己,让短视的自己去做长远考虑的事情。
二、我想做什么
为什么有人会走上学术道路?学术风险极大,尤其是我们进来很多老师都在劝不要轻易读博。想一想出去赚钱不是更快吗。
那么想一想假如大家都是理性人,会来读博的人大多是要么超聪明,要么风险厌恶程度很低的,要么超喜欢这个学科。但显然并不是都是如此的。
于是一个问题产生了。这是不是因为过度自信?是不是大家觉得自己都超聪明,都能读出来呢?有一篇JEBO就发现化学系研究生觉得自己读博的话,得到教职的比例会很高。
但是过度自信就是坏事吗?有很多研究就是要过度自信做下去才能走的。之前看胰岛素的发现,发现的科学家就说,他用的方法其实是之前人也用过的,只是他的测试物质技术更好。假如他去看了之前人的论文,他应该就不会做这个方向了。那么同样的,假如有些人看了别人的论文还觉得自己能做出来,他会不会同样也得到大发现呢?
所以我们这篇就想做一个人过度自信(在平均来看)会不会导致他的学术成就更好。
[1]. 当然也有特例,比如Clark and Friesen(2009)的实验发现人们没有过度自信。
[2]. 本文主要讨论的是overplacement。即一个人过度高估自己有多比别人好。其他过度自信的概念还包括overestimation(eg. 一个人对自己能做对多少题判断过高)与overprecision(eg. 一个人对自己估计的随机变量的方差估计过小)。这三个概念的区分见Moore and Healy(2008)。
[3]. 当然这篇文章的实证做得…比如说样本选择问题,比如说他们最后验证理论时没法做因果推断,所以他们是用结构模型的R方来做的。