基于公平偏好的第三方惩罚模型

发布时间：2018-11-10 13:33

【摘要】：传统的"理性人"假设现在越来越多的受经济学其他分支的广泛质疑,现实生活中的大量现象都与传统经济学理论的预期相违背。行为经济学和实验经济学通过各种实验证明了人们决策时不仅会考虑绝对收益,还会受到各种心理因素的影响,其中包括公平、意图、合作、社会福利等,而公平偏好是其中一个重要的影响因素。在我们的现实生活中,经常能够看到一些"路见不平,拔刀相助"、"见义勇为"的现象。我们在看到其他人的利益受损时,即使与自身无关,也会惩罚那些欺负他人的人。如今,社会依然可以经常看到惩恶扬善、见义勇为的行为,新闻关于这方面的报道也屡见不鲜。学者们对于心理因素如何能够影响人的效用,进而影响人的行为和决策,建立了各种各样的模型。其中,Rabin(1993)的模型被认为是最早的一个基于公平偏好的效用函数模型。之后,学者们相继提出各种模型函数,将诸如动机、善意、互惠、社会福利等多种因素放入模型中,通过解决个人效用最大化问题解释个体行为。之前学者所使用的效用函数主要以x+f形式为主,其中x为个人自身获得的收益,f为学者对心理学相关的其他因素量化表示以影响个人效用。对于f部分,文献主要存在两种常见形式,一种是研究收益之间的差异对个人效用造成损失,包括主观意图是善意还是恶意、结果的差异;另一种是研究社会总福利对效用水平的影响,认为人们不仅关心自身收益,同时也关心社会总福利。但这种形式的缺陷是显而易见的,由于x取一阶线性的形式,且与其后面的心理学因素f为直接相加,不便于分析变量之间的相互影响。尤其一阶形式在微分过程中会退化为常数项,无法用一阶条件去求解实验中分配的效用最大化问题。由于之前学者们对基于公平偏好的框架中,并没有可以对第三方惩罚实验结果进行理论分析的模型。本文在传统公平偏好模型的基础上,提出了对实验者对不同身份的其他实验者的收益有不同的不公平厌恶系数,得到了加入个人对他人与他人之间收益不公平的效用损失函数,分别采用线型和对数型的效用函数模型来分析惩罚者和独裁者的行为,分析了第三方惩罚者的惩罚量与分配者对自己的分配数量、自身初始禀赋以及对他人不公平厌恶系数关系。从效用函数模型的角度解释了第三方惩罚博弈中,惩罚者的行为及其相应的影响因素。
[Abstract]:The traditional "rational man" hypothesis is now more and more questioned by other branches of economics, and a large number of phenomena in real life are contrary to the expectations of traditional economic theory. Behavioral economics and experimental economics have proved through various experiments that people not only consider absolute benefits in their decisions, but also are influenced by a variety of psychological factors, including fairness, intention, cooperation, social welfare, etc. Fairness preference is one of the important factors. In our real life, we can often see some "uneven road, pull the knife to help", "act bravely" phenomenon. When we see other people's interests hurt, we punish those who bully them, even if they are not themselves. Today, society can still see punishment for good, acts of courage, the news about this aspect of the report is not uncommon. Scholars have established a variety of models on how psychological factors can affect human utility, and then affect human behavior and decision-making. , Rabin (1993) is considered as the earliest utility function model based on fair preference. After that, scholars put forward a variety of model functions, such as motivation, goodwill, reciprocity, social welfare and other factors into the model, and explain individual behavior by solving the problem of maximization of individual utility. Previously, the utility function used by scholars is mainly in the form of x f, where x is the income of the individual and f is the quantification of other factors related to psychology to influence the individual utility. For the f part, there are two common forms in the literature. One is the difference between the income and the loss of personal utility, including whether the subjective intention is benign or malicious, and the difference of the result; The other is to study the influence of the total social welfare on the utility level, and think that people not only care about their own income, but also care about the general social welfare. However, the defects of this form are obvious. Because x takes the first order linear form and adds directly to the psychological factor f behind it, it is not convenient to analyze the interaction between variables. In particular, the first-order form will degenerate into a constant term in the differential process, and the first-order condition can not be used to solve the utility maximization problem in the experiment. There is no theoretical model to analyze the experimental results of third party punishment in the framework of fairness preference. On the basis of the traditional fair preference model, this paper puts forward different unfair loathing coefficients for the benefit of other experimenters with different identities, and obtains the utility loss function of unfair income between others and others by adding individuals. The utility function models of linear type and logarithmic type are used to analyze the behavior of the punishing and dictators, and the amount of punishment of the third party and the amount assigned by the allocator to themselves are analyzed. Its own initial endowment and the relationship of unfair loathing coefficient to others. From the perspective of utility function model, this paper explains the behavior of the penalty player and its influence factors in the third party penalty game.
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：C934

【相似文献】

中国期刊全文数据库 前10条

1 王延章;冯长利;;模糊消费效用函数及其初步应用[J];数量经济技术经济研究;1986年06期

2 谢胜智;实际效用函数的测定方法[J];财经科学;1995年02期

3 胡振飞;“好赌行为”与收入效用函数[J];企业改革与管理;2001年02期

4 侯万春;理念效用函数及其应用[J];山东经济;2001年02期

5 徐清振;宋丽;;常见效用函数下临界保费的计算[J];牡丹江师范学院学报(自然科学版);2006年03期

6 王李;;间接效用函数的政策应用分析[J];黎明职业大学学报;2006年02期

7 刘华军;;品牌效用函数及消费者品牌选择行为分析[J];山东财政学院学报;2006年04期

8 严斌;董进全;;指数效用函数及其应用[J];统计与决策;2006年23期

9 王海鹏;;中国股市制度形成与变迁中的国家效用函数:新制度经济学的分析[J];市场周刊(理论研究);2008年02期

10 张炳侠;;效用函数的存在性[J];华北水利水电学院学报;2008年01期

中国重要会议论文全文数据库 前9条

1 姜树元;姜青舫;;功能分析的效用函数方法[A];决策科学理论与方法——中国系统工程学会决策科学专业委员会第四届学术年会论文集[C];2001年

2 韩中庚;;非线性连续型效用函数的构造方法及其应用[A];第四届全国决策科学/多目标决策研讨会论文集[C];2007年

3 谢浩;;基于效用函数的灭火救援作战方案优选模型[A];2014中国消防协会科学技术年会论文集[C];2014年

4 孔艳芳;董长瑞;;城镇化进程中农村集中居住的经济学分析[A];《资本论》与新型城镇化问题研究——陕西省《资本论》研究会2013年学术年会论文集[C];2014年

5 刘树人;;基于指数效用函数的最优投资组合分析[A];第四届全国决策科学/多目标决策研讨会论文集[C];2007年

6 张伟男;庞浩;张溢华;陈前斌;阎英;;一种TD-HSUPA基于效用思想的调度方法[A];2009年全国无线电应用与管理学术会议论文集[C];2009年

7 胡日东;王志江;;基于决策者效用函数上的目标规划模型[A];面向复杂系统的管理理论与信息系统技术学术会议专辑[C];2000年

8 曹阳;宋菁;韩明;;微生物法与传统的湖泊治理技术比选中的目标效用函数分析[A];2008中国环境科学学会学术年会优秀论文集（上卷）[C];2008年

9 孔艳芳;董长瑞;;农村集中居住的经济学分析[A];中国《资本论》年刊（第十一卷）[C];2014年

中国重要报纸全文数据库 前7条

1 上海交通大学 胡海鸥;效用函数自变量对满足程度的影响[N];上海金融报;2002年

2 王彬 南开大学法学院;法官效用函数与法官行为[N];中国社会科学报;2010年

3 皮建才;伊拉克战争与效用函数[N];国际金融报;2003年

4 广发期货发展研究中心 邹功达 许江山;从税收角度看中西方的闲暇消费[N];期货日报;2009年

5 赵晓;企业生存的“三条底线”[N];中国信息报;2002年

6 美国加州大学商学院教授 孙涤;人的理性和动物精神[N];南方周末;2011年

7 宋小川;幸福和快乐可以测量吗[N];光明日报;2007年

中国博士学位论文全文数据库 前2条

1 方毅;股市行为特征研究[D];吉林大学;2008年

2 王伊蕾;理性安全两方计算中的公平性研究[D];山东大学;2014年

中国硕士学位论文全文数据库 前10条

1 李文涛;基于效用函数天然气管道可靠性研究[D];西安建筑科技大学;2015年

2 王勇;基于交替方向乘子的无线传感器网络分布式控制算法研究[D];华中师范大学;2015年

3 周涛;基于乘客出行价值效用函数的P&R规模预测研究[D];北京交通大学;2016年

4 相文钰;基于非线性效用函数的零售商最优返券策略[D];电子科技大学;2016年

5 蒲翔;不同层级铁路出行在城市群通道内部的效用函数研究[D];东南大学;2016年

6 吴红兵;基于风险效用函数的移动云计算卸载切换策略研究[D];哈尔滨理工大学;2016年

7 王童;基于公平偏好的第三方惩罚模型[D];山东大学;2017年

8 李思远;远期效用函数：介绍，，刻画和具体模型[D];上海交通大学;2013年

9 李s

本文编号：2322609