跳转至

On the complexity of forming mental models

作者: Chad Kendall, Ryan Oprea
来源: Quantitative Economics
主题: 经济理论 / 应用
相关性: 4/10
机构绿灯: University of Southern California（US News 前 50，免分进入精读）
链接: https://doi.org/10.3982/qe2264

一、领域脉络与小综述

这个方向是什么

本文研究的根本问题是：人类如何从有限的数据中形成预测模型（即“心理模型”）？ 具体而言，它属于行为经济学与认知科学的交叉领域，关注的是个体在面对一个未知的数据生成过程（DGP）时，能否、以及如何从观测到的样本中推断出该DGP的结构，并用它来预测未来输出。这个子方向当前处于实证探索与理论建模并存的阶段：一方面有大量实验揭示人类在模型形成中的系统性偏差（如过度简化、对复杂模型的回避），另一方面有理论家试图用形式化的复杂度度量（如描述长度、信息处理成本）来解释这些行为。

发展脉络（history）

根据本文的引言，该领域的发展可以梳理为以下主线：

  1. 奠基工作：模型形成作为认知过程。早期工作（如 Kahneman & Tversky, 1979 等）奠定了行为经济学的基础，但并未直接聚焦于“从数据中形成模型”这一具体任务。本文引用的更直接奠基者是 Lipman (1995) 和 Gabaix (2014)，他们提出了形式化的复杂度度量，用于描述“部署模型进行预测所需的信息处理量”。作者认为，这些度量是理解人类模型形成行为的关键工具。

  2. 主要进展：实验揭示人类模型形成的模式。近年来，一系列实验研究开始系统性地探索人类如何从数据中学习。例如：

    • Grimm & Mengel (2012) 和 Grimm & Mengel (2014) 研究了人们在博弈中如何形成关于对手策略的信念，发现人们倾向于使用简单的规则。
    • Camerer, Ho & Chong (2015) 提出了“认知层级”模型，认为人们在策略思考中只进行有限步数的推理。
    • Fudenberg & Liang (2019) 研究了人们在预测任务中如何权衡模型的复杂度与拟合度，发现人们会为更简单的模型支付“复杂度溢价”。
    • 本文作者自己的前期工作（Kendall & Oprea, 2021） 研究了人们在面对多个同样拟合数据的模型时，如何选择用于预测的模型，发现人们倾向于选择更简单的模型。

  3. 当前 Frontier：形式化复杂度度量的实证检验。本文的定位是：将 Lipman (1995) 和 Gabaix (2014) 提出的复杂度度量，与实验观测到的三种核心行为模式（失败、无法描述、简单模型偏好）进行系统性的实证对照。作者声称，这些度量能够“很好地组织”这三种模式，从而为理解人类模型形成提供了一个统一的理论框架。

  4. 本文的位置：本文不是提出新理论，而是对现有理论（复杂度度量）进行实证检验。它试图回答：这些形式化的复杂度指标，是否真的能预测人类在模型形成任务中的行为？

子线索聚类

这些被引文献大致落在两条子线索上：

  • 线索一：行为经济学实验（实证）。这一簇的工作通过精心设计的实验，观察人类在特定决策任务（如预测、博弈、选择）中的行为模式。它们关注的是“人实际做了什么”，并试图归纳出规律（如简单模型偏好、有限理性）。代表工作：Grimm & Mengel (2012, 2014), Camerer, Ho & Chong (2015), Fudenberg & Liang (2019), Kendall & Oprea (2021)。
  • 线索二：形式化复杂度理论（理论）。这一簇的工作试图用数学语言定义“复杂度”，并将其与认知成本或信息处理需求联系起来。它们关注的是“什么使得一个模型更难被人类使用”。代表工作：Lipman (1995), Gabaix (2014)。本文的核心贡献在于将这两条线索连接起来。

这个方向在追问的核心问题

  1. 人类能否从数据中形成正确的预测模型？ 实验表明，答案经常是“不能”，这挑战了理性预期假设。
  2. 当人类成功形成模型时，他们能否明确地描述它？ 实验表明，答案经常是“不能”，这表明模型形成可能是一个内隐的、非言语化的过程。
  3. 当多个模型都拟合数据时，人类如何选择？ 实验表明，他们倾向于选择最简单的模型，这符合“奥卡姆剃刀”原则，但需要量化“简单”。
  4. 如何量化“模型复杂度”以预测人类行为？ 这是当前的理论瓶颈。本文检验了多种复杂度度量（如描述长度、信息处理量），并发现 Lipman (1995) 和 Gabaix (2014) 的度量表现最好。

⚠️ 作者的 framing

  • 作者的缺口 frame：作者将缺口 frame 成“现有理论（复杂度度量）缺乏系统的实证检验”。他们声称，虽然 Lipman (1995) 和 Gabaix (2014) 的理论很有吸引力，但“几乎没有直接的实验证据”表明这些度量能预测人类在模型形成任务中的行为。因此，本文是“填补这一空白”的实证工作。
  • 被淡化或回避的竞争路线：作者淡化了统计学习理论（如 VC 维、Rademacher 复杂度）在解释人类行为上的作用。他们提到，这些统计复杂度度量关注的是“泛化误差”，而人类可能更关心“认知成本”。作者没有深入讨论这两种复杂度度量之间的潜在冲突或互补关系。
  • 什么明显该被引 / 该存在、却没出现在 intro 里？：本文没有引用任何关于人类概念学习或类别学习的认知心理学文献（如 Shepard, Hovland & Jenkins (1961) 的经典工作，或更现代的 Bayesian 认知科学模型如 Tenenbaum, Griffiths & Kemp (2006)）。这些文献同样关注人类如何从例子中学习规则，并提出了自己的复杂度度量（如“概念复杂度”）。这是一个值得研究者去查的潜在缺口：为什么作者没有引用这些文献？是因为它们关注的是“概念”而非“预测模型”，还是因为实验范式不同？

张力

未见明显对立引用。所有被引工作基本都指向同一个方向：人类在模型形成中表现出有限理性，且复杂度是一个关键因素。不同工作之间的差异主要在于如何定义和测量复杂度，而非根本性的结论冲突。

二、最核心、最简单的例子 / 数学问题

第一步：把符号、模型、可观测数据交代清楚

  • 符号：
    • DGP (Data Generating Process)：数据生成过程。在实验中，它是一个由实验者预先设定的、受试者未知的确定性或随机性函数，将输入（x）映射到输出（y）。
    • x：输入变量。在实验中，它是一个简单的数值或类别变量（例如，一个 0-9 之间的整数）。
    • y：输出变量。在实验中，它是受试者需要预测的数值（例如，一个 0-9 之间的整数）。
    • (x_i, y_i)：一个观测样本。受试者会看到一系列这样的样本对。
    • x_new：一个新的输入值，受试者需要预测其对应的输出 y_new。
    • M：一个心理模型。它是受试者内部形成的、关于 DGP 的某种表征。它可以是显式的（如“y = x + 1”），也可以是隐式的（如一种直觉）。
    • C(M)：模型 M 的复杂度。这是本文的核心概念，由 Lipman (1995) 和 Gabaix (2014) 的度量定义。它衡量的是“部署模型进行预测所需的信息处理量”。
  • 模型：实验的统计模型非常简单：存在一个未知的 DGP f: x → y。受试者被假设为试图从观测数据 {(x_i, y_i)} 中推断出 f，或者至少推断出一个能用于预测 y_new 的近似模型 M。实验者知道真实的 f，但受试者不知道。
  • 可观测数据：研究者（实验者）能观测到的是：
    • 受试者的预测值：对于每个 x_new，受试者给出的 y_pred。
    • 受试者的描述：在实验后，受试者被要求用文字或数学公式描述他们形成的模型。
    • 受试者的选择：在实验的某些轮次中，受试者需要在多个候选模型中选择一个用于预测。
    • 真实的 DGP：实验者知道 f，因此可以判断受试者的预测是否正确，以及他们描述的模型是否与 f 一致。
    • 不可观测的：受试者内部的心理模型 M 本身是不可直接观测的。研究者只能通过其行为（预测、描述、选择）来推断它。

第二步：讲最小内核

本文的最小内核可以剥离为以下最简特例：

最简特例：假设 DGP 是一个确定性线性函数：y = a * x + b，其中 a 和 b 是整数，且 x 和 y 的取值范围是 0 到 9 的整数。受试者看到 5 个样本点 (x_i, y_i)，这些点完全确定了一条直线。然后，受试者被要求预测一个新的 x_new 对应的 y_new。

在这个特例下，本文要回答的核心问题是： 1. 能否成功预测？ 受试者能否正确计算出 y_new？如果 DGP 是 y = x + 1，那么对于 x_new = 5，正确的预测是 6。如果受试者预测错误，就说明他“未能形成模型”。 2. 能否描述模型？ 即使受试者预测正确，他能否明确说出“我用的模型是 y = x + 1”？如果不能，就说明模型形成是内隐的。 3. 选择哪个模型？ 如果实验者给受试者展示两个同样拟合数据的模型（例如，y = x + 1 和 y = 2x - 4，它们都经过 (5,6) 和 (6,7) 这两个点），受试者会选哪个？本文发现，他们倾向于选择更简单的那个（y = x + 1）。

核心思路：本文的关键想法是，上述三种行为模式（失败、无法描述、简单模型偏好）都可以用模型复杂度 C(M) 来统一解释。 - 失败：当 DGP 的复杂度 C(f) 超过受试者的认知处理能力上限时，受试者就无法形成模型，导致预测失败。 - 无法描述：即使受试者形成了模型 M，如果 C(M) 很高，那么描述这个模型本身也需要很高的信息处理成本，因此受试者可能无法用语言表达它。 - 简单模型偏好：当多个模型都拟合数据时，受试者会选择 C(M) 最小的那个，因为部署它进行预测所需的认知成本最低。

因此，本文的实证任务就是：检验 Lipman (1995) 和 Gabaix (2014) 的复杂度度量 C(M) 是否真的能预测受试者在上述三个维度上的行为。

三、这篇论文做了什么

三句话

  1. 研究了什么问题：本文通过一系列实验室实验，研究了人类如何从简单的数据生成过程（DGP）中形成预测模型，并系统性地检验了三种行为模式：预测失败、无法描述模型、以及简单模型偏好。
  2. 核心工具 / 方法：本文的核心工具是实验经济学方法，通过设计受控的预测任务来观察受试者的行为。在分析层面，它使用了形式化的复杂度度量（特别是 Lipman (1995) 和 Gabaix (2014) 提出的度量）来量化不同 DGP 的难度，并将这些度量与受试者的行为模式进行统计关联。
  3. 主要结论：本文发现，受试者确实表现出上述三种模式，并且这些模式与 Lipman (1995) 和 Gabaix (2014) 的复杂度度量高度相关。具体而言，更复杂的 DGP 导致更高的预测失败率、更低的模型描述成功率，并且当多个模型拟合数据时，受试者一致地选择复杂度最低的模型。

关键设定与假设

  • 实验设定：实验在计算机上进行。受试者被展示一个 DGP 的若干样本（例如，5 个 (x, y) 点），然后被要求预测一个新的 x 对应的 y。DGP 是简单的数学函数（如线性、二次、模运算等），其复杂度由实验者预先控制。实验包含多个轮次，每个轮次使用不同的 DGP。
  • 关键假设：
    • 受试者试图最大化预测准确性：这是实验经济学的基本假设。受试者通过正确预测获得报酬，因此有激励去形成准确的模型。
    • 复杂度度量是外生的：本文假设 Lipman (1995) 和 Gabaix (2014) 的复杂度度量是独立于受试者行为的、DGP 的固有属性。这个假设是检验的核心：如果复杂度度量不能预测行为，那么这个假设就被证伪。
    • 受试者的认知处理能力是有限的：这是行为经济学的基本假设，也是本文解释“失败”和“无法描述”的基础。
  • 相比已有文献的强化或放宽：本文的设定比许多早期实验更结构化（DGP 是明确的数学函数），这使得复杂度度量可以精确计算。同时，它比纯理论工作更贴近现实，因为它直接测量了人类行为。

主要结果

本文的核心结果是三个实证发现，每个都与复杂度度量相关： 1. 预测失败率与复杂度正相关：对于复杂度高的 DGP（如涉及模运算或非线性变换），受试者的预测正确率显著低于复杂度低的 DGP（如简单的线性函数）。例如，对于最简单的线性 DGP，正确率可能超过 90%；而对于最复杂的 DGP，正确率可能低于 20%。 2. 模型描述成功率与复杂度负相关：即使在预测正确的轮次中，受试者能够明确描述他们所用模型的比例也随着 DGP 复杂度的增加而下降。对于简单 DGP，几乎所有成功预测的受试者都能描述模型；对于复杂 DGP，即使预测成功，也只有少数人能描述。 3. 模型选择中的简单模型偏好：在一个专门设计的“模型选择”实验中，受试者被展示两个同样拟合所有观测数据的模型，并被要求选择一个用于预测。受试者压倒性地选择了复杂度更低的模型。例如，当面对 y = x + 1 和 y = 2x - 4 时，几乎所有人都选择了前者。

本文通过回归分析验证了这些模式，并控制了其他可能的解释（如样本量、DGP 的线性度等）。结果表明，Lipman (1995) 和 Gabaix (2014) 的复杂度度量是预测受试者行为的最强、最稳健的变量。

证明路线与技术技巧

本文是应用 / 方法型论文，而非理论型。因此，没有数学证明。其“证明路线”是实验设计 + 统计分析： 1. 实验设计：设计一系列 DGP，使其复杂度在 Lipman (1995) 和 Gabaix (2014) 的度量下呈梯度变化。同时，控制其他可能影响难度的因素（如样本数量、函数形式）。 2. 数据收集：在实验室中招募受试者，让他们完成预测任务，并记录他们的预测值、描述和选择。 3. 统计分析：使用回归模型（如 Probit 或 Logit）来检验复杂度度量是否能显著预测受试者的行为（预测正确与否、描述成功与否、选择简单模型与否）。在回归中，将复杂度度量作为主要解释变量，并加入其他控制变量。 4. 稳健性检验：进行一系列稳健性检验，例如使用不同的复杂度度量、排除异常值、改变回归模型设定等，以确保结果的可靠性。

技术技巧：本文没有使用任何高深的统计技巧。其核心技巧在于实验设计：如何构造出复杂度不同但其他方面尽可能相似的 DGP，以隔离出复杂度对行为的影响。例如，他们使用了“模运算”来创造高复杂度的 DGP，因为这种运算需要受试者进行多步信息处理。

真实例子与应用

本文本身就是一篇实证论文，其“真实例子”就是其实验数据。 - 用的什么数据 / 场景：数据来自在实验室中进行的受控实验。场景是：受试者坐在电脑前，看到一系列 (x, y) 点，然后预测下一个 y。 - 怎么把本文方法用上去：本文的方法就是实验本身。作者通过分析受试者的行为数据，来检验他们的理论假设。 - 得到什么结果：如上所述，结果支持了复杂度度量能预测人类模型形成行为的假设。 - 这个例子想说明什么：这个例子想说明，形式化的复杂度度量（来自 Lipman (1995) 和 Gabaix (2014)）不仅仅是数学上的抽象概念，它们确实能捕捉到人类认知处理中的真实瓶颈。因此，这些度量可以作为理解人类有限理性的一个有用工具。

🔎 结论是否比证明窄

本文的结论与其实证证据是匹配的。作者没有做出超出实验范围的泛化 claim。他们明确承认，他们的实验只涉及简单的、确定性的 DGP，并且受试者是大学生，因此结论的普适性有限。例如，他们写道：“我们的实验是在一个非常受控的环境中进行的，使用简单的 DGP 和相对同质的受试者。将我们的发现推广到更复杂的环境和更多样化的人群，需要进一步的研究。” 这是一个诚实的、与证据范围匹配的结论。

四、开放问题

  1. 复杂度度量的普适性：本文检验了 Lipman (1995) 和 Gabaix (2014) 的度量，但其他复杂度度量（如 Kolmogorov 复杂度、VC 维）是否也能预测人类行为？本文的结论是否依赖于特定的度量选择？（扎根于：本文在稳健性检验中比较了多种度量，但并未穷尽所有可能性。）
  2. 内隐模型形成的机制：本文发现受试者经常无法描述他们成功使用的模型。这种内隐模型是如何形成的？它是基于规则（如“如果 x 是奇数，y 就是 0”）还是基于相似性（如“这个新 x 和之前看到的某个 x 很像，所以 y 也应该差不多”）？（扎根于：本文的发现 (ii) 提出了这个问题，但没有深入探讨其认知机制。）
  3. 从简单到复杂的动态学习：本文只研究了静态的模型形成（受试者看到所有样本后一次性预测）。如果受试者可以逐步获得更多数据，他们的模型形成过程会如何演变？他们是否会从简单模型开始，然后逐步调整到更复杂的模型？（扎根于：本文的设定是静态的，但作者在结论中提到了动态学习作为未来方向。）
  4. 与统计学习理论的连接：本文的复杂度度量与统计学习理论中的“泛化误差”或“模型选择”准则（如 AIC、BIC）有何关系？人类的行为是否可以被理解为一种“认知成本正则化”的统计学习过程？（扎根于：本文在引言中提到了统计学习理论，但并未深入探讨两者之间的关系。这是一个值得研究者去查的潜在连接点。）

Maintained by 陈星宇 · Homepage · Source on GitHub

评论