治疗白癜风要多少钱 http://m.39.net/pf/bdfyy/bdfrczy/会议
直播
论文
热点
视频
经典解读——观察学习：来自随机自然田野实验的证据编译｜李耕编辑｜Dreamer、薛敏东坡肘子——眉州东坡餐馆最受欢迎的菜品之一。“东坡肘子来了！”当一盘撒了绿葱花儿的油亮肘子被端上桌时，酱香四溢，数双筷子顿时一齐伸了过去……传说，东坡肘子是由东坡先生创制的，一句《猪肉颂》的“早晨起来打两碗，饱得自家君莫管。”更是让其余味悠长。而今，流传千年独具特色的“东坡味道”，成为独立于八大菜系之外，唯一以人名命名的菜系——东坡菜系。这个极具地方特色的菜系在眉州东坡的经营下深受全国各地顾客喜爱，其创制的眉州东坡宴被评为“中国名宴”。眉州东坡自年创立以来，现旗下有“眉州东坡酒楼”、“王家渡火锅”、“眉州小吃”、“眉州私家厨房”、“小渡火锅”五大业态，60多家分店。随着业务板块的拓展和消费不断升级，如何提升消费者的用户体验，设计出有生命力的菜单成为了眉州东坡继续拓展业务的筹码。菜单是顾客和餐馆之间相互了解的桥梁。对于餐馆而言，可以通过观察客人点菜、统计点菜率等信息，了解菜单设计是否合理。对于顾客而言，他们可以通过菜单了解餐厅的菜品特色、市场定位、经营风格等。消费者是否会通过观察他人行为影响自身决策？观察中学习的机制又是什么？社会学习（个人向他人学习）主要有直接交流和在观察中学习两种渠道，二者的主要区别在于学习行为发生时个体之间的临近性（无论是在时间还是在空间上）是否重要。观察中学习要求每组观察者面临的决策问题相同，个体之间的临近性不那么重要。而直接交流则要求学习者与被学习者之间的临近性。区分这两种渠道非常重要，因为其会关系到*策制定者制定不同的*策。来自香港大学的蔡洪滨、北京大学的陈玉宇和宾夕法尼亚大学的方汉明于年在国际顶级期刊《TheAmericanEconomicReview》发表论文“ObservationalLearning:EvidencefromaRandomizedNaturalFieldExperiment”，文章采用考察消费者在餐馆点菜的实验方式，为观察学习效应提供直接依据，聚焦个体决策为什么会受到观察他人行为的影响。1
实验背景
作者在本文中利用田野实验的方法验证观察中学习的直接证据，有三种可能的作用渠道：?信息内容渠道，即他人的行为中包含自己需要的信息。?凸显效应渠道，即观察他人的选择使得这些选择比其余的选择更加凸显，尤其是决策者没有意识到全部的可选择集时，选项中不同的凸显度会直接影响决策者的选择行为。?从众效应。实验在国内一家连锁川菜餐厅“眉州东坡”开展，眉州东坡在菜品质量和价格方面处于中游，在北京共有13家分店，每家分店大约有50张桌子，所有分店的菜单均相同，大约有60道左右的热菜和若干道凉菜。在实验中，就餐者以桌为单位被随机划分为三组：?控制桌（Controltables），除常规菜单外，不提供关于餐品的其他信息。?排序处理桌（Rankingtreatmenttables），在桌上按顺序展示实验前一周最受欢迎的前5道菜。?凸显处理桌（Saliencytreatmenttables）：在桌上按随机顺序展示5道样本菜（Sampledishes），其中3道是实验前一周最受欢迎的前3道菜，其余是随机选取的2道菜。随机化分为两步：第一，在北京的13家分店中随机选择5家分店摆放排序处理桌，4家摆放凸显处理桌；第二，每家分店的桌子再被随机分为实验组和控制组。如下图所示，左边是排序处理桌上展示的菜品样例，右边是凸显处理桌上展示的菜品样例。2
实验原理
本文主要想验证观察学习中的信息内容渠道和凸显效应渠道。那么作者的实验设计如何排除掉其他渠道呢？第一，实验期间摆设在处理组桌上的5道菜是之前一周最受欢迎的5道菜，处理桌上的客人不太可能和上一周的客人进行直接交流。第二，由于实验前后各家的菜单并未改变，因此学习者与被学习者面临的决策问题是相同的。第三，从众效应也不太可能发生，因为以往文献指出从众压力往往在学习者直接面对被学习者的时候才会出现。按照作者思路，利用排序处理的5家餐厅，估计出排序处理效应；利用凸显处理的4家餐厅，估计出纯凸显效应；作差即为净/纯观察学习效应。这同样是双重差分（DID）结果，相当于把凸显处理组作为排序处理组的反事实：即在凸显处理组估计出的凸显效应是排序处理组的凸显效应的无偏估计。既然文章通过随机实验的方法完成对处理餐厅和处理控制桌的分组，那么只要随机化在餐厅层面和桌子层面是成功的，即不同餐厅和不同桌子之间不存在系统性且无法观测的差异，那么DID结果就是无偏的。然而这也不一定完全成立，因此作者把排序处理效应和凸显处理效应分别利用实验前的数据做成了DID。最后再将这两种DID结果作差就得到了三重差分（DDD）的净/纯观察学习效应。以排序处理餐厅为例，利用实验前和实验后、处理组和控制组得到DID排序处理效应，同理得到凸显处理餐厅的DID凸显处理效应，作差即为DDD净/纯观察学习效应。此时识别成立的假设只需要每个餐厅的处理组和控制组满足平行假设即可，这样DID估计量就可以将处理组和控制组中看不见的且不随时间变化的与对展示菜品需求相关的因素排除掉。3
描述性统计
如上表所示，实验前5家排序处理餐厅的平均每桌消费.4元，每桌点4.61道菜；4家凸显处理餐厅的平均每桌消费.6元，每桌点4.59道菜。实验期间5家排序处理餐厅的平均每桌消费.6元，每桌点4.91道菜；4家凸显处理餐厅的平均每桌消费.9元，每桌点4.9道菜。4
实验结果
作者在回归分析中使用的观测值为账单-菜品层面。表3首先估计了排序处理效应，因变量表示某账单中某道菜是否被点，Treat表示账单所在的桌子是否是排序处理组，Topfive表示该菜品是否是前一周该餐厅最受欢迎的前5道菜。列1和列2使用OLS回归，列3和列4使用Probit回归，列2和列4分别加入每一账单点菜的总数和总消费，以及菜品和餐厅固定效应，标准误聚类到账单层面。根据表3，一道菜如果是该餐厅前一周最受欢迎的前5道菜，那么它被点到的概率显著更高（第2行），同时如果这5道菜在处理桌上按受欢迎的顺序展示出来，那么它被点到的可能性会更大（第3行）。表4的回归与表3类似，验证了凸显处理效应。Treat表示账单所在的桌子是否是凸显处理组，Displayed表示菜品是否在餐桌上列示。我们
