《Experimental Economics》：Information preferences, reference points and hedonic editing: experimental evidence
编辑推荐：
研究人员通过实验调查了在收益域和损失域中对合并与分离信息的偏好，以及对时间偏好的偏好。实验设计基于信息偏好可能取决于参考点的想法。受试者参与两种金钱彩票，并选择如何接收结果信息。一半受试者的彩票被设定为两种收益彩票；另一半为两种损失彩票。根据Thaler (1
研究人员通过实验调查了在收益域和损失域中对合并与分离信息的偏好，以及对时间偏好的偏好。实验设计基于信息偏好可能取决于参考点的想法。受试者参与两种金钱彩票，并选择如何接收结果信息。一半受试者的彩票被设定为两种收益彩票；另一半为两种损失彩票。根据Thaler (1985)，可以预期人们希望分别了解收益彩票的结果，而损失彩票的结果则合并在一起（参见享乐编辑假说（hedonic editing hypothesis））。另一方面，Koszegi和Rabin (2009)提出的不同参考依赖模型依赖于基于期望的参考点，并预测受试者应偏好合并信息，无论框架如何。实验结果显示，受试者偏好分离收益信息，而对损失信息没有合并或分离的偏好。关于时间偏好，研究人员发现弱总体偏好更早接收信息。这些发现为信息偏好提供了新见解。研究人员最后讨论了政策含义以及对相关文献的额外贡献。
以下是根据论文内容撰写的解读文章：
**研究背景与问题**
信息偏好（information preferences）研究关注个体如何选择接收信息的方式：是分批（piecewise）还是合并（clumped），是尽早（sooner）还是推迟（later）。这一问题在政策沟通、组织管理和实验设计等场景中具有重要应用。现有理论存在分歧：Koszegi和Rabin (2009)（简称KR）基于期望参考点的模型预测，由于个体对信念波动（belief fluctuations）具有损失厌恶（loss aversion），因此普遍厌恶分批信息，偏好合并信息；而Thaler (1985)的享乐编辑假说（hedonic editing hypothesis）基于现状参考点（status quo reference point），认为个体倾向于分离收益（segregation of gains）和整合损失（integration of losses）。此外，Ely等人(2015)（简称EFK）提出悬念偏好（suspense preference）模型，预测个体享受悬念，从而偏好分批信息。早期实验在收益域中发现分批信息受欢迎（如Nielsen 2020; Kocher等人2014），而在损失域中发现合并信息受欢迎（如Falk和Zimmermann 2023），结果不一致。因此，本研究旨在同一实验中对比这些理论，同时分离时间偏好的影响。
**研究内容与结论**
研究人员设计了一个2×2被试间实验，包含收益/损失框架（Gain/Loss）与信息选项（合并-分批CP与早-晚SL）两个维度。在收益框架下，受试者参与两个收益彩票（分别可赢4欧元或22欧元）；在损失框架下，受试者获得52欧元初始余额，两个损失彩票可分别损失4欧元或22欧元。受试者选择如何接收结果信息：
- 在合并-分批（CP）条件中，选择在实验后第一天合并了解两个结果，或第一天了解一个结果、第二天了解另一个；
- 在早-晚（SL）条件中，选择在第一天或第二天合并了解两个结果。通过比较CP与SL的选择份额，分离出合并-分批偏好和时间偏好的影响。实验在Groningen实验经济学实验室（GREELab）进行，共401名学生参与，主要研究领域为科学、工程、经济学与计量经济学以及空间科学。
**主要技术方法**
关键方法为实验室二元选择设计。受试者参与两个独立且相同的金钱彩票，每个彩票的较优结果概率为10%（以增强统计功效，避免地板/天花板效应）。收益框架下直接支付，损失框架下从52欧元余额扣除。实验通过在线验证任务确保受试者实际接收信息，且工作量和支付时间在所有选项间保持一致。样本来源于GREELab被试库，未包括心理学和商科学生，也未邀请第三年经济学与计量经济学学生。
**研究结果**
**4.1 合并-分批偏好**
通过OLS回归比较CP与SL条件中选合并选项（Clumped1）的比例。在收益域中，GainCP条件选Clumped1的比例（41%）显著低于GainSL条件（约55%），支持Thaler (1985)关于分离收益的预测（系数负显著，p<0.05）。在损失域中，LossCP与LossSL无显著差异（系数为负且不显著），未发现损失整合偏好。池化数据后，CP的负系数在10%水平显著，弱支持EFK的悬念偏好，但该效应主要由收益域驱动（差异-差异估计在10%水平显著）。这一结果不支持KR的合并偏好预测。
**4.2 时间偏好**
在SL条件下，56%的受试者偏好早信息（Clumped1），弱显著（二项检验p=0.09），符合KR的弱早信息偏好预测。收益与损失框架间无显著差异（GainSL 55% vs LossSL 57%）。
**4.3 与理论的关系**
数据部分支持Thaler (1985)：收益域分离偏好显著，损失域无偏好。KR的合并预测未获支持，但其时间预测成立。EFK的悬念偏好得到弱支持。可能的解释是异质性：部分受试者具有Thaler式偏好，部分具有EFK式偏好。
**讨论与结论**
**讨论**：研究人员将结果与现有文献比较，发现收益域中分批信息偏好的普遍性（如Nielsen 2020，Kocher等人2014，Zimmermann 2014）与本研究一致；损失域中合并偏好的证据（Falk和Zimmermann 2017, 2023）在本研究中不显著，但其他研究（如Gul等人2022，Lee等人2024）在损失框架下得出类似无偏好的结果。时间偏好方面，弱早信息偏好与多数文献一致（如Brown & Kim 2013）。研究还指出，现有理论无法完全解释结果，但收益-损失区分对信息偏好至关重要。
**结论翻译**：
“我们研究了在收益框架和损失框架下对合并与分批信息以及早与晚信息的偏好。我们的收益-损失变化源于现状参考点可能影响信息偏好的想法。具体而言，我们将Thaler (1985)的享乐编辑假说重新解释到信息偏好情境中，从而预测受试者偏好收益域的分批信息和损失域的合并信息。由于我们将信息偏好文献与享乐编辑假说联系起来，我们实现了比以往研究更全面的设计。我们以三种方式做出贡献。首先，我们首次在2×2设计中同时检验收益和损失框架下的合并-分批和时间偏好，发现受试者偏好分批收益信息，对损失信息无明确偏好，且弱偏好早信息。这对政策制定者、管理者及研究人员有启示。其次，我们比较了理论，发现数据未完全支持任何模型，但分域结果部分支持Thaler (1985)，池化结果弱支持Ely等人(2015)，且将参考点基础讨论引入信息偏好文献。最后，我们将享乐编辑假说联系到一个有激励的新框架，复现了早期假设性文献的部分模式。”
