动机推理中的性别差异

2022-4-24 19:00:18

动机推理中的性别差异*Michael Thaler+2021年7月摘要男性和女性对自己相对于他人的表现有系统的不同看法；尤其是男性更容易过度自信。本文为过度自信中的性别差异提供了一种解释，即绩效驱动推理，即人们扭曲他们处理新信息的方式，使他们相信自己优于他人。通过一个大型的在线实验，我发现男性受试者以有利于他们表现的方式扭曲信息处理，而女性受试者在两个方向上都没有系统地扭曲信息处理。在表现动机推理中，这些统计上显著的性别差异模仿了过度自信中的性别差异；男性受试者的信念在系统上过于保守，而女性受试者的信念在平均水平上得到了很好的校准。该实验还包括政治问题，并发现政治动机推理对男性和女性都是相似的。这些结果表明，虽然男性和女性总体上都容易受到动机推理的影响，但男性认为自己的表现优于其他人尤其有吸引力。JEL分类：J16；D83；C91；D91*我要感谢特邀编辑莱昂内尔·佩奇和两位匿名推荐人提供的有益建议。我还感谢阿尔贝托·阿莱西纳、克里斯蒂娜·埃克斯利、大卫·莱布森、马修·拉宾和马蒂·托马斯给我的宝贵反馈。我感谢哈佛商学院研究奖学金和埃里克·M·明迪奇人类行为基础研究基金的资助。该实验是我在哈佛大学时进行的，并被哈佛IRB（IRB17-1725）认定为豁免。+普林斯顿大学。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 19:00:24

电子邮件：迈克尔。thaler@princeton.edu.1在申请工作、参加比赛或挑选股票进行交易时，人们必须预测自己的表现将如何与他人的表现进行比较。越来越多的文献表明，在对一个人的相对表现的看法上，存在着相当大的性别差异。劳动力市场、锦标赛和金融环境的一致结果表明，男性比女性更容易过度消费（Huang和Kisgen 2013；Niederle和Vesterlund 2007；Barber和Odean 2001）。信息可以弥补或加剧这些性别差距。一方面，信息信号可以让人们了解他们的表现，这将减少过度自信；在男性过于自信的环境中，让他们了解真相将减少性别差异。另一方面，人们可能会扭曲他们处理信息的方式，使他们错误地认为自己是高绩效者：绩效激励的原因。如果在动机推理中存在性别差异，信息可能会导致mento变得更加过度自信，性别信任差距可能会扩大。为了确定基于表现的推理，我使用了泰勒（2021）的实验，该实验要求人们评估一个新闻来源的真实性，该新闻来源告诉他们当前的媒体谎言高于真相或低于真相。人们首先通过一系列关于美国、政治和时事的事实问题来报道他们相对于其他主题的表现。然后，他们收到一条来自未知消息源的二进制消息，该消息要么说他们的真实表现大于他们的中值信念，要么说他们的中值信念。新闻来源要么报道真相（“真实新闻”），要么报道真相的反面（“假新闻”）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 19:00:30

由于受试者的中位数被引出，受试者发现他们认为正确答案同样可能大于或小于中位数。因此，贝叶斯主体不会从“大于”或“小于”消息中推断出任何关于源的准确性的信息。然而，“大于”可能会让受试者产生积极的动机信念，他们认为自己的表现优于他人是有吸引力的，并且动机推理会使这些受试者认为这个来源更可能是真实的新闻。我在网上对大约1000名参与者进行了这项实验，本文的主要结论是，男性系统地参与了以表现为动机的推理，而女性则没有。也就是说，男性认为，如果他们认为自己应该比现在更加自信（“好消息”），那么消息更有可能来自真实的消息，而女性则同样相信关于表现的好消息和坏消息。性别差距表现动机推理在p=0.001水平上具有统计学意义。有两种可能的解释可以解释这一发现：只有男性才会对表现产生理性的动机。第一种解释是，男性可能更容易受到动机推理偏见的影响，而女性可能会以更贝叶斯的方式进行推理。这一解释意味着，在引发对其他话题有动机的信念的问题上，男性会再次比女性更积极地进行推理。第二种解释是，男性和女性在相对绩效的特定领域可能持有不同的动机信念，但在其他环境中，两者都容易受到动机推理的影响。为了检验这些相互竞争的假设，我在动机的政治推理中考虑性别差异。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 19:00:36

在政治问题上，我发现男性和女性受试者都参与有政治动机的推理，而且男性和女性之间的差异很小，在统计上也不明显。这一结果表明，一般来说，男性和女性对激励性信念的易感性不必有所不同，但某些类型的激励性信念因性别而异（例如，在Coff man、Collis和Kulkarni 2019中）。这与男性认为自己的表现优于他人更具吸引力是一致的，但男性和女性都认为自己的政党立场是正确的更具吸引力。关于绩效动机推理中性别差异的发现可能与过度自信和自欺欺人的进化理论有关，如冯·希普兰·特里弗斯（2011）的理论，该理论认为人们欺骗自己是为了更好地欺骗他人。巴斯（1988）发现了相关证据，表明试图吸引女性的男性往往更夸大自己的成就（可能是因为男性试图给女性留下更深刻印象的传统倾向，而不是相反），施瓦德曼和范德维尔（2019）以及索尔达等都发现了相关证据。（2020）发现实验证据表明，被期望说服他人会增加一个人的过度自信。因此，关于（政治）知识的表现可能是一种特别成熟的环境，导致动机推理中的性别差异。使用Coff man、Collis和Kulkarni（2019）的分类，这些结果表明，在这种环境下的表现更男性化。数据表明，结果并不是由潜在的混杂因素驱动的，这些因素包括受试者误报了他们的中间信念或受试者误解了新闻来源的分布。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 19:00:43

尤其是，具有与初始猜测对称的置信区间的受试者，其信念分布的均值和中位数可能相似。对于这些不感兴趣的受试者，我发现治疗效果几乎与完整样本相同。对于新闻来源的分布，我告诉一些受试者，（事前）接收真实新闻和虚假新闻的可能性是50-50；其他受试者没有得到这些信息。第一组可能更倾向于50-50，第二组可能也在Thaler（2021）中提到了这种形式的异质性。更新他们对分布的元信念；然而，我发现两组之间的治疗效果没有显著差异，这表明这些潜在的混淆不是主要治疗效果的主要驱动因素。这篇论文是对一篇几十年前的文献的贡献，该文献讨论了为什么劳动力市场结果中存在巨大的性别差异（Goldin 1990；Goldin 2014）。正如众多实验（格内齐、尼德尔和鲁斯蒂奇尼2003；尼德尔和维斯特隆德2007；多曼和福尔克2011）以及尼德尔和维斯特隆德（2011）总结的文献所显示的那样，男性比女性更倾向于参与竞争。两种偏好（埃克兰·格罗斯曼2008年；克罗森和格涅齐2009年；舒尔奇科夫和埃克兰2018年）以及对斯通能力和表现的信念都起到了作用。特别是，过度自信中的性别差异可以通过对新信息的反应来解释（Lenney 1977；Beyer 1990；Barberand Odean 2001），从而导致差异行为。本文关注的是一种通常被称为“过度安置”的过度自信（Moore and Healy，2008），即人们对自己在比较组中的表现或能力排名过于自信；过度安置在竞争环境中尤为重要。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

2022-4-24 19:00:49

这些发现还补充了Sarson和Xu（2021年）的实证结果，他们发现了关于经济问题认知中性别差异的调查证据——与过度自信和过度精准有关。从新信息中进行有动机的推理是过度自信的一个重要潜在驱动因素（昆达1990年；贝纳布和蒂罗尔2002年），但很难从其他认知模型中进行实验识别（本杰明2019年；洛格、哈兰和摩尔2018年；塔宾、彭尼库克和兰德2020年）。因此，我使用了Thaler（2021）的实验设计，该设计能够在许多领域方便地识别动机推理，因为从受试者接收到的信号中没有什么可以推断的。使用评估非贝叶斯对“好消息”和“坏消息”反应的设计，以前的论文没有系统地发现非对称更新中的性别差异，这是动机推理的主要结果（Eil和Rao 2011；Mobius et al.2014；Ertac 2011；Coutts2018）。然而，性别的异质性并不是这些论文的主要焦点，它们也不能很好地排除适度的差异。事实上，几篇使用这种设计的论文在更广泛的范围内发现了动机推理的无效效果（Barron 2020；Buser、Gerhards和van der Weele 2018），表明这些设计难以精确检测这种效果。此外，正如泰勒（2020）所说，“好消息”与个人自我形象或身份无关时，并不是有动机的，这对男性和女性都有影响。值得一提的是，Mobius等人。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

kedemingshi

2022-4-24 19:00:55

（2014）和Coutts（2018）Ertac（2011）在口头任务的不对称更新中发现了性别差异，但在数学任务中没有。发现女性比男性对信息反应不足，而Buser、Gerhards和Van der Weele（2018）则没有；我的设计没有捕捉到这个维度，它通过给受试者提供非信息性信号来控制反应不足。有一篇相关的论文提出了类似的假设，那就是Off man、Collis和Kulkarni（2019），他们对本文中的一篇论文进行了同期实验，并发现对绩效信息的反应的性别差异取决于任务是典型的男性类型还是女性类型。我的论文主要侧重于识别动机推理，新的实验设计使我能够清晰地识别动机推理。虽然Offman、Collis和Kulkarni（2019）发现了新的证据表明信息响应不对称，但大部分影响都是由于贝叶斯更新或不准确的先验信念。我论文的结果表明，表现动机推理的差异可能是过度自信差异的一个重要决定因素。事实上，我发现过度自信和动机推理是相关的。之前的文献研究了这些性别差异的潜在相关影响，例如在劳动力市场（萨森2019年；舒尔茨和托尼2016年；舒尔茨科夫和埃克尔2018年）、自我提升（埃克斯利和凯斯勒2021年）、独裁者游戏中的施舍（克洛夫斯基2018年）和刻板印象他人（博尔达洛埃2019年；格罗斯曼2019年）。这篇论文补充了这篇文献，提出了过度自信持续差异的驱动力。论文的其余部分如下：第二部分介绍了激励测量的理论和实验设计。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 19:01:02

第3节分析了实验结果，包括过度自信和动机推理中性别差异的证据，关于绩效和政治的动机推理之间的差异，以及上述稳健性测试。第4节总结并提出了未来工作的方向。2理论与实验设计2。1理论本节概述了动机推理的模型（如泰勒2021年介绍的）。我将使用该模型在以下章节中详细介绍实验中的信号结构，比较贝叶斯更新和动机推理，并讨论动机推理中的性别差异如何表现出来。该理论的前提是，代理人会扭曲他们处理新信息的方式，好像他们收到了与他们动机信念相对应的额外信号。WhenCo Off man、Collis和Kulkarni（2019年）也测试了Eil和Rao（2011年）回归规范的一个版本。一旦他们控制了贝叶斯预测，他们就会发现性别一致性动机推理的一种暗示作用，但在统计上并不显著。信号是非信息性的，就像实验中的情况一样，这种失真会导致有动机的推理者朝着他们认为更有吸引力的方向更新。有一组代理i和一组问题q。对于每个代理和问题，Nature决定来源是真（T）还是假（T）。源以P（T）=P独立提取，代理接收关于源准确性的数据。代理人参与动机推理，这意味着他们通过结合先验、可能性和动机信念术语P（T | xiq）|{z}后验来形成后验∝ P（T）|{z}prior·P（xiq | T）|{z}似然·Miq（T）|i |{z}mot。通过推理，我们取双方的对数优势比，得到一个加法形式：logit P（T | xiq）=logit P（T）+logP（xiq | T）P（xiq | T）！+~ni（miq（T）- miq（T））。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 19:01:09

（1）有动机的推理者表现得好像他们同时收到了实际信号（xiq）和一个信号，而这个信号的相关可能性与他们有多大的动机相信状态是T。miq（T）：{T，..T}→ R表示动力函数。该信号上的重量为аi≥ 0，称为敏感性。一个φi=0的代理是贝叶斯的；一个有着超过0个积极理由的代理人。我们特别考虑了一个信息结构，其中Xiqar二进制和无信息的新闻来源准确性。也就是说，我们将选择这样一种方式，即P（xiq | T）=P（xiq | T）=1/2。在下面的实验中描述的这种设置中，有动机的推理者将拥有logit P（T | xiq）=logit P（T）+~ni（miq（T）- miq（T））。如果消息有吸引力，那么他们对消息来源真实性的后验概率会更高；如果信息不吸引人，那么他们的屁股会更低。另一方面，贝叶斯网络不会从这两条消息中更新。本文将考虑两种类型的代理人，男性和女性，他们的动机和易感性可能有所不同：男性代理人的动机为mMale、q（T）和易感性为男性≥ 0，而女性代理人的动机为mFemale、q（T）和敏感性为女性≥ 0.对于每种性别类型的g，该程序将退出g·（mg，q（T）- mg，q（T））通过观察主体的推理过程。正如在呈现结果时进一步讨论的那样，我们将观察到，使用政治问题的证据，肉毒杆菌和女性的感染率均大于0。我们还将看到以下证据：男性·（mMale，q（T）-mMale，q（T））>0，而女性·（mFemale，q（T）-mFemale，q（T））≈ 0当新闻报道有关性能问题的“好消息”时。该证据与mMale，Perf（T）>mMale，Perf（T）和mFemale，Perf（T）一致≈ mFemale，Perf（T）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 19:01:16

也就是说，这组结果可以用男性和女性具有相似的易感性水平，对政治有相似程度的动机信念，但对表现有不同的动机信念来解释。2.2设计概要为了测试该模型，该实验向人们提供了关于新闻来源真实性的信号，告诉他们他们的中值信念高于真相或低于真相（Thaler 2021）。这些信号的构造使得Bayesianto无法推断，但它们唤起了有动机的信念。首先，受试者进行一项研究，测试有关犯罪、收入流动、种族歧视和地理等政治和美国知识问题的知识和对新闻的反应。本研究的这一部分旨在衡量知识和政治动机。完整的问题文本见附录。接下来，受试者被问到以下问题：你认为你在这项关于政治和美国知识的研究中表现如何？我已经将你所有问题（在此之前）的平均分与其他100名参与者的平均分进行了比较。你认为100名中有多少人的得分高于100名？（请猜0到100之间。）事实上，受试者的排名是100位，所以这个问题有一个真实的答案。受试者可能会被激励相信他们的表现优于其他人，我们将假设在基于表现的推理中存在性别差异。这项激励措施测试包括三个步骤：1。信念：要求受试者猜测上述问题的答案。他们被要求并被激励去猜测他们的中间信念（这样他们发现答案高于或低于他们的猜测的可能性相同）。激励措施详情如下。2.新闻：受试者从两个随机选择的新闻来源之一收到一条二进制消息：真实新闻和假新闻。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

可人4

2022-4-24 19:01:22

来自真实新闻的信息总是正确的，来自虚假新闻的信息总是错误的。这是主要的治疗方法。信息上写着“答案比你之前的猜测更大。”或者“答案比你之前的猜测要少。”注意，对于做出不同初始猜测的受试者来说，确切的信息是不同的。对于上述问题，“大于”对应于专业表演新闻，或好新闻；“少于”对应于反绩效新闻或坏消息。3.评估：受试者在收到信息后，使用0/10到10/10的量表评估信息来自真实新闻的概率，并鼓励他们陈述自己的真实信念。我通过观察在新闻真实性评估中看到“大于”信息与“小于”信息的处理效果来测试动机推理。对于参与者在研究中其他地方回答的政治问题，也遵循同样的程序。每个科目都有九个政治问题和一个绩效问题；在每一个问题上，都会引出他们的中间信念，并要求他们评估一个回答大于或小于这个信念的新闻来源。在政治问题上，新闻根据主题分为亲共和党或亲民主党；在这些情况下，我们使用受试者声明的党派偏好将新闻分为好消息/亲党派新闻或坏消息/反党新闻。回想一下，由于受试者收到了“大于”或“小于”的信息，并将答案与他们的中位数进行了比较，贝叶斯不会根据这些信息改变她的评估。如果她在看到消息之前有一个P（真新闻）=1/2的先验值，她就会形成一个P（真|“大于”）=P（真|“小于”）=1/2的后验值。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 19:01:28

我们将信息对准确性评估的系统性处理效果归因于动机推理。例如，如果在关于绩效的问题上，男性倾向于陈述P（真|“大于”）>P（真|“小于”），而女性倾向于陈述P（真|“大于”）=P（真|“小于”），这将表明男性有系统的绩效动机，而女性没有。2.3页面和评分规则总体评分规则在实验结束时，受试者获得3美元的出场费，或者额外获得10美元的奖金，或者不额外获得奖金。如下文所述，在每轮实验中，受试者根据自己的表现获得0-100分。这八个政治问题出现在绩效问题之前；一个问题出现在它之后。同样，先验和可能性（如先前确认偏差和保守主义的形式）的总体权重过高或过低也不能预测信息方向对评估的处理效果。分数对应于受试者赢得奖金的概率：分数为x的分数对应于赢得奖金的概率为x/10%。问题页面在问题页面上，向受试者提供问题的文本，并要求他们输入三个关于他们最初信念的数字：o我的猜测：这得出了受试者先前分布的中值。o我的下限：这引出了受试者先验分布的25%我的上限：这引出了受试者先验分布的第75个百分位。猜测的评分规则是分段线性的。受试者的最高收入为{100-|C-g |，0}点当正确答案为c时，猜测g。受试者被告知，他们将通过陈述其信念分布的中值来最大化预期点。边界的评分规则是分段线性的，具有不同的斜率。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

可人4

2022-4-24 19:01:35

对于上限UB，受试者最多可获得{100- 3（c）- ub），如果c为0}点≥ ub和最大值{100- （ub）- c），0}pointsif c≤ 乌布。对于下限磅，受试者最多可获得{100- （c）- lb），如果c为0}点≥ lb和max{100- 3磅- c），0}点，如果c≤ lb.受试者通过将ub设置为其信念分布的第75个百分位数，将lb设置为其信念分布的第25个百分位数来最大化预期分数。受试者只能给出我的下限≤ 我猜≤ 我的上限；如果没有，他们会看到一条错误消息。新闻评估页面提交猜测后，受试者会看到关于同一问题的第二页。在这一页的顶部是原始问题的确切文本。在最初的问题下面是一条信息，与他们提交给我猜的数字有关。这条消息说：“答案比你之前对[我的猜测]的猜测要大。”或者“答案比你之前对[我的猜测]的猜测要少。”受试者被告知，真实新闻总是说真话，假新闻永远不会说真话，消息来源是独立的。在信息下方，受试者是这个彩票系统是一种二值化评分规则的形式，旨在解释风险规避，因为直接将分数映射到收益可能会导致受试者战略性地规避他们的猜测（Hossain和Okui 2013）。因此，我们不需要假设风险中性以使实验与激励相容，但我们需要假设受试者的行为就像复合彩票被简化为简单彩票一样。概率分布等同于随机选择一个问题进行支付，然后根据该问题的得分进行抽奖。问：“你认为这些信息来自真实新闻还是假新闻？”然后从每个x=0，1，…，中选择一个Leven单选按钮，上面写着“x/10有可能是真新闻，（10-x）/10有可能是假新闻”。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 19:01:41

, 10.评估的评分规则是二次的。对于评估a，受试者的收入为100（1-(1 - a））如果消息来源是真实新闻，得100分（1分）-a）如果是假新闻就要扣分。受试者通过陈述与他们的信念最接近的0.1倍来最大化预期分数。受试者会得到一张表格，其中列出了根据每种评估和新闻类型获得的分数。偶尔，受试者会正确猜出答案。如果出现这种情况，他们会跳过新闻评估页面，进入下一个问题。性能测试的七个答案（0.71%）完全正确。获得正确答案的可能性与受试者随机猜测的可能性（0.99%）相似，因此不存在猜测操纵。2.4实验细节该实验也是泰勒（2021）的重点，于2018年6月在亚马逊的机械土耳其人（MTurk）平台上进行。MTurk是一个在线劳动市场，参与者在其中选择“人类智能任务”来完成。MTurk已经成为一种非常流行的经济实验方式，参与者通常比大学实验室的学生拥有更多不同的人口统计学特征（例如，霍顿、兰德和齐克豪塞尔2011；莱维、弗里斯和德鲁克曼2016）。该实验是使用oTree编码的，oTree是基于Chen、Schonger和Wickens（2016）开发的Django web应用程序框架的开放源代码软件。这项研究的对象是目前居住在美国的MTurk员工。1387名受试者被招募并回答了至少一个问题，1300名受试者完成了研究。在这些受试者中，987人（76%）通过了简单的注意力和理解测试，其余的被从分析中剔除。如第3.3节和附录所述，结果对纳入这些受试者是可靠的。在987名受试者中，980人（99.3%）没有正确回答成绩问题。这些受试者会收到一条信息，将他们的猜测与真实答案联系起来，并进入新闻真实性评估页面。在980人中，528人（53.9%）认为自己是男性，447人（45.6%）认为自己是女性，5人（0.5%）认为自己不是男性或女性。这是正确的，但理解检查问题除外，该问题的信息是“答案等于/不等于你之前对[我的猜测]。”为了通过这些检查，受试者需要完美地回答附录B中的理解检查问题（给出正确的答案、正确的界限，并确定地回答新闻评估）。此外，许多问题都有明确的最大和最小可能答案（例如百分比，介于0和100之间）。如果受试者的答案不在这些范围内，他们就会被放弃。不报告他们的性别。这些结果集中在975名报告性别的受试者身上。这975名受试者的积极/消极治疗平衡表见附录A.1。整个dem之间没有统计上的显著差异

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 19:01:47

这些受试者会收到一条信息，将他们的猜测与真实答案联系起来，并进入新闻真实性评估页面。在980人中，528人（53.9%）认为自己是男性，447人（45.6%）认为自己是女性，5人（0.5%）认为自己不是男性或女性。这是正确的，但理解检查问题除外，该问题的信息是“答案等于/不等于你之前对[我的猜测]。”为了通过这些检查，受试者需要完美地回答附录B中的理解检查问题（给出正确的答案、正确的界限，并确定地回答新闻评估）。此外，许多问题都有明确的最大和最小可能答案（例如百分比，介于0和100之间）。如果受试者的答案不在这些范围内，他们就会被放弃。不报告他们的性别。这些结果集中在975名报告性别的受试者身上。这975名受试者的积极/消极治疗平衡表见附录A.1。在人口统计学上，收到关于他们表现的好消息或坏消息的受试者之间没有显著差异。这项实验在所有新闻类型中也是平衡的，其中488条（50.1%）是好消息，487条（49.9%）是坏消息。没有受试者在看到这个问题的信息后退出实验，所以选择性消耗不是一个问题。在研究政治化问题的行为时，我们考虑主体对共和党和民主党的主观评价。在全部样本中，627名受试者（64%）对民主党的评价较高；270（27%）给予共和党更高的支持率；90%的受访者（9%）对双方的评分相同。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 19:01:55

这些主题分别被标记为“支持民主党”、“支持共和党”和“中立”，对于包含政治问题的分析，中立主题被删除。样本中男女之间的政治差异不大；女性更倾向于民主党。62%的男性支持Dem，28%的女性支持Rep，而66%的女性支持Dem，27%的女性支持Rep。在这个样本中，男性和女性的政党偏好在统计学上没有显著差异。3结果第3.1节分析了对绩效过度自信的性别差异。接下来，第3.2节介绍了关于男性和女性如何激发他们的表现的主要结果。这表明，在政治化问题上，绩效评估动机推理中的性别差异并没有反映出来。第3.3节讨论了识别的稳健性和潜在混淆，没有发现证据表明这些替代解释解释了结果。第3.4节提出了对这些结果的解释，以及关于精度过高的补充证据。3.1过度自信从原始数据中可以明显看出过度自信中的性别差异。男性受试者期望超过55.3%的受试者（s.e.0.9 pp），实际上他们的表现优于49.5%的受试者（s.e.1.1 pp）。女性受试者的预期表现优于44.5%的受试者（s.e.1.0 pp），实际上，她们的表现优于45.4%的受试者（s.e.1.3 pp）。男性受试者的绩效预测平均高出5.8个pp（s.e.1.3个pp，p<0.001），而女性受试者的绩效预测平均低0.8个pp（s.e.1.5个pp，p=0.585）。换句话说，男性受试者系统性地过度自信，而女性受试者则不然。男性和女性受试者过度自信的差异为6.6 pp（s.e。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 19:02:00

2.0 pp，p<0.001）。受试者对自己表现的信念与其真实表现呈正相关，但真实表现过度自信的性别差异几乎没有异质性。性别差异存在于高、中、低表现的受试者中。图1使用一个组合散点图来比较绩效分布中不同点的男性和女性。图1：按性别划分的信心和绩效说明：该图显示了按性别划分的绩效和信心的组合散点图。x轴测量测验中的绩效百分比。y轴测量置信度，即百分位受试者预期得分。该图显示，在这个问题上，男性在绩效分配的每一点上的信心都更大。事实上，高、中、低绩效水平的男性都希望平均绩效达到或高于中位数。除了在高端，女性不希望表现超过中位数。男性和女性信仰之间的差异（10.8 pp）大于受试者中最高五分位数和最低五分位数信仰之间的差异（6.3 pp）。附录图6显示了受试者过度自信水平的CDF。这表明过度自信的差异不是由异常值驱动的；男性的一阶分布随机地支配着女性的分布。3.2动机推理动机推理的性别差异在原始数据中也很明显。回想一下，如果消息源给出了关于其相对表现的好消息或坏消息，贝叶斯会认为消息源同样可能是真的或假的。如图2所示，男性在听到好消息时比听到坏消息时更信任消息。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 19:02:06

相比之下，女性对自己的表现给出了几乎相同的好消息和坏消息分类。图2：性别成员对关于自身表现的新闻的信任：好消息告诉受试者，正确答案大于他们对自己表现的中值信念；坏消息告诉受试者，正确答案低于这些信念。y轴测量受试者对来源准确性的评估。对于好消息和坏消息，Bayesian人同样信任新闻，剩下的则是动机化的推理。误差条对应于95%的置信区间。这些结果表明，当得到关于他们相对表现的消息时，男性平均会有动机地认为他们比他们（已经非常坚定）的当前信念做得更好，而女性平均来说几乎是贝叶斯的。动机推理中的性别差异表现在两个方面：男性认为好消息更有可能是真消息，而坏消息更有可能是假消息。平均治疗效果的差异并非由男性和女性受试者选择极端概率的差异所驱动。附录图7显示了CDFof新闻真实性评估P（真实新闻|好消息），图8显示了CDFof新闻真实性评估P（真实新闻|坏消息）的表现。男性受试者在分布的各个点上对绩效好消息的准确度较高，而对绩效坏消息的准确度较低。接下来，我们询问这种差异是由于绩效的特定领域，还是由于对动机推理的总体易感性。为了梳理这些竞争假设，我们在另一种情境中考虑动机推理中的性别差异：政治。使用的政治话题遵循泰勒（2021）的说法，假设的政治动机列表见附录表3。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

可人4

2022-4-24 19:02:12

图3显示，genderin动机的政治推理不存在显著的异质性，这表明我们看到的性别差异是关于绩效的信念所特有的。受试者之间表现动机推理中性别差异的回归说明，受试者i对受试者性别的回归评估a，关于表现的新闻是好是坏，以及性别和新闻方向之间的相互作用，有无其他人口统计向量的控制。ai=α+β·马莱+β·良好的x性能+i（2）β是人们感兴趣的主要对象，用来衡量男性比女性更有动力地对绩效进行推理的程度。β本身也很有趣；它衡量女性对表现的动机。人口控制包括种族、年龄、收入、教育、宗教和政党偏好。回归规范将基于表现的推理与基于政治动机的推理进行了比较，这是在受试者范围内进行的，将受试者i对问题q的评估a回归到r对虚拟新闻的评估a，即有利于表现与反表现，对于整体好消息与整体坏消息（这对应于关于绩效或派对的好消息与关于绩效或派对的坏消息），以及两者之间的相互作用，我们注意到这是衡量平均治疗效果的指标。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

kedemingshi

2022-4-24 19:02:18

女性的平均治疗可能是因为女性没有参与任何关于表现的动机推理，或者是因为女性同样有动机地认为自己表现比预期好，并且认为自己表现比预期差。图3:GenderNotes的动机推理：x轴是看到关于一个人的表现或派对的好消息与坏消息的处理效果。Bayesian人的治疗效果为零，而积极的推理者则会产生积极的效果。错误：响应95%的置信区间。性别和新闻对绩效和整体的指导。由于该测试是在受试者范围内进行的，我们可以用受试者i、问题主题q与性别互动以及r轮与性别互动的固定效果来代替对照。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 19:02:24

请注意，绩效问题总是在同一轮中，因此问题和轮效应只涉及政治问题。为了进行这种分析，我们删除了政治中立的主体，因为没有假设他们会以何种方式对政治进行激励性推理。aiqr=α+β·好消息IQr+β·好消息IQr·Malei+β·好x性能IQr+β·好x性能IQr·Malei+γF Ei+δF Egender，q+ζF Egender，r+iqr（3）表1显示，回归结果显示的模式与原始数据中捕获的模式相同。绩效问题总是在同一轮，因为正确答案取决于受试者对前面问题的回答。表1：基于性别和主题的动机推理（1）（2）（3）（4）良好的x表现0.005 0.006-0.088***（0.026）（0.026）（0.028）性能良好x雄性0.113***0.114***0.122***（0.035）（0.035）（0.037）好x党0.095***（0.009）好x党x男-0.014（0.013）好消息0.097***（0.009）好消息x男性-0.013（0.013）性别x问题FE否YesGender x轮FE否YesObject FE否否YesGender控件YesNo No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No No。03 0.04 0.25 0.23括号内的平均值0.601 0.601 0.574 0.577标准误差*p<0.10，**p<0.05，***p<0.01注：OLS，错误聚集在学科层面。因变量：受试者从真实新闻中获取信息的概率。只包括将男性或女性列为性别的受试者，以及有政党偏好的受试者。好消息包括好的x派对和好的x表演，所以规范（4）将好的x表演与好的x派对进行比较。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

kedemingshi

2022-4-24 19:02:30

受试者控制：种族、年龄、原木（收入）、受教育年限、宗教信仰和政党偏好。特别是，专栏（1）和（2）使用等式（2）表明，性别与基于绩效的推理相互作用，只有男性系统性地倾向于支持绩效的新闻。专栏（3）显示，男性和女性在对亲党新闻进行有动机的推理方面是相似的。第（4）栏使用等式（3）表明，男性对政治的动机推理与绩效之间的差异显著大于女性。请注意，好消息被定义为关于绩效或政治新闻的好消息，因此第（4）列中的“好x绩效”行衡量支持绩效和支持政党的新闻之间的差异。回想一下，这个实验测试了九个不同政治问题的动机推理。图4没有汇总所有的政治话题，而是通过将动机推理量表与逐个话题的傻瓜互动，对每个问题的性别动机推理进行单独比较。图4：基于性别和主题的动机推理注：x轴是看到关于某人表现或派对的好消息与坏消息的处理效果。Bayesian人的治疗效果为零，而积极的推理者则会产生积极的效果。错误：响应95%的置信区间。该图表明，性别差异对政治动机推理的无效影响并非由个体问题上的巨大和异质性性别差异所驱动。在任何一个政治问题上，男性和女性都没有以统计上显著不同的数量进行有动机的推理。对于男性和女性来说，我们都可以在九个政治问题中的八个问题上排除政治动机的推理。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 19:02:36

绩效问题在性别差异中尤为突出。3.3稳健性识别的两个威胁包括误解新闻来源的分布，以及在最初的猜测中歪曲中间信念。首先，受试者可能不了解新闻来源的分布。真实新闻和虚假新闻的实际可能性各为50%。然而，被给予这个先验知识的受试者可能会过度倾向于50-50，而没有被给予先验知识的受试者可能会更新这个分布。虽然不清楚为什么会有性别差异与这些影响相互作用，但我进行了受试者之间的治疗，以确保结果不依赖于先前的研究。也就是说，受试者要么在说明中被告知新闻来源（事前）的可能性相同，要么没有得到这一信息。我发现，事先告知受试者真实新闻的可能性不会明显影响结果。在每次治疗中，男性受试者系统性地参与表现动机推理，而女性受试者则没有；在每一次治疗中，男性和女性受试者都会进行有政治动机的推理。这些结果如图5中的圆圈和菱形图所示。总的来说，两种治疗方法之间没有明显的差异，尽管影响更大。其次，受试者可能无法正确理解中位数是什么，并报告他们的信念分布（例如他们的平均值）。如果受试者犯了这个错误，那么如果受试者的平均值低于他们的平均值，那么结果可以通过贝叶斯更新来解释。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 19:02:42

如果受试者最初的猜测低于他们的真实中值信念，他们会理性地认为，如果他们收到的信息“比”更大，那么消息来源更有可能是真实的新闻。为了解释这种潜在的混淆，我从所有受试者中得出50%的置信区间（25%和75%的置信区间），并分析初始猜测在这个范围内的位置。如果受试者的初始猜测更接近其下限而不是上限，这将表明先前的信念分布呈负偏态。我没有发现明显偏态分布的证据。对于男性来说，最初的猜测在上下限之间占49.4%；对于女性来说，最初的猜测在她们的界限之间占51.7%。猜测接近置信区间的确切中点，性别差异不足以解释男性和女性新闻评估之间11%的差距。此外，如果我们将估计限制在最初猜测正好位于置信区间中点的受试者身上，主要结果看起来是相似的。如图5中的正方形和三角形图所示，在绩效问题上的动机推理中仍然存在相当大的性别差异，但在政治问题上则没有。如果注意力检查失败的受试者被纳入分析，结果也类似。图5：性别动机推理：稳健性注释：x轴是看到关于一个人的表现或聚会的好消息与坏消息的治疗效果。Bayesian人的治疗效果为零，而积极的推理者则会产生积极的效果。错误：响应95%的置信区间。圆圈：收到50-50条关于消息真实性的消息。戴蒙德：我没有收到关于消息真实性的事先通知。平方分布：未倾斜的先验信念分布。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 19:02:48

三角形：倾斜的先验置信分布。我也是。包括311名注意力检查不合格的受试者在内，总共有1300名受试者。在这1300份报告中，有1282份由男性和女性对绩效问题进行的新闻真实性评估；710人是男性，572人是女性。在附录中，图9显示了结果与主要样本（图3）的结果相似，尽管治疗效果估计值稍小，因为注意力不集中的受试者往往会给出更多随机的新闻评估。大多数未通过注意力检查的受试者错误地回答了“现在是哪一年？”3.4讨论对这些发现的一种解释是，尽管男性和女性都容易对如何处理信息产生偏见，倾向于更具吸引力的信念，但他们发现哪些信念更具吸引力。结果表明，男性认为自己的表现优于其他人特别有吸引力，而男性和女性都认为自己的政治是正确的很有吸引力。在该模型的背景下，这些结果与男性和女性对动机推理的易感性（在该模型中）相似，但动机（mMale，q（·）和mFemale，q（·））因性别而不同。这些结果进一步证明，动机推理的异质性可以部分解释并进一步解释过度自信的异质性。表2提供了一个有启发性的证据，表明对自己的表现过于关注的受试者也会主动地对表现进行更多的解释。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 19:02:55

虽然这一证据纯粹是相关的，但它表明动机推理可能在过度自信中发挥作用。表2：关于绩效的动机推理和过度关注（1）（2）良好的x绩效0.055***0.056***（0.016）（0.016）过度自信-0.015-0.009（0.038）（0.037）良好x性能x过度自信0.114**0.119**（0.057）（0.056）控制无YesObservations 980 980R0。02 0.04括号内的平均0.600 0.600标准误差*p<0.10，**p<0.05，***p<0.01注：OLS，稳健标准误差。因变量：受试者从真实新闻中获取信息的概率。受试者控制：性别、种族、年龄、原木（收入）、受教育年限、宗教信仰和政党偏好。关于男性和女性不同动机的问题的主要结果与更广泛的性别刻板印象讨论有关。然而，研究结果表明，要注意的是，k gand mg，q（·）并不是单独确定的，因此两者可能因性别而异。相对表现是一种男性类型的信念，而政治话题并没有系统地性别化。为了支持后一种假设，我们还可以研究另一种置信度指标：高精度（Moore and Healy 2008；Moore，Tenney and Haran 2015；Sarsons and Xu2021）。在实验中，受试者被要求陈述他们50%的置信区间。对于每个问题，如果置信区间包含正确答案的时间超过50%，则被试被标记为不准确；如果置信区间包含正确答案的时间少于50%，则被标记为不准确。如果性别信仰差异对政治信仰起到了一定作用，那么我们预计曼托的过度准确程度会高于女性。然而，男性和女性的过度精确程度几乎相同。男性受试者的置信区间包括真实答案46。7%的时间（s.e。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 19:03:01

女性受试者的置信区间为46.6%（s.e.0.8 pp）。对于男性和女性，都有明显的过度准确证据（使用t检验，我们可以拒绝这些概率小于50；对于每个男性和女性，p<0.001）。性别差异为0.1 pp（s.e.1.1 pp），在统计学上不显著（p=0.945）。男性和女性在政治信仰过度精准方面的相似性，再加上之前关于动机推理的结果，表明“表现优于他人”方面是动机信念差异的主要驱动力。这些发现补充了Sarsons和Xu（2021年）的结果，他们发现了调查证据，表明人们对经济问题的认知存在性别差异。在有动机的绩效推理中，性别差异的一个潜在机制涉及过度自信和自欺欺人的进化基础。正如冯·希佩尔（Von Hippel）和特里弗斯（Trivers，2011）提出的理论，人们可能会欺骗自己，以便更好地说服他人相信自己的能力，而欺骗可能在交配过程中发挥着特殊的进化作用。例如，巴斯（1988）发现，试图吸引女性的男性往往会更多地吹嘘自己的成就，这表明这些性别差异的方向可能在传统上男性打动女性多于女性打动男性的社会中更为普遍。与此相关的是，由于偏好或传统性别角色，男性在这样的社会中可能也面临着更多的竞争，并有更多的欺骗动机（例如Niederle and Vesterlund 2007；Guadagno and Cialdini 2007；Brilon et al.2019）。支持人际欺骗假说的更直接的实验证据来自Schwardmann和van der Weele（2019）以及Solda等人。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 19:03:07

（2020年），who和Findtaler（2021年）对出于政治动机的信仰与过度精准之间的关系进行了更深入的讨论。必须说服他人的期望导致人们变得更加自负。Solda等人（2020年）发现相关证据表明，需要说服他人的受试者是如何获得信息的，两篇论文都发现自我欺骗对人际说服有效。从实验方法论的角度来看，这些结果还表明，在今天的美国，政治领域比绩效领域导致更一致的动机信念。研究动机推理的研究者可能想考虑如果他们有更广泛的人口，那么就应该强调政治动机而不是表现动机。4结论本研究表明，动机推理中存在相当大的性别差异。有系统地对自己相对于他人的表现进行有动机的推理；女性没有系统地参与关于表现的动机推理。动机推理中的性别差异会导致过度自信中的性别差异持续存在，甚至进一步加剧。相比之下，出于政治动机的推理几乎没有性别差异；男性和女性在推理中都存在系统性偏见。研究结果与一种理论一致，即男性和女性都易受动机推理的影响，但在有吸引力的人认为自己表现得比其他人更好的程度上，存在性别差异。在理论和应用方向上，未来的工作有几种途径。首先，更好地理解动机信念的决定因素可以帮助我们更好地理解男女之间哪些行为差异是由信念造成的，哪些是由偏好造成的。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝