假新闻传递的信息会强化受试者的错误方向；True News发送减轻受试者错误的消息。误差条对应于95%的置信区间。4.2新闻评估的回归规范主要回归规范在主题范围内。它回归了亲党新闻对主题i、问题主题q和四舍五入r的评估，对i、q和r有固定的影响，仅限于亲党或反党新闻：aiqr=α+β·1（亲党）iqr+γF Ei+δF Eq+ζF Er+不管怎样，在中性话题上，对真实新闻的评价都要高于假新闻。对这个问题的反思可能会导致受试者在缺乏动机信念的情况下适应真理。99.4%的非中立受试者至少收到一条亲党和反党新闻。三名受试者从未收到过亲党新闻，两名受试者从未收到过反党新闻。在线附录显示，如果我们用Logit（aiqr）替换aiqr，结果在质量上是相同的。该规范在表2第2列中使用。第1栏中有一个类似的替代规范，用人口统计学控制代替个体水平的固定效应。表2：有动机的推理和对新闻真实性的感知（1）（2）（3）（4）（5）（6）亲党新闻0.0920.088 0.041 0.037 0.077（0.006）（0.006）（0.012）（0.006）（0.006）（0.006）党派之争x亲党新闻0.099（0.022）反党新闻-0.048（0.007）真实新闻-0.059-0.034（0.006）（0.006）问题FE是是是是是是是是否没有非营养新闻没有没有是没有观察7902 7902 7902 10552 7902 7902 7902R0。05 0.25 0.25 0.21 0.23 0.25平均0.574 0.574 0.574 0.575 0.574 0.574括号内的标准错误注：OLS，错误集中在主题级别。

中立新闻表明，亲党/反党新闻的评估与中立话题的评估相比较。这些分类如表1所示。控制：种族、性别、原木（收入）、受教育年限、宗教信仰，以及2016年该州是否投票给特朗普或克林顿。党派之争是abs（共和党评级-民主党评级）。假设1声称，亲党派/反党派的差距在党派性方面正在扩大，因此第3栏将党派性（党派评级的绝对差异）与亲党派新闻相互作用。它还声称，有动机的推理会导致对亲党新闻的高度评价和对反党新闻的较低评价；因此，第4栏包括亲党（对中立）新闻和反党（对中立）新闻的指标。假设2假设受试者在政治化话题上更信任假新闻而不是真实新闻，因此第5和第6栏回归了对真实新闻、控制和不控制亲党新闻的Dummy评估。假设1和2得到了有力的支持。对亲党新闻的评价高于对反党新闻的评价，这一影响加剧了党派之争。有证据表明，无论是亲党新闻还是远离反党新闻，都有动机地进行推理，虚假新闻评估高于真实新闻评估。接下来，我们通过回归治疗和主题假人之间的相互作用，分别研究每个主题。图4显示了九个假设主题中八个主题的政治动机推理证据（每个主题的p<0.001）。研究还表明，人们有动力相信自己的表现优于他人（p<0.001）。图4：主题注释的动机推理：OLS回归系数，错误聚集在主题层面。FE包括主题、整数和主题。表1中定义了亲党（与反党）新闻。

误差条对应于95%的密度区间。4.3不断变化的猜测和信念两极分化回想一下，有一半的受试者在收到新闻后被随机分配对最初的问题进行二次猜测，我们假设受试者更有可能向亲党方向更新，而不是向反党方向更新。这项测试作为稳健性检查很有用，但也有助于我们更好地理解这些信息如何影响受试者对问题本身的看法。表3第1列显示，受试者更可能在亲党信息的方向上更新中位数，而不是在反党信息的方向上更新中位数。专栏2显示，在政治化的话题上，受试者也更可能改变他们的猜测，朝着极化信息的方向（告诉他们他们的猜测离平均值更远）而不是反极化信息的方向。表3：有动机的推理和遵循发送的信息（1）（2）（3）（4）（5）（6）亲党新闻0.122 0.114 0.018 0.024（0.021）（0.021）（0.018）（0.018）极化新闻0.061 0.032-0.017-0.022（0.019）（0.019）（0.016）P（真）1.126 1.139 1.131（0.061）（0.061）（0.063）问题：是是是是是是是是是是是是是是是是的是的是的是的是的是的4085 4085 4085R0。28 0.28 0.28 0.45 0.45 0.45平均0.659 0.659 0.659 0.659 0.659 0.659 0.659括号内的标准错误注：OLS，错误集中在主题级别。仅限第二猜测组的受试者。只有亲党/反党新闻观察，如表1所示。两极分化新闻是告诉受试者，与他们最初的猜测相比，答案与总体平均值相反的新闻。

如果受试者在信息显示“大于”时向上更改猜测，或在信息显示“小于”时向下更改猜测，则因变量为1，如果他们在相反方向更改猜测，则因变量为1，如果他们不更改猜测，则因变量为0。表3第4-6列显示，动机推理和信念两极分化的差异可以通过新闻评估的差异来解释。在控制评估后，猜测变化在统计上不受亲党/反党信息的显著影响，在统计上也不受两极分化信息的显著影响，点估计接近于零。证据表明，受试者改变信仰，更确切地关注亲党新闻，因为他们更信任该新闻来源。更广泛地说，这些结果对人们如何改变信仰给出了一个明确的预测。他们表明，在信号提醒人们有动机的信念的环境中，信息内容并不是信念两极分化的必要条件。4.4替代解释和稳健性检查本设计中的一些特点可能会导致受试者的行为方式与动机推理一致，但也与无动机的假设一致。本小节讨论了一些潜在的混淆，并展示了如何测试这些替代假设。我认为，这些混淆不太可能完全解释上述结果，从而加强了实验中所确定的动机推理的解释。4.4.1误解中间值和扭曲的信念分布有理由认为受试者不完全理解阿米迪亚的概念。例如，他们可能会用他们卑鄙的信念来回答。

这不会在系统方向上直接影响新闻评估结果，除非先验分布明显扭曲。我们可以使用受试者置信区间中的初始猜测值作为偏态的代理，并看到主要结果适用于分布不规则的受试者。在政治化问题上，32%的受试者的猜测正好在上下限之间。表6使用了与主回归相同的规格，但将亲党新闻、反党新闻和真实新闻与具有“不道德”先验的虚拟新闻交互。治疗效果在定性和定量上相似，表明偏斜不会对结果产生方向性影响。4.4.2新闻来源的独立性迄今为止，我们假设受试者将新闻来源视为来自独立发行版。虽然在说明中明确要求受试者这样做，但表明他们没有使用以前的新闻来更新当前的新闻是有用的。在表7中，我修改了主回归表，以说明前几轮支持和反对党的新闻的相对数量。前几轮的支持和反党新闻对本轮评估没有影响，主要的处理效果没有变化，这表明受试者确实独立对待新闻来源。4.4.3使用术语“假新闻”误解“假新闻”可能会导致更多的主题参与，但也可能引发其他常用的定义（如假文章，如奥尔科特和根茨科2017）。这一小节表明，结果不能用对假新闻的两种似是而非的误解来解释。首先，假设受试者相信来自假新闻的消息同样会发送真消息和假消息，而不是总是发送假消息。

在这个实验中，关于评估的预测不会改变。贝叶斯算法仍然有一个事前先验，即支持党和反对党的消息的可能性相同，并且不会在给定任一消息的情况下推断出任何关于P（True）的信息。一个有动力相信答案很大的人仍然会推断P（真的|亲党）>P（真的|反党）。更复杂的情况是，受试者认为虚假新闻的信息实际上来自对其政党有偏见的新闻来源。也就是说，假设受试者相信假新闻更可能报道支持党派的新闻，而不是支持党派的新闻。为了验证这一点，我们可以再次看看受试者如何改变他们的猜测。特别是，假设受试者是贝叶斯的，但对假新闻使用了这种不对称的错误定义。然后，他们会发现亲党的“假新闻”信息比反党的“假新闻”信息更具信息性，因为“假新闻”通常会发送反党信息。（此处的引语表明这些受试者使用了错误的定义。）然后，这些受试者会根据他们对P（真实新闻）的评估，更多地从ProParty而非反党新闻中更新。在表3中，我们发现受试者在控制了他们的评估后，同样可能会从亲党和反党新闻中更新。虽然数据过于不精确，无法排除将假新闻视为有偏见的受试者的存在，但这个故事不足以解释主要影响。4.4.4不正确的初步猜测虽然从理论上讲，为了在新闻评估问题上获得更多分数，战略性地误报自己的观点可能符合受试者的最佳利益，但我没有发现这方面的证据。在实验的第一轮中，受试者还不知道他们会乞求一个新闻评估页面。

如果受试者策略性地错误猜测，从而获得更多的评估分数，那么他们在第一轮的评估中的表现会比接下来的几轮差，在第一轮的评估中的表现会比接下来的几轮更好。第一轮的评估分数在统计学上没有显著差异。受试者在第1轮中得分67.2分（s.e.0.9），在第2-12轮中得分66.4分（s.e.0.3）；差异为0.8分（s.e.1.0；p=0.383）。第1轮的猜测分数也没有统计学上的显著差异。受试者第一轮得分为76.2分（s.e.1.0），第二轮至第十二轮得分为75.9分（s.e.0.2）；差异为0.3分（s.e.1.0；p=0.758）。非战略形式的错误初始猜测更难排除。如果猜测中存在对称噪声，那么受试者陈述其Q分位数和1分位数的概率相等- Q分位数为Q 6=1/2，则主要结果不变。结果也与受试者对总体平均值的初始猜测不一致。虽然这种行为可以解释为什么受试者在政治化新闻中更信任加强错误的新闻而不是减轻错误的新闻，以及为什么他们更信任亲党新闻而不是反党新闻，但它错误地预测了在中立话题上的相同模式。与贝叶斯更新和实验结果一致的一种误报形式是，受试者系统性地误报最初的猜测，而这种误报的方式与他们所在的党派有着相反的倾向。产生这种偏见的一个潜在原因是受试者没有充分思考这个问题；而且，如果有更多的时间，他们会朝着他们实际的（更亲党的）信仰更新。

看到第二个屏幕可能会让受试者更认真地思考最初的问题，而更认真地思考会导致更多的亲党信念。然而，更努力地思考似乎并不是不对称的，因为我没有发现证据表明受试者排除了第13-14轮的得分，因为这些问题不是随机分配到这些问题中的；如果将它们包括在内，结果是相似的。我还排除了对理解检查问题的评分。这一解释背后的心理学与动机推理理论重叠，因为第二页唤起了动机，进一步的研究可以更好地阐明什么是信号。更愿意花更多时间思考好消息。4.4.5表达偏好Bursztyn等人（2020年）提供的最新证据表明，实验中的人可能会为了发表政治声明而放弃支付。在这个实验中，如果受试者倾向于陈述亲党的信号，那么他们最初的猜测和新闻评估都会偏向亲党的方向，这与数据一致。然而，如果他们是贝叶斯的，他们如何改变自己的猜测将不会有方向性，因为他们已经陈述了自己的首选信念。在表3中，受试者更有可能在亲党方向上更新自己的猜测，而不是在反党方向上更新自己的猜测，尽管他们同样有可能收到亲党和反党的新闻。这与受试者更真诚地相信亲党新闻是一致的；这与表达性贝叶斯更新不一致。4.4.6第3.4节讨论的其他稳健性测试，受试者要么被告知指令中的P（真实新闻）=1/2，要么没有被告知这一点。在在线附录中，我将表2的回归分析局限于每个随机化组的受试者，并在两个组中发现类似的结果。

同样，看到WTP页面或进行第二次猜测也没有什么影响。在实验过程中，受试者可能会学习到，他们会主动地进行推理和自我否定。我与每个轮数的假人互动主要影响，但没有找到证据。在每一轮选举中，对亲党新闻的评价都要大于对反党新闻的评价。4.5动机推理中的异质性需要考虑两种类型的异质性：动机推理方向上的异质性，以及其程度上的异质性。首先，我们考虑异质性的方向。为了做到这一点，图5显示了新闻评估对新闻政治方向（亲共和党与亲民主党）与政党偏好互动的回归，以及在亲党派新闻评估页面上花费的平均时间为14.6秒（s.e.0.3秒），而在反党派新闻评估页面上花费的平均时间为14.8秒（s.e.0.3秒）。二值化的可观察人口统计学。非政治人口统计包括种族、性别、收入、年龄、教育程度、2016年被调查者所在州是否投票给特朗普或克林顿，以及宗教信仰。图5：动机推理的党派方向的异质性注：该图通过二元人口统计学绘制了在受试者的新闻评估中看到亲Rep新闻与亲Dem新闻的相对治疗效果。这些是OLS回归系数，错误聚集在学科层面。包括主题、整数和主题。只有亲党/反党新闻观察，如表1所示。亲共和党：共和党的支持率高于民主党。年龄较大：高于实验中的平均年龄。高收入：高于实验中的收入中值。

红州：该州在2016年投票支持特朗普。宗教的：主体与任何宗教都有联系。在控制政党偏好后，其他人口统计数据对动机推理的方向没有统计上的显著影响。所有系数都在正负0.03之间，这一数量级不到政治的三分之一。在在线附录中，我们考虑动机推理的大小，承认这种设计不能区分偏见的大小和动机的强度。党派比温和派有更大的治疗效果，但人口统计学上的党派偏见对偏见的程度没有显著影响；所有影响均在+/-0.03之间。有提示性证据表明，支持民主派的受试者比支持民主派的受试者更有动机地进行推理，这些结果表明，动机推理的偏差程度在人口统计学中是广泛相似的，虽然动机信念的方向因政党而异，但在非政治性人口统计学中差异不大。4.6动机推理、初始信念和过度精确现在我们考虑初始信念和动机推理之间的另外两种关系：多少动机推理可以解释人们在信念中的二度性，以及偏见如何与过度精确的时间间隔有关。首先，数据显示，本实验中动机信念测量的差异可以解释这些问题的实际信念差异的很大一部分。我通过将政治化问题的答案与亲共和党和亲民主党的新闻在评估上的差异联系起来，来研究动机和信仰之间的关系。对于每一个政治化的问题，受试者的初始猜测都是胜利的（在5%的水平上）、标准化和签名的；正数对应着更多的专业代表。

接下来，对每个受试者，这些标准化的猜测进行平均（并重新标准化），以评估其信念的正确性。我将该值与亲Rep新闻评估和亲Dem新闻评估之间的标准化平均差异相关联。使用R，新闻评估中的变异解释了13%的变异。相比之下，本实验收集的所有非政治人口统计数据——年龄、性别、种族、教育程度、记录的收入、是否信仰宗教，以及是否来自2016年投票给特朗普或克林顿的州——解释了7%的信仰差异。这表明，在预测信念方面，我对激励因素的衡量至少与经常讨论的人口统计学表现一样好。其次，有动机的推理有助于解释由于错误校准的置信区间而导致的特定形式的过度准确。特别是，我们假设激励因素形成了有方向性偏差的信念分布，从而导致他们过度估计答案在其置信区间内的概率。这样一个故事意味着，对于政治化的人来说，过分精确比中立的人更为严重，对于党派的人来说，过分精确比温和派的人更为严重：尽管这可能仅仅是由于MTurksample的不代表性，以及以党派为条件。例如，在这个样本中，只有76%的共和党人支持特朗普总统的表现；在同一时间（6月25日至7月1日）进行的盖洛普民意调查中，87%的受访者认可他的表现（盖洛普2018）。这些都是未经调整的值。

调整后的Ris评估为13%，表情为6%。假设4（过分精确和党派偏见）o在政治化和绩效问题上，受试者50%的置信区间包含的正确答案不到50%。o在政治化问题上，受试者相信正确答案的可能性会随着他们的党派偏见而降低。为了支持假设4，受试者对激发动机信念的问题的信念过高。在政治化话题上，受试者的置信区间中有46.6%的时间是正确答案（s.e.0.6%）；这在统计学上显著低于50%（p<0.001）。对这些主题的过分精确主要是由游击队推动的，他们的间隔时间中有44.2%的时间（s.e.0.9%）是正确答案。温和派的时间间隔包含48.8%的正确答案（s.e.0.8%）。在统计学上，游击队的过度精准度显著高于温和派（p<0.001）。在绩效问题上，受试者的置信区间包含42.0%的正确答案（即1.6%），这在统计学上显著低于50%（p<0.001）。有动机的问题比中性的问题更容易出现过度准确的情况，这表明这些结果不仅仅是由对过于狭窄的区间的偏见驱动的。

在“随机数”问题中，要求受试者猜测从0到100均匀绘制的阿兰多姆数是多少，有54.6%的时间正确回答，这表明轻度的精确度不足。最后，过度准确与过度信任错误强化假新闻有关，这与当前信念反映动机信念的观点一致。与不太准确的受试者相比，对一个问题过分准确的受试者对假新闻的评估为3.3 pp，更可能是真实的（s.e.0.8 pp；p<0.001）；与不太准确的受试者相比，对一个问题过分准确的受试者对真实新闻的评估为2.4 pp，更不可能是真实的（s.e.0.7 pp；p=0.001）。4.7讨论实验结果强烈支持带有政治动机信念的动机推理假设，而不是贝叶斯更新的无效假设。政治动机推理也比确认偏差理论、一般过度或不足推理以及对问题的无动机误解更适合数据。在其他中性问题上，受试者也表现出中等程度的低精确度。在一个没有信息的信号、真实的金钱利益、几乎没有自欺欺人的空间的环境中，受试者对亲党新闻和假新闻的信任程度显著高于其他人。动机推理可以解释一种形式的先验确认偏差，即人们比贝叶斯推理更进一步地更新先验。也就是说，先验往往反映动机性信念，而先前确认偏差的检测实际上可能是检测动机性推理（例如Eil和Rao 2011）。第4.3节的结果与动机推理对政治极化的影响有关。受试者不仅在对新闻真实性的信念上两极分化，而且在对问题本身的信念上也两极分化，尽管他们收到了无信息的信号。

Gentzkow和Shapiro（2011）发现，自由派和保守派消费的媒体之间只有适度的差异，而有动机的推理可以帮助解释为什么人们即使消费类似的媒体，也会产生两极分化。研究结果还表明，人们认为最具吸引力的信念甚至比他们目前的信念相去甚远，而且他们还没有达到最高动机的信念。人们尚未持有他们认为最具吸引力的信念的一个原因是，有动机的推理者仍然受到信息的影响；更新中的失真量受实际信息内容的限制。接受精确信号的有动机的推理者实际上会变得不那么两极分化。5结论这篇论文表明，在有利的方向上扭曲新信息——动机推理——在人们对新闻真实性的评估中起着重要作用，并有助于解释为什么人们对周围世界形成不准确和两极分化的信念。它开发了一种新的实验范式，能够从贝叶斯更新和其他跨各种设置的渠道中识别动机推理的渠道。研究结果表明，政治动机的惩罚在人们如何形成对不可记忆性、犯罪和移民等应用经济问题的信念方面发挥了作用。他们还展示了这种偏见如何导致进一步的信仰两极分化、过度精准和对虚假新闻的过度信任。这种设计有几种未来工作的途径。例如，该设计可供对检测激励因素感兴趣的应用研究人员使用。研究人员在许多不同的环境中工作，可以用真实的答案插入任何事实问题，以确定人们如何激发对该问题的推理。

动机可以在不同的背景和人群中进行比较。易感性参数的概念也暗示了一个降低人们负担的杠杆。这种设计使我们能够识别和估计动机推理的程度；然后，以减赤为目标的干预措施可以使用该评估来测试治疗效果。一种方法是估计治疗组和对照组的易感性。对于研究人员来说，找到一种减少动机性推理的方法将是一种有价值的方式，可以对抗两极分化和对重要问题的偏见，尤其是在一个高度政治化的社会中。参考萨克洛夫、乔治和威廉·狄更斯（1982）。“认知失调的经济后果”。摘自：《美国经济评论》。Alesina、Alberto、Armando Miano和Stefanie Stantcheva（2018年）。“移民和分配”。在：工作文件。Alesina、Alberto、Stefanie Stantcheva和Edoardo Teso（2018年）。“代际流动和再分配偏好”。摘自：《美国经济评论》。奥尔科特、亨特、利维·博克塞尔、雅各布·康韦、马修·根茨科、迈克尔·泰勒和大卫·杨（2020）。“两极分化与公共卫生：冠状病毒大流行期间社会对抗中的党派差异”。发表于：《公共经济学杂志》。奥尔科特、亨特和马修·根茨科（2017）。“2016年选举中的社交媒体和假新闻”。摘自：《经济展望杂志》。Azrieli、Yaron、Christopher Chambers和Paul Healy（2018）。“实验中的激励：理论分析”。发表于：《政治经济学杂志》。巴布科克、琳达和乔治·洛文斯坦（1997）。“解释谈判僵局：自私偏见的作用”。摘自：《经济展望杂志》。Babcock、Linda、George Loewenstein、Samuel Issacharo ff和Colin Camerer（1995年）。“谈判中对公平性的偏见判断”。摘自：《美国经济评论》。Kai Barron（2020年）。

“信念更新：\'好消息，坏消息\'的不对称性是否延伸到纯粹的金融领域？”内容：实验经济学。罗兰·贝纳布和让·蒂罗尔（2002）。“自信和个人动机”。摘自：《经济学季刊》。罗兰·贝纳布和让·蒂罗尔（2011）。“身份、道德和禁忌：信仰即资产”。摘自：《经济学季刊》。本杰明·丹尼尔（2019）。“概率推理和判断偏差中的错误”。参见：行为经济学手册第章。Brunnermeier、Markus和Jonathan Parker（2005年）。“最佳预期”。摘自：《美国经济评论》。伯斯廷、莱昂纳多、迈克尔·卡伦、布鲁诺·费尔曼、萨阿德·古尔扎、阿里·哈萨纳因和诺姆·尤赫特曼（2020年）。“政治认同：巴基斯坦反美主义的实验证据”。摘自：《欧洲经济协会杂志》。Buser、Thomas、Leonie Gerhards和Jo"el van der Weele（2018）。“对反馈的反应是一种个人特质”。摘自：风险与不确定性杂志。卡普伦、亚历山大、英格尔·哈兰和贝尔蒂尔·通戈登（2018年）。“关于税收行为反应的信念”。在：工作文件。卡里略、胡安和托马斯·马里奥蒂（2000年）。“作为自律手段的战略无知”。《经济学研究评论》。Charness、Gary和Chetan Dave（2017）。“带有动机信念的确认偏差”。游戏与经济行为。Chen、Daniel、Martin Schonger和Chris Wickens（2016）。“oTree——实验室、在线和现场实验的开源平台”。摘自：《行为与实验金融杂志》。周秀红、黄伟和赵小建（2020）。“动机错误记忆”。发表于：《政治经济学杂志》。亚历山大·库茨（2018）。“好消息和坏消息仍然是新闻：关于信念更新的实验证据”。内容：实验经济学。Dana，Jason，Roberto Weber和Jason Kuang（2007）。

“利用道德回旋空间：实验证明对公平的错觉偏好”。经济学理论。Druckman、James、Matthew Levendusky和Audrey McLain（2018）。“无需关注：党派媒体的影响如何通过人际讨论传播”。摘自：《美国政治学杂志》。Druckman、James、Erik Peterson和Rune Slothus（2013）。“精英党派分化如何影响舆论形成”。摘自：《美国政治学评论》。艾尔、大卫和贾斯汀·拉奥（2011）。“好消息坏消息影响：对自己客观信息的不对称处理”。摘自：《美国经济杂志：微观经济学》。Ertac，Seda（2011年）。“自我关联是否影响信息处理？关于绩效和非绩效反馈反应的实验证据”。摘自：《经济行为与组织杂志》。克里斯汀·埃克斯利（2015）。“为慈善捐赠中的自私辩解：风险的作用”。内容：经济研究综述。埃克斯利、克里斯汀和贾德·凯斯勒（2018）。“动机错误”。在：工作文件。费斯廷格，里昂（1957年）。“认知失调理论”。地点：斯坦福大学出版社。Flynn，D.J.，Brendan Nyhan和Jason Rei-fler（2017）。“误解的性质和起源：理解关于政治的错误和不支持的信念”。简介：政治心理学的进展。盖洛普（2018）。总统支持率——唐纳德·特朗普。网址：https://news.gallup.com/poll/203198/presidential-approval-ratings-donald-trump.aspx.Gentzkow，马修和杰西·夏皮罗（2006）。“媒体偏见和声誉”。发表于：《政治经济学杂志》。Gentzkow，Matthew和Jesse Shapiro（2011）。“意识形态隔离在线安藤松露”。摘自：《经济学季刊》。Gentzkow、Matthew、Michael Wong和Allen Zhang（2018）。“意识形态偏见和对信息来源的信任”。在：工作文件。格伯、艾伦和格雷戈里·胡伯（2009）。

“党派之争与经济行为：经济预测中的党派差异是否能预测真实的经济行为？”摘自：《美国政治学评论》。吉诺、弗朗西斯卡、迈克尔·诺顿和罗伯托·韦伯（2016）。“受激励的Bayesian人：在表现自我的同时感受道德”。摘自：《经济展望杂志》。大卫·格雷瑟（1980）。“贝叶斯规则作为一种描述性模型：代表性主义”。摘自：《经济学季刊》。哈兰、英格尔和克里斯托弗·罗斯（2018）。“劳动力市场对移民的关注和支持”。在：工作文件。哈兰、英格尔和克里斯托弗·罗斯（2019）。“关于种族歧视的信念和对亲黑人政策的支持”。在：工作文件。海斯利、艾米莉和罗伯托·韦伯（2010）。“对其他行为含糊不清的自私解释”。游戏与经济行为。霍顿、约翰、大卫·兰德和理查德·泽克豪瑟（2011）。“在线实验室：在真实的劳动力市场上进行实验”。内容：实验经济学。Dan Kahan（2016）。“政治动机推理范式，第1部分：什么是政治动机推理以及如何衡量它”。摘自：社会和行为科学的新兴趋势。卡汉、丹、大卫·霍夫曼、唐纳德·布拉曼和达涅利·埃文斯（2012）。“他们看到了一个保护主义者：认知不自由主义和言语行为区别”。《斯坦福德法评论》。卡米利亚库恩（2014）。“从财务信息中不对称学习”。摘自：《金融杂志》。齐瓦昆达（1990年）。“动机推理的案例”。新闻：心理通报。昆达、齐娃和丽莎·辛克莱（2000）。“对女性有动机的刻板印象：她称赞我很好，但批评我很无能”。《个性与社会心理学公报》。Kuziemko、Ilyana、Michael Norton、Emmanuel Saez和Stefanie Stantcheva（2015）。“再分配偏好的弹性有多大？来自随机调查实验的证据”。

摘自：《美国经济评论》。莱维、凯文、杰里米·弗里斯和詹姆斯·德鲁克曼（2016）。“土耳其人样本的人口和政治构成”。在：鼠尾草开放。马修·列文达斯基（2013）。“为什么党派媒体会让观众两极分化？”摘自：《美国政治学杂志》。盖伊·梅拉兹（2019）。“先验与欲望——一厢情愿与认知失调的贝叶斯模型”。在：工作文件。Meeuwis、Maarten、Jonathan Parker、Antoinete Schoar和Duncan Simester（2019年）。“信念分歧与投资组合选择”。在：工作文件。Mobius、Markus、Muriel Niederle、Paul Niehaus和Tanya Rosenblat（2014年）。“管理自信：理论和实验证据”。在：工作文件。摩尔、唐和保罗·希利（2008）。“过度自信的问题”。《心理学评论》。摩尔、唐、伊丽莎白·坦尼和乌里尔·哈兰（2015）。“判断过于精确”。内容：威利·布莱克威尔判断和决策手册。Nisbet、Erik、Kathryn Cooper和R.Kelly Garrett（2015）。“党派的大脑：不和谐的科学信息如何导致保守派和自由派（不）信任科学”。摘自：《美国政治和社会科学院年鉴》。Nyhan、Brendan和Jason Rei-fler（2010）。“当纠正失败时：政治误解的持续存在”。政治行为。Nyhan、Brendan和Jason Rei-fler（2013）。“哪些矫正有效？研究结果和实践建议”。新美国基金会。Nyhan、Brendan、Jason Rei-fler和Peter Ubel（2013年）。“纠正医疗改革神话的危害”。内容：医疗保健。奥托列娃、彼得罗和埃里克·斯诺伯格（2015）。“过度信任政治行为”。摘自：《美国经济评论》。Oster、Emily、Ira Shoulson和E.Ray Dorsey（2013年）。“最佳预期和有限的医学检测：来自亨廷顿病的证据”。

摘自：《美国经济评论》。Pennycook、Gordon和David Rand（2019年）。“懒惰，不偏袒：对党派假新闻的易感性更好地解释为缺乏推理，而不是有动机的推理”。在：认知。拉宾、马修和乔尔·施拉格（1999年）。“第一印象很重要：证实性偏见的模型”。摘自：《经济学季刊》。萨森，希瑟（2017）。“解读劳动力市场的信号：来自医疗转诊的证据”。在：工作文件。施瓦德曼、彼得、埃贡·特里波迪和乔·范德维尔（2021年）。“自我说服：来自国际辩论比赛的证据”。在：工作文件。Sunstein、Cass、Sebastian Bobadilla Suarez、Stephanie Lazzaro和Tali Sharot（2017年）。“人们如何更新对气候变化的看法：好消息和坏消息”。内容：康奈尔大学法律评论。泰伯、查尔斯和米尔顿·洛奇（2006）。“政治信仰评估中的动机怀疑论”。摘自：《美国政治学杂志》。Tappin、Ben、Gordon Pennycook和David Rand（2020a）。“贝叶斯还是偏见？分析思维和政治信仰更新”。在：认知。Tappin、Ben、Gordon Pennycook和David Rand（2020b）。“清楚地思考政治动机推理的因果推论：为什么范例研究设计经常破坏因果推论”。摘自：行为科学的最新观点。菲利普·特洛克（1983）。“责任心和对第一印象的坚持”。《社会心理学季刊》。迈克尔·泰勒（2019）。“通过学习减少动机推理：来自在线实验的证据（注册）”。在：AEA RCT登记处。网址：https://doi.org/10.1257/rct.4401.Thaler迈克尔（2021）。“动机推理中的性别差异”。工作纸。佛罗里达州齐默尔曼（2020年）。“动机信念的动力”。

《美国经济评论》。补充附录：其他结果表4：PartyPro Rep Pro Dem Difference回答的先前信念奥巴马犯罪猜测55.907 49.560 6.348 53（0.765）（0.391）（0.858）流动猜测30.18522.152 8.034 64.9（1.048）（0.611）（1.211）种族猜测12.349 8.051 4.298 6.45（0.874）（0.436）（0.975）性别猜测3.059 3.086-0.027 3.15（0.015）（0.008）（0.087）239.894.037（0.087）（0.037）难民猜测28894.034.037）（0.037）（0.037）28894.894.287）难民猜测（2.3）英语词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇词汇嗯，稳健的标准误差。猜测在5%的水平上获胜。第三列代表平均预测值减去平均预测值。表1中预测的动机方向中每个系数点的符号。表5：平衡表反党新闻亲党新闻反对亲p价值党派偏见0.484 0.478 0.007 0.312（0.005）（0.005）（0.007）代表对。

（0.011）男0.532 0.532 0.530 0.533 0.534-0.0 0 0 0.0 0 0 0 0.534-0.0 0 0 0 0 0 0 0 0 0 0.002 0.0 0 0 0 0 0 0 0 0 0.0（0.008）（0.008）（0.008）（0.008）（0.008）（0.008）（0.0）0 0 0 0 0 0 0（0.011）0（0）0 0 0 0 0 0）0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.007）（0.010）黑色0.0750.081-0.0060.303（0.004）（0.004）（0.006）西班牙裔0.0660.062 0.004 0.499（0.004）（0.004）（0.006）宗教0.4430.457-0.0140.214（0.008）（0.008）（0.011）红色状态0.567 0.558 0.009 0.431（0.008）（0.008）（0.011）WTP引出0.490.476 0.0140.213（0.008）（0.008）（0.011）告诉1/2真实的0.3330.344-0.011 0.309（0.008）（0.011）（括号中的标准错误：3941）。Rep vs.Dem是共和党的评级减去民主党的评级，介于-1和1之间。党派之争是这些评级的绝对差异。教育是以年为单位的。宗教是任何宗教团体中的一个主题。如果该州在2016年选举中为特朗普投票，则红州排名第一。如果WTP组中的受试者为1，如果第二猜测组中的受试者为0，则得出的WTP为1。

如果受试者被告知P（真实新闻）为1/2，则被告知1/2 True为1，如果受试者未被告知P（真实新闻）为1/2，则被告知0。表6：新闻方向、实际真实性、，（4）不可预测的）不可预测的（0.016）不可预测的（0.0160.010.010.010 0.015 0.010 0.010 0.018 0.018 0.018 0.018 0.018 0.010 0 0.018 0 0.010 0 0.018 0.018 0.0 0 0 0.018 0 0 0 0.018 0 0 0 0 0 0 0 0 0.018 0 0 0 0 0 0 0 0 0 0 0 0 0.018 0 0 0 0 0 0 0 0 0.018（0（0）（0.018）（0）（0.018）（0.018）（0.018）（0.018）（0.018）（0.018）（0）（0.018）（0.018）（0.018）（0.018）（0）（0）（0.018）（0.018）（0.018）（0）（0.018）（0.018x反党的0.001（0.013）真实新闻-0.026（0.007）不道德的x真实新闻-0.026（0.013）问题FE是是是否是正确的FE是是是是是是是是的是的对象FE是是是是是是的是非主流新闻否否否否否是非观察7882 7882 10499 7882R0。25 0.25 0.21 0.25平均值0.574 0.574 0.575 0.574括号内的标准错误注：OLS，在学科层面聚集的错误。如表1所示，中立新闻表明，与中立新闻相比，亲党/反党新闻更具代表性。控制因素：种族、性别、原木（收入）、教育（年数）、宗教信仰，以及2016年该州是否投票给特朗普或克林顿。党派之争是共和党和民主党之间的绝对分歧。如果初始猜测正好介于下限/上限和0之间，则Unskewed为1，否则为0。

如果下限等于上限，观察值就会下降。表7：新闻方向、实际真实性、，（1）（2）（3）（4）前亲党新闻-0.001-0.001-0.002-0.002（0.002）（0.002）（0.002）（0.002）亲党新闻-0.087（0.040）0.040 0.036 0.076（0.006）（0.012）（0.006）（0.007）党派偏见x亲党新闻-0.099（0.022）反党新闻-0.048（0.007）真实新闻-0.034（0.006）问题FE是否是的是的是的是的是的是的是的是的是的是的是的是的不是的是的是的是的是的NoObservations 7902 7902 10552 7902R0。25 0.25 0.21 0.25平均值0.574 0.574 0.575 0.574括号内的标准错误注：OLS，在学科层面聚集的错误。中立新闻表明，与中立新闻相比，亲党/反党新闻如表1所示。控制因素：种族、性别、原木（收入）、教育（年数）、宗教，以及2016年州政府是投票给特朗普还是克林顿。党派之争是共和党和民主党收视率之间的绝对差异。Previous Pro Party是指之前所有亲党新闻的数量减去反党新闻的数量。图6：积极绩效和消极绩效感知准确性CDF注释：积极绩效和消极绩效新闻定义见表1。该图显示，受试者更喜欢有利于表现的新闻，而不是反表现的新闻。x轴测量受试者对TP的信念（真实的|正面/负面新闻）。y轴衡量的是给予最高评估的受访者比例。Bayesian人对新闻的支持和反对也会有同样的信任，剩下的是有动机的推理。图7：真实新闻和虚假新闻的感知真实性CDF：仅包括政治话题。该图显示，受试者对假新闻的信任程度高于真实新闻。x轴测量受试者对P（真|真/假新闻）的信念。

y轴测量的是最多给出这么高评估的响应者的比例。对于真实和虚假的新闻，Bayesian人同样信任新闻，剩下的是有动机的推理。B研究材料：确切的问题措辞奥巴马治下的犯罪有些人认为奥巴马政府在犯罪问题上过于软弱，暴力犯罪在他担任总统期间有所增加，而其他人则认为奥巴马总统推动刑事司法改革和减少监禁并没有增加暴力犯罪。这个问题问的是，在奥巴马政府执政期间，谋杀和误杀率是如何变化的。2008年（在奥巴马成为总统之前），谋杀和谋杀案的发生率为每百万美国人54%。2016年（奥巴马总统任期结束时），每百万人的谋杀和误杀率是多少？正确答案：53。结果页面上链接的来源：http://bit。2017年，唐纳德·特朗普签署了自罗纳德·里根1981年和1986年法案以来最大的税收改革法案，使之成为法律。一些人认为里根的改革加速了经济增长，让低收入美国人从低税收中获益，而其他人则认为这减少了政府帮助低收入美国人取得进步的支出。这个问题问的是，里根执政期间在低收入家庭长大的孩子是否能够从他的税收改革中受益。在1980年至1985年出生在最低收入（最低20%）家庭的美国人中，成年后从最低收入群体中上升的百分比是多少？（请猜0到100之间。）正确答案：64.9。结果页面上链接的来源：http://bit。

种族歧视在美国，白人的平均工资高于黑人。一些人将收入差异归因于教育、培训和文化的差异，而另一些人则更多地归因于种族歧视。在一项研究中，研究人员发送了真实的简历，以回应报纸上数以千计的求助广告。发送的简历具有相同的技能和教育背景，但研究人员给了一半（假）申请者刻板的白人名字，如艾米莉·沃尔什和格雷格·贝克，给了另一半申请者刻板的黑人名字，如拉基莎·华盛顿和贾马尔·琼斯。9.65%的名字听起来像白人的申请人收到了回电。名字听起来像黑人的申请者中有多少人收到了回电？（请猜0到100之间。）正确答案：6.45。结果页面上链接的来源：http://bit。在美国，男性更可能进入数学和数学相关领域。一些人将其归因于对数学的兴趣或能力的性别差异，而另一些人则将其归因于性别歧视等其他因素。这个问题问高中男生和女生在数学课上的表现是否存在显著差异。一家主要的考试服务机构分析了高中高年级学生的数据，并比较了不同科目男女学生的平均GPA。男生在数学课上的平均绩点为3.04（满分为4.00）。女学生在数学课上的平均成绩是多少？（请猜0.00到4.00之间。）正确答案：3.15。结果页面上链接的来源：http://bit。同性恋者和暴力犯罪者认为美国。

有责任接收难民进入美国，而其他人则认为，开放的难民政策将被犯罪分子利用，并将美国人置于危险之中。2015年，德国领导人安格拉·默克尔宣布了一项开放政策，允许所有进入欧洲的叙利亚难民在德国居住。从19517年起，近100万叙利亚人移居德国。这个问题询问了德国的开放式难民政策对暴力犯罪率的影响。2014年（难民涌入之前），德国的暴力犯罪率为每十万人224.0起。2017年（难民入境后），德国每十万人的暴力犯罪率是多少？正确答案：228.2。结果页面上链接的来源：主页：http://bit。ly/germany crime main site.2014年和2015年数据：http://bit。ly/germany-crime-2014-2015。2016年和2017年数据：http://bit。ly/germany-crime-2016-2017。气候变化一些人认为，科学界已经达成共识，认为人类活动正在导致全球变暖，我们应该制定更严格的环境法规，而另一些人则认为，科学家对全球变暖的存在或原因并不一致，并认为更严格的环境法规将牺牲就业机会，而不会带来太多环境收益。这个问题是关于大多数科学家是否认为全球变暖是由人类引起的。一家大型无党派民调公司就全球变暖的存在和原因对数千名科学家进行了调查。这些科学家中有多少%认为“气候变化主要是由人类活动造成的”？（请猜0到100之间。）正确答案：87。结果页面上链接的来源：http://bit。

研究气候变化的科学家们说，美国的杀人率比其他富裕国家高得多。一些人将这归因于枪支的流行，并支持更严格的枪支法，而另一些人则认为更严格的枪支法将限制美国人的《第二修正案》权利，但不会大大减少杀人案。1996年发生大规模枪击事件后，澳大利亚通过了一项大规模枪支管制法，名为《国家枪支协议》（NFA）。到1997年，该法律将近100万件武器非法化、买回并销毁，规定所有未销毁的武器都必须登记，并且需要很长时间等待武器销售。民主党人和共和党人都将NFA作为支持/反对更严格枪支法的证据。这个问题问的是NFA对澳大利亚凶杀率的影响。在NFA之前的五年（1991年至1996年），斯特拉利亚每年有319.8起谋杀案。在NFA（1998-2003）之后的五年里，澳大利亚每年有多少起谋杀案？正确答案：318.6。结果页面上链接的来源：http://bit。ly/澳大利亚凶杀率（自杀率大幅下降。详情：http://bit.ly/impact australia gun laws。）媒体偏见有些人认为媒体对民主党人有不公平的偏见，有些人认为媒体是平衡的，还有一些人认为媒体对共和党人有偏见。这个问题问记者是否更可能是民主党人而不是共和党人。有代表性的记者被问及他们的政党关系。在那些与民主党或共和党有联系的人中，有多少%的记者是共和党人？（请猜0到100之间。）正确答案：19.8。结果页面上链接的来源：http://bit。

这个问题问你是否认为民主党人或共和党人在这项关于政治和美国知识的研究中做得更好。我比较了民主党和共和党在100名参与者（不包括你自己）中的平均得分。共和党人平均得分为70.83分。你认为民主党平均得分是多少？（请猜0到100之间）正确答案：72.44。共和党人的相对表现这个问题问你是否认为民主党人或共和党人在这项关于政治和美国知识的研究中做得更好。我比较了民主党和共和党在100名参与者（不包括你自己）中的平均得分。民主党平均得分为72.44分。你认为共和党人平均得分是多少？（请猜0到100之间）正确答案：70.83。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。）正确答案：取决于参与者的表现。随机数计算机将随机生成一个介于0和100之间的数字。你认为电脑选择了什么号码？（作为提醒，猜测一个接近计算机选择的答案最符合你的利益，即使你没有完全猜到。）正确答案：为每个参与者随机生成。美国中心纬度美国国家大地测量局接近美国大陆的地理中心。（这不包括阿拉斯加、夏威夷和美国领土。）这个地理中心向北多少度？（请猜0到90之间。美国大陆。

位于北半球，赤道北纬0度，北极北纬90度。）正确答案：39.833。结果页面上链接的来源：http://bit。美国国家大地测量局（U.S.National Geodetic Survey）大致相当于美国大陆的地理中心。（这不包括阿拉斯加、夏威夷和美国领土。）这个地理中心向西多少度？（请猜0到180度之间。美国大陆位于西半球，西半球从0度到180度。）正确答案：98.583。结果页面上链接的来源：http://bit。本年度1776年，我们的先辈在这个大陆上创立了一个新国家，它孕育于自由之中，致力于所有人生来平等的主张。现在是哪一年？这不是一个骗人的问题，第一句话无关紧要；这是一个全面的检查，以确保你的注意力。对于这个问题，如果你知道现在是哪一年，你的上下限应该等于你的猜测。正确答案：2018年。结果页面上链接的来源：http://bit。itC在线附录：新闻需求、易感性和结构评估动机本附录部分讨论动机推理和易感性的意识。首先，我们通过引发WTP来考虑受试者对消息的需求；相关性与这样一种观念是一致的，即受试者意识到他们会从信息中更新，但没有意识到他们会以一种降低焦虑的方式激发推理。本节使用了主模型的扩展，额外假设敏感性与更新过程的噪音有关。