Une étude rapide dans l'économie comportementale

La crise financière a provoqué de nombreux économistes à revoir beaucoup de vieilles questions en microéconomie. L'un est la mesure dans laquelle les gens sont rationnel au sens économique # 8210- choisir le meilleur qu'ils peuvent faire pour le budget dont ils disposent. Si elles ne sont pas, un certain nombre de résultats, comme les prédictions de ce genre d'équilibres sera existent dans un marché, ne peuvent pas travailler # 8210- et vous avez à jeter plus de 100 années de recherche sur la microéconomie.

Heureusement, les nouvelles ne sont jusqu'à présent pas catastrophique! Au lieu de cela, il pointe les gens étant rationalité limitée: Qui est, ils plus ou moins essayer de faire du mieux qu'ils peuvent, mais leur prise de décision ne sont pas parfaites et elles sont sujettes à un certain nombre de biais systématiques.

Les économistes ont attiré sur les résultats de psychologues pour affiner leurs modèles. La zone de - en grande partie - microéconomie qui étudie ce problème est appelé économie comportementale. Il utilise des expériences de laboratoire et d'autres données pour obtenir une poignée sur la façon d'adapter le modèle de maximisation de l'utilité d'essayer de rendre plus réaliste et prédictive mieux.

Quelques exemples intéressants ont déjà sortir de la manière dont les préjugés des gens influencent leurs décisions. Pour commencer, prendre le chemin d'un problème est encadrée. Si votre médecin vous a dit que vous pourriez prendre des médicaments pour éclaircir un froid dans les sept jours, mais si vous l'avez laissé à lui-même, il pourrait prendre une semaine, voulez-vous prendre le médicament? La première partie est encadrée de façon plus positive, et ainsi de l'économie comportementale prédit que vous choisiriez l'ancien!

Reprenant certains économie comportementale est une bonne idée, si vous souhaitez modéliser ces choix ou tout simplement Armez-vous avec une certaine auto-défense contre certaines tactiques de vente. Lorsque, par exemple, un restaurant sommeliers décrivent une bouteille de vin plus cher pour vous, ils cadrage de votre choix d'une certaine façon. Si vous connaissez un vin est cher, vous êtes plus susceptible de noter que la qualité supérieure, même si vous seriez incapable de distinguer de pinard pas cher dans un test à l'aveugle.

Trouver les préjugés des gens et de les explorer conduit à des résultats intéressants. La première est que le choix est pas nécessairement une bonne chose en toutes circonstances. Dans une expérience, les gens étaient plus susceptibles d'acheter d'un décrochage contenant un petit nombre de produits que celui avec un plus grand nombre. Pourquoi? Eh bien, même si plus de gens arrêtés à l'écran plus grand, ils ont été submergés par la quantité de choix disponibles et ne pas acheter quoi que ce soit!

Lorsque le risque ou d'incertitude est impliqué, les préjugés sont parfois étonnante! Demandez-vous si vous préférez être donné # 163-100 ou entrer une loterie où vous avez 1 chance sur 10 de gagner # 163-1,000.

Vous ne pouvez pas réaliser, mais, de façon rationnelle, vous avez été offert la même chose dans les deux cas: vous obtenez les résultats escomptés en multipliant résultat par la probabilité et ainsi de deux offres montant à # 163-100! Mais préférez-vous le risque de ne pas recevoir l'argent - 9 fois sur 10 vous obtiendrez rien à voir avec la deuxième offre!

Si les gens ne sont pas rationnels dans la façon dont le modèle d'utilité dit, est-ce important? Eh bien, la réponse dépend de ce que vous voulez pour modéliser et pourquoi vous voulez le faire. Si vous voulez voir comment les marchés fonctionnent en moyenne et ne me dérange pas d'avoir à qualifier votre réponse avec un «plus ou moins», il n'a probablement pas particulièrement d'importance.

Même si vous utilisez des données comportementales pour vous informer, il ne peut pas prédire ce que fait un individu donné dans cette situation. Mais quand vous avez besoin d'explications pour lesquelles l'équilibre prédite ne peut pas être tenue, l'adaptation des modèles à la lumière des conditions de comportement peut être juste ce dont vous avez besoin.