基于锚定的因果设计 (ABCD)：估计信念的效应

在任何关于信念对结果（如决策和行为）影响的研究中，一个核心挑战是遗漏变量偏差的风险。遗漏变量通常是未测量的，甚至是未知的，它们可能会在信念和决策之间引发并非真正因果的相关性，在这种情况下，遗漏变量被称为混杂因素。为了应对因果推断的挑战，研究人员经常依赖信息提供实验来随机操纵信念。在这些实验中提供的信息可以作为工具变量 (Instrumental Variable, IV)，只要它仅通过影响信念来影响决策，就能实现因果推断。然而，向参与者提供不同的信息以塑造其信念可能会引发方法论和伦理上的担忧。方法论上的担忧源于对排他性约束假设的潜在违背。这种违背可能源于信息源效应，即对信息源的态度直接影响结果决策，从而引入混杂因素。伦理上的担忧则源于对所提供信息的操纵，因为这可能涉及欺骗参与者。本文提出并实证演示了一种处理信念并估计其效应的新方法——基于锚定的因果设计 (Anchoring-Based Causal Design, ABCD)，该方法避免了欺骗和来源影响。ABCD 将被称为锚定的认知机制与工具变量 (IV) 估计相结合。该方法不提供实质性信息，而是采用一种刻意设计的无信息程序，在该程序中，参与者将他们对某一概念的自我评估与随机分配的锚定值进行比较。我们展示了该方法及八个实验的结果，证明了其应用、优势和局限性。最后，我们讨论了这种设计在推进实验社会科学方面的潜力。