基于锚定因果设计（ABCD）：估计信念效应

研究信念对结果（如决策和行为）的影响时，一个核心挑战是遗漏变量偏倚的风险。遗漏变量——通常是未测量的甚至是未知的——可能导致信念与决策之间的相关性并非真正的因果，在这种情况下，遗漏变量被称为混杂变量。为了解决因果推断的挑战，研究人员经常依赖信息提供实验来随机操控信念。这些实验提供的信息可作为工具变量(IV)，从而实现因果推断，但仅当其仅通过对信念的影响来影响决策时才成立。然而，为参与者提供以塑造其信念的不同信息可能引发方法论和伦理问题。方法论问题源于排除限制性假设的潜在违反，这些违反可能来自信息来源效应，即对信息来源的态度直接影响决策结果，从而引入混杂变量。伦理问题源于操控所提供的信息，可能涉及欺骗参与者。这篇论文提出并实证演示了一种新方法，用于处理信念并估计其效应，即基于锚定的因果设计(ABCD)，该设计避免了欺骗和来源影响。ABCD结合了已知的锚定认知机制与工具变量(IV)估计。相较于提供实质性信息，方法采用一种刻意非信息性程序，即参与者将其对概念的自我评估与随机分配的锚值进行比较。我们提出该方法并展示了八个实验的结果，说明其应用、优势与局限性。我们得出结论，讨论了该设计在推动实验社会科学方面的潜力。