Wiederholte Spiele

econ.euv.ffo.de

Wiederholte Spiele

Wiederholte SpieleYves Breitmoser, EUV Frankfurt (Oder)


1ÜberblickLangfristige Beziehung Zwei Akteure treffen sich regelmäßig, ohneabsehbares Ende, und können jeweils kooperativ oder unkooperativ seinBeispiele Lebenspartner, Firmen, Kollegen, Politiker, . . .FragenUnter welchen Umständen entwickelt/ergibt sich Kooperation?Wie wird unkooperatives Verhalten bestraft? (TFT, Grim?)Themen1 Klassische Theorie2 Eine Welle aktueller Experimente3 Diskrepanz zwischen Theorie und Empirie4 Eine neue Theorie5 Empirische Bestätigung


2Das BasismodellStylisierte Situation: Gefangenendilemma Entscheidung zwischenkooperativem (c) und unkooperativem (d) VerhaltenKooperation ist mit Anstrengung verbunden, nicht individuell optimal, abergünstig für Gegner/PartnerBeidseitige Kooperation ist sozial optimalcdc 3, 3 0, 4d 4, 0 1, 1Langfristige Beziehung: Wiederholtes GefangenendilemmaBasisspiel wird unbegrenzt wiederholt, je eine Interaktion pro PeriodeDiskontierung zukünftiger Auszahlungen mit Faktor δSimulation im Labor durch Fortsetzungswahrscheinlichkeit δ nach jederPeriode


BeispieleFortsetzungswahrscheinlichkeit δ = 0.75c dc 3, 3 0, 4d 4, 0 1, 1Runde 1Runde 2Runde 3Runde 4∑Spieler 1c 0c 3c 3c 06Spieler 2d 4c 3c 3d 414Runde 1Runde 2Runde 3Runde 4∑Spieler 1c 0d 1d 1d 13Spieler 2d 4d 1d 1d 17Was Sie vielleicht gewählt hätten:nach (c, c) vermutlich c, nach (d, d) vermutlich dnach (c, d), (d, c): weniger entschieden, nahe Indifferenz


5Klassische Theorie 1: Das Folk TheoremFolk TheoremJedes individuell rationale Auszahlungsprofil kann sich im teilspielperfektenGleichgewicht bei Diskontfaktoren hinreichend nahe 1 ergeben.Individuell rational Jeder Spieler erhält mindestens seine Minimax-AuszahlungMinimax-Auszahlung Die Auszahlung, die man mindestens erreichen kann:min s−i max si π i (s i , s −i )Im Basisspielc dc 3, 3 0, 4d 4, 0 1, 1✻4 ❇ ❜3 ❇❇❜❇❜❇❇1❜ ❜ ❜ ❜❜❜ ❜ ❜ ❜❇❜ ❇❜ ❜ ❜ ❜❜ ❇ ❜❜ ❜ ❜ ❜❜ ❜ ❜❜ ❇❜❇ ❇❇❇ 0 0 1 3 4✲


6Klassische Theorie 2: Evolutionäre StabilitätTit-for-Tat Beginn mit c, danach imitiere den Gegnerc nach (·, c) und d nach (·, d)Streng reziproke Strategie, kein TSP-Ggw“optimal” bei unbekannter Strategie der Gegner(Axelrod, 1980), unschlagbar bei δ ≈ 1c, cd, cc, dd, dWin-Stay-Lose-Shift Beginn mit c, spiel c nach (c, c) und (d, d), spiel dnach (c, d) oder (d, c)“Lernstrategie”: Wechsel der Aktion falls Auszahlungklein (π i < 3), Wiederholung der Aktion sonstKurzer “Streit” nach d, keine “Bestrafung”Ist ein TSP-Ggw, wenn eine Runde (d, d) reichtEffektiv durch möglichen Wiederaufbau nach (d, d);effektiver als TFT wenn Gegner c nach (c, c) spielenc, cd, cc, dd, d


7Etwas konkretere FragenSetzt Kooperation ein, wenn Grim ein TSP-Ggw ist?Ergibt sich die Beliebigkeit der Folk Theoreme?Spielen wir Grim, TFT oder WSLS?Grim Beginn mit c, Spiel c ⇔ (c, c)TFT Beginn mit c, Spiel c ⇔ (c, c) oder (d, c)WSLS Beginn mit c, Spiel c ⇔ (c, c) oder (d, d)Nutzen wir überhaupt Memory-1 Markov-Strategien?Ist die Strategiewahl eine Frage der Parameter? Bspw. bei δ = 0.75c dc dcdc 3, 3 0, 4d 4, 0 1, 1c 2, 2 0, 3d 3, 0 1, 1c 3, 3 0, 5d 5, 0 1, 1


8Kürzlich: Viele experimentelle StudienDal Bo (2005, AER): Vergleich unendlich zu endlich, verschiedene δ und LängenKooperation steigt bei höherem δ, aber Koop nicht schon bei δ ≈ δ GrimDuffy and Ochs (2009, GEB): fixed rematching vs. random rematchingBlonski, Ockenfels, Spagnolo (2011, AEJ-Micro): Koop-Schwelle δ = δ ⋆Axiomatische Charakterisierung und experimentelle BestätigungDal Bo und Frechette (2011, AER): Bestätigung des Kriteriums δ ≥ δ ⋆Ökonometrische Schätzung der Strategien kein stabiles MusterBruttel und Kamecke (2012, TD): Drei Methoden zur Bestimmung der StrategienErgebnisse ziemlich robust, Memory-1 Markov passt ganz gut bei einem GDFudenberg, Rand und Dreber (2012, AER): Aktionen mit NoiseAuch Schätzung der Strategien Tit-for-2-tats (TF2T), 2-Tits-for-tat (2TFT)


Interessantes Ergebnis: BOS-SchwelleBlonski, Ockenfels, Spagnolo (2011, BOS) fanden eine empirischeBedingung für Koop, durch Dal Bo und Frechette (2012, DF) bestätigt:Aber:systematische Koop ⇔ δ ≥ p dc + p dd − p cd − p ccp dc − p cd=: δ ⋆δ ⋆ ist durch Axiome über Parameter (p cc , p cd , p dc , p dd , δ) charakterisiert(Invarianz bzgl. linearer Transformation; δ-Monotonie; Additive Separierbarkeit vonp cc − p dd , p dc − p cc, p dd − p cd ; Gleiche Gewichte von p dc − p cc und p dd − p cd )Es gibt keine strategische Interpretation, weder theoretisch noch empirischGegensatz zu bspw. δ GrimForschungsfragen1 Gibt es eine strategische Interpretation von δ ⋆ ? (Existenz eines Ggws)2 Spielen die Experimentteilnehmer ein Ggw, das bei δ ⋆ entsteht?Dazu ein erster Blick auf die Durchschnittsstrategien . . .


10Das “Semi-Grim Puzzle”c dc a, a 0, bd b, 0 1, 1Standard. ParameterDurschnittsstrategie ist “Semi-Grim”b a δ ˆσ cc ˆσ dc ˆσ cd ˆσ ddBlonski, Ockenfels und Spagnolo (2011)2.5 1.5 0.75 0.912 ≫ 0.128 ≈ 0.226 ≫ 0.0321.429 1.286 0.875 0.968 > 0.088 ≈ 0.234 ≫ 0.0272.5 1.5 0.875 0.971 ≫ 0.28 ≈ 0.211 ≫ 0.0392.4 1.8 0.75 0.887 ≫ 0.117 ≈ 0.244 > 0.0373 2 0.75 0.908 > 0.286 ≈ 0.285 ≫ 0.0224.667 3 0.75 0.854 ≫ 0.254 ≈ 0.195 > 0.064Dal Bo und Frechette (2011)2.923 1.538 0.75 0.946 ≫ 0.38 ≈ 0.358 ≫ 0.032.923 2.769 0.5 1 ≫ 0.21 ≈ 0.371 ≫ 0.0372.923 2.154 0.75 0.959 ≫ 0.555 > 0.328 ≫ 0.1032.923 2.769 0.75 0.976 ≫ 0.347 ≈ 0.28 ≈ 0.074Duffy und Ochs (2009)3 2 0.9 0.924 ≫ 0.37 ≈ 0.347 ≫ 0.123Fudenberg, Rand und Dreber (2012)5 4 0.875 0.935 ≫ 0.465 ≈ 0.465 ≫ 0.078


Empirie vs. TheorieZwei KernbeobachtungenBOS-Schwelle Teilnehmer kooperieren systematisch bei δ ≥ δ ⋆Semi-Grim-Puzzle Die durchschnittlichen Strategien sind strukturell robustund haben die Form σ cc > σ dc ≈ σ cd > σ ddRelation zu Teilspielperfektheit/Folk Theoremen:Die BOS-Schwelle liegt über der Existenzbedingung kooperativer GgwsPluralität der Folk-Theorem-Gleichgewichte widerlegtRelation zu evolutionärer Stabilität (TFT, WSLS):Beobachtungen σ dc ≈ σ cd und σ cd > 0 widersprechen TFTBeobachtungen σ dd < σ cd und σ dd < σ dc widersprechen WSLSPassen andere, weniger prominente Ideen der theoretischen Literatur?


Moderne Theorie 1: Imperfektes MonitoringIdee Vollständig gemischtes Ggw ⇒ Indifferent in allen States⇒ Indifferent egal in welchem State Gegner ist/glaubt zu sein⇒ Robust bzgl. mangelnder AufmerksamkeitSei ˜π s ′ ,s ′′ := π s ′ ,s ′′(c) − π s ′ ,s′′(d) derKooperationsanreiz im State (s ′ , s ′′ )Dann gilt bei “einfachem” Basisspielcdc a, a 0, a + 1d a + 1, 0 1, 1˜π cc − ˜π cd = (σ dc − σ cc ) · µ ˜π cc − ˜π dc = (σ cd − σ cc ) · µ˜π cc − ˜π dd = (σ dd − σ cc ) · µ ˜π cd − ˜π dc = (σ cd − σ dc ) · µmit µ = δ (1 − δ) (a − 1) (σ dc + σ cd − σ cc − σ dd )/r und r > 0˜π cc = 0 und σ dc + σ cd = σ cc + σ dd ⇒ in allen States indifferentDiese σ sind vollständig gemischte (belief-freie) Gleichgewichte


Moderne Theorie 2: NutzenperturbationLogit Gleichgewichte Robustheit bzgl. Nutzenperturbationen mitExtremwert-Verteilung (Typ 1)Definition der Logit-Ggwsσ cc = 1/ ( 1 + exp{−˜π cc /µ} ) σ cd = 1/ ( 1 + exp{−˜π cd /µ} ) . . .mit Kooperationsanreizen ˜π cc := π cc (c) − π cc (d) usw.Limiting-Logit ergibt sich bei µ → 0 (Varianz gegen 0)Eigenschaften der Limiting-Logit Ggws mit 1-Memory1 σ cc > σ dd ⇒ σ cd = σ dc (keine Reziprozität) und σ cc > σ cd,dc2 Belief-freies, limiting-logit Ggw existiert ⇔ δ ≥ δ ⋆3 Dies ist ein gemischtes Ggw mit Form σ cc > σ cd = σ dc > σ ddTheoretisch könnte das vieles erklären


BeweisskizzenDefinition der Logit-Ggwsσ cc = 1/ ( 1 + exp{−˜π cc /µ} ) σ cd = 1/ ( 1 + exp{−˜π cd /µ} ) . . .bei µ → 0, mit Kooperationsanreizen ˜π cc := π cc (c) − π cc (d) usw., wobei˜π cc − ˜π dd = (σ dd − σ cc ) · κ˜π cd − ˜π dc = (σ cd − σ dc ) · κPunkt 1:σ cc > σ dd⇒Logit˜π cc > ˜π dd⇒Linksκ < 0⇒Rechts˜π cd − ˜π dc und σ cd = σ dcPunkte 2,3:1 belief-free ⇒ σ cc > σ dd ⇒Logitσ cd = σ dc⇒Existδ ≥ δ ⋆2 Eines der Belief-freien MPEs mit σ cd = σ dc ist limiting logit(Anwendung des Satzes über implizite Funktionen)3 belief-free und σ cd = σ dc ⇒ σ cc > σ cd = σ dc > σ dd14


Empirische Analyse zur Überprüfung der TheorieAnhand mehrerer Datensätze zur Ableitung robuster MusterBOS11 und DF11: viele Treatments bei δ ≈ δ ⋆Entstehung von KooperationDO09 und FRD12: je ein Treatment mit hohem δ und robuster KoopRobustheits-Test der gefundenen ErgebnisseIn den anderen Treatments dort gilt “fixed rematching” oder “Noise”Grenzen bisheriger Studien zur Schätzung der Strategien (DF11, FRD12)Konzentration auf reine StrategienNeben A-Defect und Grim hauptsächlich Betrachtung ungleichgewichtigerHeuristiken (A-Coop, TFT, Win-Stay-Lose-Shift, Tit-for-2,3-Tats)Keine Erklärung des Semi-Grim Puzzles σ cc > σ cd = σ dc > σ dd


17Memory-1 historiesTr cc dc cd ddcccccccdccdccdccMemory-2 historiescd dcdd ccBlonski, Ockenfels und Spagnolo (2011)63 ++2 ++ +7 ++ ++ + +4 ++ ++ + ++ −−8 ++ ++ ++ ++ −5 ++ ++ ++ ++ + +9 ++ ++ + + +1 ++ ++ ++ ++ − ++10 ++ ++ + ++ − +Dal Bo und Frechette (2011)1 ++ ++ + ++ + −3 ++ ++ ++ ++2 ++ ++ ++ ++ + ++5 ++ ++ ++ ++ +4 ++ ++ ++ ++ − −−6 ++ ++ ++ ++Duffy und Ochs (2009)++ ++ ++ ++ − + ++Fudenberg, Rand und Dreber (2012)++ ++ ++ ++cddcdccddcddddcddddc


18Treatment parameters H 0 : σ cc = σ dd H 0 : σ dc = σ cd H 0 : σ cc = σ cd,dc = σ ddb a δ σ cc σ dd σ dc σ cd σ cc σ cd,dc σ ddBlonski, Ockenfels und Spagnolo (2011)1.43 1.29 0.52.5 1.5 0.5 0.923 ≫ 0.011 0.186 ≈ 0.09 0.93 ≫ 0.142 > 0.011.25 1.12 0.75 0.97 ≫ 0.004 0.33 ≈ 0.218 0.976 ≫ 0.276 ≫ 0.0041.43 1.29 0.75 0.994 ≫ 0.002 0.373 ≈ 0.289 1.001 ≫ 0.333 ≫ 0.0012.5 1.5 0.75 0.886 ≫ 0.038 0.189 ≈ 0.154 0.888 ≫ 0.172 ≫ 0.0371.43 1.29 0.88 0.914 ≫ 0.032 0.237 ≈ 0.207 0.916 ≫ 0.222 ≫ 0.0312.5 1.5 0.88 0.915 ≫ 0.053 0.318 ≈ 0.236 0.922 ≫ 0.279 ≫ 0.0512.4 1.8 0.75 0.913 ≫ 0.03 0.206 ≈ 0.172 0.915 ≫ 0.189 ≫ 0.0293 2 0.75 0.801 ≫ 0.051 0.318 ≈ 0.266 0.807 ≫ 0.295 ≫ 0.0494.67 3 0.75 0.872 ≫ 0.053 0.28 ≈ 0.163 0.874 ≫ 0.223 ≫ 0.051Dal Bo und Frechette (2011)2.92 1.54 0.5 0.795 ≫ 0.031 0.428 > 0.207 0.816 ≫ 0.327 ≫ 0.032.92 2.15 0.5 0.811 ≫ 0.118 0.383 ≫ 0.255 0.822 ≫ 0.323 ≫ 0.1162.92 1.54 0.75 0.899 ≫ 0.041 0.414 > 0.3 0.906 ≫ 0.36 ≫ 0.0392.92 2.77 0.5 0.929 ≫ 0.072 0.244 ≈ 0.319 0.917 ≫ 0.28 ≫ 0.0772.92 2.15 0.75 0.945 ≫ 0.167 0.548 > 0.364 0.948 ≫ 0.454 ≫ 0.1572.92 2.77 0.75 0.98 ≫ 0.106 0.383 ≈ 0.303 0.981 ≫ 0.342 ≫ 0.104Duffy und Ochs (2009)3 2 0.9 0.957 ≫ 0.134 0.38 ≈ 0.342 0.958 ≫ 0.361 ≫ 0.133Fudenberg, Rand und Dreber (2012)5 4 0.88 0.949 ≫ 0.171 0.483 ≈ 0.466 0.95 ≫ 0.474 ≫ 0.169Ergebnis σ cc > σ dd ist universell, σ cd = σ dc ist nicht systematisch verletzt,σ cc > σ cd,dc ist universell


Pooling von σ ∅ und σ cc ?Test H 0 : σ ∅ = σ cc wichtig für spätere Strategieanalyse und fürallgemeines Verständnis von KooperationAnalyse Regression von Koop auf (σ ∅ , σ cc , σ cd , σ dc , σ dd ), mit RandomEffects, Bootstrapping der p-Werte von H 0 : σ ∅ = σ ccσ ccσ ∅BOS: 0.923 ≫ 0.2170.97 ≫ 0.0440.994 ≫ 0.150.886 ≫ 0.2430.914 ≫ 0.3720.915 ≫ 0.3930.913 ≫ 0.5530.801 ≫ 0.350.872 ≫ 0.595σ ccσ ∅DF: 0.795 ≫ 0.0620.811 ≫ 0.1940.899 ≫ 0.2630.929 ≫ 0.4080.945 ≫ 0.7680.98 > 0.955DO: 0.957 ≫ 0.696FRD: 0.949 ≫ 0.825Ergebnis σ ∅ < σ cc ist universell – Kooperation ergibt sich durch Anpassenvon σ ∅ , scheinbar nicht durch Anpassen der Strategie19


Analyse 2: Teilnehmer spielen Semi-Grim StrategienConstant Gen Grim Gen Coop Gen TFT Gen WSLS Semi-Grim(α, α, α, α) (1, α, α, α) (1, α, 0, 0) (1, 0, α, 0) (1, 0, 0, α) (1, α, α, 0)Weight α Weight α Weight α Weight α Weight α Weight αBlonski, Ockenfels und Spagnolo (2011)1 0.017− − − − − − − − − −(−) (0.013)− − − − − − − − − − 1 (−)0.143(0.094)− − − − − − − − − − 1 (−)0.286(0.082)− − − − − − − − − − 1 (−)0.326(0.072)− − 0.12(0.049)− − 0.025(0.025)0.05(0.042)0.053(0.039)0.052(0.042)0.037(0.056)0.218(0.077)0.244(0.088)0.259(0.167)0.412(0.067)0.252(0.054)0.8(0)− − 0.118(0.096)0.361(0.094)Dal Bo und Frechette (2011)− − 0.045(0.033)0.355(0.077)0.008(0)0.016(0.011)− − − − − − 0.88(−)− − − − − − 0.975(−)0.055(0.054)0.868(0.224)0.985(0.082)− − − − 0.831(−)0.031(0.045)0.985(0.118)− − 0.5(−)− − − − − − − − 0.948(−)− − − − − − − − 0.963(−)0.14(0.048)− − 0.325(0.071)− − 0.299(0.105)− − 0.226(0.084)0.023(0.025)0.5(0)Duffy und Ochs (2009)0.144 0.34(0.048) (0.047)0.074(0.071)0.553(0.129)0.647(0.069)0.005(0)0.137(0.093)0.703(0.103)0.796(0.109)− − 0.069(0.047)− − 0.157(0.062)− − 0.141(0.061)0.402(0.119)0.146(0.073)0.97(0.241)0.873(0.146)0.997(0.046)0.88(0.161)0.952(0.065)− − 0.885(−)− − 0.348(−)− − 0.533(−)− − − − 0.299(−)− − − − 0.628(−)− − − − − − 0.902(−)− − − − − − − − 0.856(−)Fudenberg, Rand und Dreber (2012)0.083(0.05)0.419(0.164)− − − − − − − − 0.917(−)0.167(0.048)0.18(0.04)0.277(0.071)0.43(0.042)0.193(0.047)0.221(0.044)0.276(0.064)0.446(0.083)0.508(0.046)0.552(0.117)0.358(0.054)0.227(0.041)0.385(0.033)0.434(0.065)


21Analyse 3: Teilnehmer spielen Semi-Grim GgwsTestbare Implikation Systematische Koop ⇔ B-free, LimLog Ggw existiertDa Strategie weitgehend konstant: Entscheidende Frage ist, wann beginntKooperation in Runde 1Kooperation in Runde 1Analysestrategie1 Logistische Regression Pr(Koop) =1 − 1/ ( 1 + exp{a + b · (δ − δ ⋆ )} )●●●2 Test, ob Interzept a signifikant●●●Ergebnis Teilnehmer kooperieren systematisch(≥ 50%) ⇔ δ ≥ δ ⋆ −0.4 −0.2 0.0 0.2 0.4δ − δ *Probability of observing c in round 10.0 0.2 0.4 0.6 0.8 1.0a = 0.123(0.124)⋆⋆b = 7.237(0.838)


●●●●●●●●●●●●●●●●●●●●●●●●●●●Testbare Implikation: Komparative Statikσ cc ist fallend in δ, σ cd,dc ist weitgehend konstant, σ dd ist steigendσ cc ∼ δ − δ ⋆σ cd,dc ∼ δ − δ ⋆σ dd ∼ δ − δ ⋆Individual probability of playing c after cc0.0 0.2 0.4 0.6 0.8 1.0Individual probability of playing c after cd0.0 0.2 0.4 0.6 0.8 1.0● ● ●●Individual probability of playing c after dd0.0 0.2 0.4 0.6 0.8 1.0−0.4 −0.2 0.0 0.2 0.4⋆⋆a = 2.196(0.035)δ − δ *⋆⋆b = 2.156(0.177)−0.4 −0.2 0.0 0.2 0.4⋆⋆a = −0.797(0.022)δ − δ *⋆b = 0.38(0.111)−0.4 −0.2 0.0 0.2 0.4⋆⋆a = −2.611(0.041)δ − δ *⋆⋆b = 1.829(0.198)σ cc ∼ Predσ cd,dc ∼ Predσ dd ∼ PredIndividual probability of playing c after cc0.0 0.2 0.4 0.6 0.8 1.0Individual probability of playing c after cd,dc0.0 0.2 0.4 0.6 0.8 1.0Individual probability of playing c after dd0.0 0.2 0.4 0.6 0.8 1.00.0 0.2 0.4 0.6 0.8 1.0⋆⋆a = 7.728(0.488)Prediction of limiting−logit, belief−free MPE⋆⋆b = −5.954(0.551)0.0 0.2 0.4 0.6 0.8 1.0a = −0.045(0.115)Prediction of limiting−logit, belief−free MPE⋆⋆b = −1.181(0.197)0.0 0.2 0.4 0.6 0.8 1.0Prediction of limiting−logit, belief−free MPE⋆⋆a = −2.779(0.062)⋆⋆b = 4.529(0.418)


23Also nicht belief-free, limiting-logit? Beinahe gleichzeitig entstehen verschiedenealternative Semi-Grim GgwsKlassifikation individueller Strategien (Finite-Mixture Modell)3 × Semi-Grim Bsp. (σ cc , σ cd , σ dc , σ dd )BF Lim-Logit 1 > σ cc > σ cd = σ dc > σ dd > 0 (0.9, 0.5, 0.5, 0.1)Eff Symm BF 1 = σ cc > σ cd = σ dc > σ dd > 0 (1, 0.6, 0.6, 0.2)Eff LimLog SG 1 = σ cc > σ cd = σ dc > σ dd = 0 (1, 0.2, 0.2, 0)5 × Nicht-Semi-Grim (nicht σ cc > σ cd = σ dc > σ dd )Always Defect σ cc = σ cd = σ dc = σ dd = 0 (0, 0, 0, 0)TFT σ cc = σ dc = 1, σ cd = σ dd = 0 (1, 0, 1, 0)Grim σ cc = 1, σ dc = σ cd = σ dd = 0 (1, 0, 0, 0)Weak WSLS σ cc = 1, σ dc = σ cd = 0, σ dd > 0 (1, 0, 0, 0.4)Asymm BF σ cc = 1, σ cd > σ dc > σ dd > 0 (1, 0.8, 0.2, 0)


24Efficient MPEs that are not Semi-GrimSemi-Grim MPEsδ − δ ⋆ A-Def Grim TFT W-WSLS Asymm BF LimLog BF Eff Symm BF Eff LimLog SGBlonski, Ockenfels und Spagnolo (2011)-0.3 1 (−)− − −-0.3 1 (−)-0.15 − 1 −(−)-0.05 − − − − − − − 1 (−)-0.05 0.537(0.079)− 0.161(0.062)− − − 0.303(−)0.075 − − − − − − 0.029(0.03)0.075 − − − − − 0.24(0.083)0.083 − 0.434(0.084)0.083 0.116(0.068)0.179 0.089(0.057)Dal Bo und Frechette (2011)-0.316 1 (−)-0.105 − 0.458(0.077)-0.066 − 0.315(0.072)0.105 − 0.448(0.077)− − 0.566(−)−0.971(−)0.76(−)−− − − − − − 0.884(−)− − − − 0.323(0.094)0.196(0.073)0.139(0.064)− 0.588(−)− 0.346(−)−−− − − 0.546(−)− − − − 0.15(0.057)0.145 − − − − − 0.199(0.08)0.355 − − − − − 0.092(0.045)Duffy und Ochs (2009)0.233 − − 0.095(0.049)Fudenberg, Rand und Dreber (2012)0.475 − − 0.137(0.064)− − 0.312(0.075)− − 0.165(0.057)0.415(0.103)0.403(−)0.386(−)− 0.908(−)0.298(0.081)0.423(0.082)0.296(−)0.275(−)


25Wie viele wählen eine der Semi-Grim Strategien?Individual probability of playing a Semi−Grim strategyPr(Semi-Grim) ∼ a + b · (δ − δ ⋆ )0.0 0.2 0.4 0.6 0.8 1.0a = 0.271(0.302)●●●−0.4 −0.2 0.0 0.2 0.4δ − δ *●●●⋆b = 9.662(2.319)Individual probability of playing a Semi−Grim strategyPr(Semi-Grim) ∼ a + b · Pr(Koop)0.0 0.2 0.4 0.6 0.8 1.0●●●0.0 0.2 0.4 0.6 0.8 1.0a = 0.161(0.275)Probability of observing c in round 1●●●⋆b = 6.357(1.333)ErgebnisseAb δ = δ ⋆ spielen Teilnehmer Semi-Grim Ggws systematisch (≥ 50%)Ab δ = δ ⋆ sind dies GleichgewichtsstrategienAb δ = δ ⋆ kooperieren sie auch in Runde 1 systematisch (≥ 50%)Andere kooperative Strategien werden nicht systematisch genutzt (δ ≥ δ ⋆ )


ZusammenfassungTeilnehmer nutzen Semi-Grim Strategien und kooperieren wenn siegleichgewichtig werden – Betrachtung gemischter Ggws sehr fruchtbarWiderlegung der klassischen Theorie durch Empirie, zugunsten einerTheorie basierend auf belief-freien, limiting-logit GleichgewichtenDies erklärt das Semi-Grim-Puzzle und die Präzision der BOS-SchwelleBei δ > δ ⋆ : Entscheidung zwischen Effizienz, Belief-Freiheit und Robustheit(Limiting-Logit)Aufteilung recht gleichförmig auf die drei entsprechenden Ggws,Kaum Masse bei anderen Ggws (Grim, TFT) bei δ > δ ⋆Was lernen wir über langfristige Beziehungen?Verhalten im Labor ist intuitiv: kurze Bedenkzeit, keine KommunikationDazu passt die Spieltheorie (überraschend?) gutIn Realität erweiterter Strategieraum (Argumentation, verbale Retaliation)

Weitere Magazine dieses Users
Ähnliche Magazine