Gegenteilige Motive im sozialen Lernen: Informationskaskaden mit nonkonformistischen Präferenzen

Wir untersuchen sequentielles soziales Lernen mit endogener Informationsakquisition, wenn Agenten eine Vorliebe für Nonkonformität haben. Jeder Agent beobachtet die Handlungen der Vorgänger, entscheidet, ob er ein privates Signal erwerben möchte (und wie präzise es sein sollte), und wählt dann zwischen zwei Handlungen. Die Auszahlungen bewerten die Richtigkeit und beinhalten einen Bonus für die Wahl der weniger populären Handlung zwischen den Vorgängern; da dieser Bonus nur von der beobachteten Popularität abhängt, vermeidet die Gleichgewichtsanalyse feste Punkte in der erwarteten Popularität und bewahrt die standardmäßige Bayesianische Aktualisierung. In einem gaussisch-quadratischen Setting folgen die optimalen Handlungen posterioren Schwellenwerten, die gegen die Mehrheit kippen, und wir lösen das Präzisionswahlproblem. Immer wenn die Entscheidung ohne Signal mit der beobachteten Mehrheit übereinstimmt, erhöhen stärkere gegenteilige Motive schwach den Wert der Information und erweitern die Menge der Geschichten, in denen Agenten investieren. Wir bieten kompakte vergleichende Statik für Schwellenwerte, Aktionswahrscheinlichkeiten und das Präzisions-Argmax, eine lokale Wohlfahrts- und Informationsbehandlung sowie Anwendungen in wissenschaftlichen Vorrangrennen, kultureller Diffusion und Online-Plattformen.