The Inference-Forecast Gap in Belief Updating

创新点 1: 首次在同一信息环境中分离出"推断-预测差距"现象

所属维度: 结论
原文依据: "In Inference, 61% of the answers underreact relative to the Bayesian benchmark while 24% overreact...By contrast, in Forecast Revision, 40% of the answers underreact while 54% overreact." (Section 3.1) "We refer to this discrepancy in belief updating as the 'inference-forecast gap.'"
创新程度: 突破性

信念更新文献长期并存反应不足与过度反应两类看似矛盾的发现，但鲜有研究在同一实验设计中同时观察两者。该论文的突破在于：通过精心设计的组内实验，在相同的信息环境、相同的被试、相同的信号实现值下，系统比较了推断型信念更新和预测型信念修正，证明信念提取的类型本身——是询问状态概率还是预测未来结果——就决定了偏差的方向。这一发现奠定了全文的核心贡献。

创新点 2: 识别并量化三种简化启发式行为模式及其差异化分布

所属维度: 结论
原文依据: "In Inference, the modal behavior is 'Nonupdate'...In Forecast Revision...two other behaviors...become modal. The first mode...Exact Representativeness...The second mode...Naive Extrapolation." (Section 4.2, Table X) "Excluding these modal behaviors would substantially reduce the inference-forecast gap."
创新程度: 重要边际贡献

以往文献虽注意到不更新等行为模式，但从未在同一实验中系统比较推断和预测修正中的多种启发式。该论文不仅识别出三种模态行为（不更新、精确代表性、天真外推），还精确量化了它们在两种任务中的发生率差异，并证明排除这些模态可将差距缩小 36% 以上。这一发现将宏观的偏差方向差异分解为可操作的微观行为机制。

创新点 3: 构建基于属性替代理论的相似性分析框架

所属维度: 理论
原文依据: "Our framework posits that, when solving a belief-updating problem that elicits a specific variable ('target statistic'), decision makers may be uncertain about how to aggregate the available information to compute it. As a result, they may rely on 'nontarget statistics' that are (i) easily accessible or computable, and (ii) similar to the target statistic." (Section 5.1) "Consider two statistics x and y...We assume that their overall similarity...aggregates their similarities across the three dimensions." (Section 5.1.2)
创新程度: 突破性

该论文将 Kahneman 和 Frederick (2002) 的属性替代理论首次系统应用于信念更新领域，提出了一个可操作的三维度相似性度量：统计度量（期望 vs. 概率）、核心变量或事件、条件事件。在此基础上构建了一个 Logit 选择模型，将非目标统计量的选择概率表达为相似度的函数，从而生成关于模态行为分布的可检验预测。这一框架不仅解释了观察到的推断-预测差距，还可推广到更广泛的统计判断问题。

创新点 4: 通过相似性操纵处理提供因果证据

所属维度: 方法
原文依据: "To provide additional causal evidence for the similarity-based framework, we directly test Prediction 2 by conducting two new treatments that manipulate the similarity between the target statistic of a belief-updating problem and the overreaction-inducing nontarget statistics." (Section 5.2) "In More Similar, Exact Representativeness and Naive Extrapolation indeed emerge as modal behaviors in Inference. This stands in sharp contrast to Baseline." (Section 5.2, Table XII)
创新程度: 重要边际贡献

在标准实验经济学中，行为模式的观察通常止步于描述和相关性分析。该论文通过 More Similar 处理（增加推断问题的目标统计量与过度反应诱导型非目标统计量的相似度）和 Less Similar 处理（降低预测修正中的相应相似度），为相似性框架提供了因果检验。More Similar 处理中，推断问题出现了基线中几乎不存在的精确代表性和天真外推模式，验证了相似性是启发式选择的关键驱动因素。

创新点 5: 排除复杂度和惯性解释，确立替代决策程序的独立性

所属维度: 方法
原文依据: "In summary, we find that: (a) a treatment that reduces the complexity of the procedure does not significantly reduce the inference-forecast gap; (b) there is a very weak correlation between underreaction (overreaction) in inference problems and underreaction (overreaction) in forecast-revision problems; and (c) participants react significantly to the prior variance of the signal in inference problems but not in forecast-revision problems." (Section 4.1)
创新程度: 重要边际贡献

该论文通过 Nudge 处理（在预测修正时向被试展示其推断答案，将两步的"推断-后-LoIE"简化为一步）、推断与预测偏差的弱相关性分析（相关系数仅 0.07-0.12）、以及信号方差敏感性差异检验（预测修正中对信号方差的反应系数小且不显著），三重证据排除了"被试意图执行推断后 LoIE 但犯错"这一替代解释，有力地确立了预测修正中替代决策程序的独立性。

创新点 6: 调和实验信念更新文献与宏观预期文献的长期分歧

所属维度: 结论
原文依据: "A long line of experimental work shows that individuals tend to underreact to signals when making inferences about underlying states...On the other hand, another literature...shows that individuals tend to overreact to recent news when making forecasts." (Section 6.3) "Our findings suggest that this discrepancy may arise because people mentally represent some problems as inference tasks and others as forecast-revision tasks, leading them to approach the two in fundamentally different ways."
创新程度: 突破性

长期以来，以书包-扑克筹码实验为代表的实验经济学文献主要发现反应不足，而基于调查预期和金融市场数据的宏观文献主要发现过度反应，两套文献长期并行但无法对话。该论文提出了一个简洁而有力的统一框架：人们对同一个信息环境的心理表征取决于信念提取的框架（推断型 vs. 预测型），不同的表征激活了不同的启发式，由此产生不同方向的系统偏差。这一视角不仅解释了文献分歧，也对理解盈余公告后漂移、金融市场过度波动等现实异象具有深远启示。

选题方向 1: Testing the Similarity Framework in High-Stakes Field Settings

源自创新点: 创新点 3, 创新点 6
核心思路: 将相似性分析框架从实验室迁移到高利害田野场景。利用专业预测者（如股票分析师、宏观经济预测师）的数据，检验当同一个体被要求对同一信息环境做出不同形式的判断（如在研报中估计目标价 vs. 给出盈利预测区间 vs. 推荐评级）时，其更新行为是否因目标统计量类型而异。具体可利用 Bloomberg 或 IBES 的分析师预测数据，比较同一分析师对同一公司在同一信息事件后的目标价修正、盈利预测修正和评级调整中的更新行为差异。
可行性: 分析师预测数据在 IBES 和 Bloomberg 中可获取，样本量充足。核心挑战在于控制信息事件的可比性——可利用财报发布日作为统一信息冲击，以分析师在报告中对同一信息的多重判断作为分析单元。方法上可采用面板回归比较更新在不同类型判断之间的差异。预期贡献在于将实验室发现的认知机制推广到真实市场参与者的专业判断中。
目标期刊: QJE / AER / Journal of Finance

选题方向 2: The Neuroeconomic Foundations of Attribute Substitution in Belief Updating

源自创新点: 创新点 3
核心思路: 运用 fMRI 或 EEG 技术揭示属性替代的神经认知基础。设计一个信念更新实验，在被试解决推断和预测修正问题的过程中记录脑部活动，检验当被试从不更新切换到精确代表性或天真外推时，脑区激活模式是否与属性替代理论的预测一致——例如，是否前额叶的执行控制系统在抑制目标统计量计算时活动减弱，而默认模式网络在提取相似的非目标统计量时活动增强。进一步考察个体差异——工作记忆容量或认知反思测试（CRT）得分能否预测启发式使用倾向。
可行性: 需要与神经经济学实验室合作，被试量通常在 30-50 人即可获得足够的统计效力（组内设计）。实验范式可直接复用原文设计，刺激呈现和反应收集均已标准化。预期贡献在于为属性替代理论提供神经层面的机制证据，填补行为经济学和神经经济学之间的空白。
目标期刊: AER / Econometrica / Nature Human Behaviour

选题方向 3: Inference-Forecast Gap in Inflation Expectations and Monetary Policy Communication

源自创新点: 创新点 6
核心思路: 将推断-预测差距的框架应用于通胀预期形成。利用消费者预期调查（如纽约联储 Survey of Consumer Expectations 或密歇根消费者调查）中的微观数据，检验消费者在回答不同类型通胀预期问题时是否存在推断-预测差距：当被问及"当前通胀水平的判断"（推断问题）时反应不足，而当被问及"未来一年通胀预期"（预测修正问题）时过度反应。进一步通过随机对照实验，操纵消费者获取通胀信息后的提问框架（推断 vs. 预测），检验差距是否影响消费和储蓄行为。
可行性: 消费者预期微观数据公开可获取，实验可通过 Qualtrics 或 Prolific 平台实施。理论上可借助原文的相似性框架预测哪些信息呈现方式会扩大或缩小差距。政策含义明确：央行沟通策略应考虑信念提取框架对公众预期形成的影响。
目标期刊: AER / JPE / Review of Economics and Statistics

选题方向 4: Debiasing the Inference-Forecast Gap: Designing Decision Support Tools

源自创新点: 创新点 4, 创新点 5
核心思路: 基于原文对机制（Nudge 处理、相似性操纵）的识别，设计并随机化评估一系列去偏干预措施的有效性。候选干预包括：(i) 在预测修正问题中显式计算并展示推断后 LoIE 的结果；(ii) 降低目标统计量和过度反应诱导型非目标统计量的表面相似性（如更改变量标签）；(iii) 同时呈现推断和预测修正问题，促使被试注意两者的联系；(iv) 提供反馈和训练。采用与原文相同的实验范式，加入组间去偏处理比较，检验各干预在多大程度上缩小差距、以及效果是否持存到后续轮次。
可行性: 可直接复用原文的 oTree 实验程序和实验范式，在 Prolific 上大规模实施。核心创新在于从"诊断偏差"到"纠正偏差"的转变，具有明确的实践价值——例如为金融顾问设计信念更新辅助工具。
目标期刊: Management Science / Review of Economics and Statistics / JPE

选题方向 5: A General Theory of Statistical Substitution in Economic Decisions

源自创新点: 创新点 3
核心思路: 在原文三维度相似性框架基础上构建一个更一般的统计替代理论模型。扩展方向包括：(i) 允许决策者同时使用多个非目标统计量的加权组合作为代理；(ii) 将相似度函数从离散维度匹配扩展为连续的距离度量（如 KL 散度或 Wasserstein 距离）；(iii) 引入学习动态——随着决策者在同一环境中积累经验，相似度感知如何更新？(iv) 将框架嵌入到一般均衡模型中，分析统计替代对市场价格（如资产价格泡沫）的宏观影响。可通过结构性估计方法，利用原文实验数据估计模型的深层参数。
可行性: 理论扩展部分需要较强的数学建模能力，但基础框架已在原文中清晰定义。结构性估计可利用原文公开发布的实验数据。预期贡献在于将特定领域的启发式模型提升为具有更广泛适用性的有界理性通用理论。
目标期刊: Econometrica / Theoretical Economics / Journal of Political Economy

选题方向 6: Cross-Cultural Variation in the Inference-Forecast Gap

源自创新点: 创新点 1, 创新点 2
核心思路: 考察推断-预测差距在不同文化背景下的表现差异。跨文化心理学文献表明，东亚文化群体（如中国、日本）在认知风格上更倾向于整体性思维和情境敏感性，而西方文化群体更倾向于分析性思维和范畴化。这些差异可能导致：(i) 东亚被试在推断问题中较少出现不更新行为（因为他们更倾向整合信号信息）；(ii) 但在预测修正中同样出现过度反应（因为天真外推和精确代表性源于领域一般的认知机制）。通过在多个国家（美国、中国、印度、德国）复制原文的基线实验，检验文化对差距大小和模态行为分布的影响。
可行性: 实验范式已完全标准化，跨文化复制的主要挑战在于翻译和实验平台的本地化。Prolific 支持多国被试招募，或可与各国大学的行为实验室合作。预期贡献在于揭示信念更新偏差的文化边界条件。
目标期刊: AER / QJE / Journal of the European Economic Association

中文写作方案 1: 中国资本市场中的推断-预测差距——基于分析师研报文本和预测数据的实证研究

源自创新点: 创新点 1, 创新点 6
目标中文期刊: 经济研究 / 管理世界

中国情境对接:
中国资本市场以散户为主导（散户交易量占比长期超过 80%），信息环境和投资者认知偏差模式与发达市场存在显著差异。A 股市场存在大量个人投资者的非理性交易行为，分析师报告既是专业判断的来源，也常被质疑存在乐观偏差。该研究可检验中国卖方分析师在对同一家公司进行不同类型判断时（如盈利预测 vs. 目标价 vs. 投资评级），是否存在推断与预测修正之间的系统性偏差。此外，中国特殊的政策信息环境——如产业政策发布、中央经济工作会议信号——为研究不同信息类型下的信念更新提供了独特场景。

研究设计:

• 可用数据: CSMAR 分析师预测数据库（含盈利预测、目标价、评级调整的完整历史）；Wind 宏观经济预测数据；东方财富股吧文本数据（散户预期）
• 识别策略: 以财报发布日或重大政策公告日为信息事件，比较同一分析师在同一事件前后对不同类型预测的修正幅度和方向。采用分析师-事件层面的双重固定效应面板模型
• 核心假设检验: (1) 分析师在盈利预测修正中（更接近推断问题）反应不足，在目标价修正中（更接近预测问题）过度反应；(2) 散户在股吧中对未来股价的预期比对公司基本面的判断表现出更强的过度反应

政策价值 (核心):

• 直接政策含义: 为中国证监会完善分析师监管和信息披露制度提供行为经济学依据。如果推断-预测差距在 A 股市场中显著存在，监管层可要求分析师在报告中同时披露盈利预测和目标价推导过程，帮助投资者识别系统性偏差
• 政策受众: 中国证监会、证券交易所、证券业协会
• 政策窗口: 契合当前资本市场"强监管、防风险、促高质量发展"的政策主线，特别是注册制下信息披露质量提升和投资者保护议题

写作框架建议:

1. 引言: 中国资本市场散户主导的独特性 → 信念更新偏差文献综述 → 推断-预测差距的理论框架在中国市场的适用性
2. 制度背景: 中国卖方分析师行业的监管框架、激励机制（新财富评选、分仓佣金）与预测行为特征
3. 理论框架: 基于原文相似性框架推导分析师在推断型和预测型判断中的行为差异预期
4. 实证设计: 数据来源与处理、事件研究法设定、变量定义
5. 实证结果: 基准结果、异质性分析（分析师能力、机构覆盖度、信息事件类型）、稳健性检验
6. 政策讨论: 信息披露规范建议、投资者教育框架、分析师评价体系改进

中文写作方案 2: 房地产市场中的推断-预测差距——基于中国城市调查数据的微观证据

源自创新点: 创新点 1, 创新点 2
目标中文期刊: 经济研究 / 经济学(季刊)

中国情境对接:
中国房地产市场经历了从高速上涨到深度调整的剧烈转变，居民房价预期在其中扮演了关键角色。中国人民银行城镇储户问卷调查和西南财经大学中国家庭金融调查(CHFS)均提供了居民对"当前房价合理程度"（推断问题）和"未来房价预期"（预测修正问题）的回答。中国房地产市场的政策干预特征（如限购、限贷、限售）和政府信息发布的强力引导（如"房住不炒"的政策信号）为检验推断-预测差距如何受政策环境调节提供了独特场景。

研究设计:

• 可用数据: CHFS 历年追踪数据（含房价预期、家庭资产负债）；央行城镇储户问卷调查的季度汇总数据；70 个大中城市房价指数
• 识别策略: 利用城市层面的限购政策出台作为外生信息冲击，比较居民对"当前房价水平的评估"和"未来房价变动预期"的更新方向与幅度。采用双重差分 (DID) 方法，以政策出台城市为处理组，未出台城市为对照组
• 机制渠道: 检验三种启发式——(1) 不更新（"房价永远涨"的信念惯性）；(2) 天真外推（以近期涨幅直接外推未来）；(3) 精确代表性（基于"一线城市永远保值"的代表性判断）

政策价值 (核心):

• 直接政策含义: 为住建部和央行制定房地产市场预期管理政策提供微观行为基础。政策沟通的策略设计应同时考虑当前价格判断和未来预期之间的差距：例如，在发布房价调控信息时，应分别引导居民的"现状感知"和"未来预期"，而非笼统施策
• 政策受众: 住房和城乡建设部、中国人民银行、地方政府住房管理部门
• 政策窗口: 高度契合当前"促进房地产市场止跌回稳"和"构建房地产发展新模式"的政策优先事项

写作框架建议:

1. 引言: 中国房价预期的宏观重要性 → 国际文献中房地产市场预期形成的认知偏差 → 本文的理论框架
2. 理论分析: 基于推断-预测差距框架推导房价预期的三阶段形成机制——资讯接收、现状推断、未来预测
3. 制度背景: 中国房地产调控政策工具箱的梳理（限购、限贷、限售、三道红线）
4. 数据与实证策略: CHFS 微观数据匹配城市政策数据库、DID 模型设定
5. 结果: 政策冲击对现状推断和未来预期的不对称影响、三种启发式的检验
6. 政策讨论: 分类施策的预期管理框架、房地产信息发布的优化建议

中文写作方案 3: 通胀预期管理中的认知偏差——推断-预测差距框架下的中国货币政策沟通优化

源自创新点: 创新点 6, 创新点 5
目标中文期刊: 经济研究 / 世界经济

中国情境对接:
中国人民银行自 2023 年起开展居民通胀预期季度调查，同时《货币政策执行报告》中定期发布对通胀形势的判断和未来展望。中国货币政策框架正从数量型向价格型转型，预期管理在政策工具箱中的地位日益上升。中国特有的信息环境——包括货币政策信号的"管道式"传导和政府媒体在预期引导中的重要作用——为检验信息框架（推断 vs. 预测）对公众通胀预期的影响提供了理想场景。

研究设计:

• 可用数据: 央行居民通胀预期调查微观数据（或通过合作获取）；通过在线平台（如问卷星或见数）自行实施随机对照实验；CPI 和 PPI 的月度高频数据
• 识别策略: 设计一个 2×2 的随机对照实验——操控因素 1：信息框架（询问"当前通胀处于什么水平"vs."未来一年通胀会到什么水平"）；操控因素 2：信息呈现方式（仅提供数值 vs. 提供数值+央行解读文本）。检验两种框架下的更新幅度差异以及央行政策信息是否缩小差距
• 异质性分析: 金融素养、收入水平、地域差异如何调节推断-预测差距

政策价值 (核心):

• 直接政策含义: 为中国人民银行优化货币政策沟通策略提供行为经济学依据。如果公众在"当前通胀判断"和"未来通胀预期"上存在系统性偏差，央行沟通应针对两种判断分别设计信息内容——例如，在市场波动期同时发布"当前通胀形势稳定"的判断和"未来通胀可控"的预期
• 政策受众: 中国人民银行货币政策司、调查统计司、国务院发展研究中心
• 政策窗口: 中国正处于低通胀环境但面临通缩预期的政策挑战期，精准的预期管理是保持物价稳定的关键工具

写作框架建议:

1. 引言: 通胀预期管理在货币政策中的核心地位 → 推断-预测差距的理论框架
2. 理论模型: 将原文的相似性框架应用于通胀预期的形成，推导基于框架效应的可检验假设
3. 实验设计: 2×2 组间被试实验的详细方案、样本量计算、实施流程
4. 实验结果: 基准处理效应、央行信息沟通的调节效应、异质性分析
5. 机制检验: 三种启发式在通胀预期中的表现（不更新对应"通胀粘性预期"、天真外推对应"近期价格变化的外推"）
6. 政策讨论: 货币政策沟通的框架优化策略、通货紧缩预期管理的针对性建议

中文写作方案 4: 中国地方政府经济预测中的推断-预测差距——基于政府工作报告文本的识别与评估

源自创新点: 创新点 1, 创新点 2, 创新点 4
目标中文期刊: 管理世界 / 中国工业经济

中国情境对接:
中国各级政府每年发布《政府工作报告》，其中包含对上一年经济增长情况的"判断总结"和对下一年经济增长目标的"预测设定"。地方官员在设定 GDP 增长目标时，可能面临对"当前经济状态"的推断和对"未来增长"的预测之间的认知差异——对上一年问题的诊断倾向于保守（反应不足），但对下一年的增长目标设定可能因晋升激励而过度乐观（过度反应）。中国地方政府的经济预测数据具有行政层级完整、时间序列长、文本信息丰富的独特优势。

研究设计:

• 可用数据: 全国 31 个省级行政区和 300+ 地级市的历年政府工作报告文本（约 2000-2026 年）；实际 GDP 数据；官员晋升数据；省市级统计年鉴
• 识别策略: 以市委书记/市长换届作为外生冲击（新官上任可能改变对经济状态的判断和对增长目标的设定），比较换届前后"上一年经济工作评价"的话语强度变化（推断层面）与"下一年增长目标设定"的调整幅度（预测层面）。利用文本分析方法（NLP）从工作报告中提取评价性语言的情绪得分
• 工具变量: 利用同省份其他城市的经济表现作为该市经济状况的工具变量，缓解目标设定与真实经济表现之间的内生性

政策价值 (核心):

• 直接政策含义: 为改进地方政府目标管理和绩效考核体系提供认知经济学视角。如果推断-预测差距导致增长目标设定脱离实际，可为"高质量发展"考核指标的优化提供具体建议——例如，在考核体系中分离"形势研判能力"和"目标设定合理性"两个维度
• 政策受众: 中共中央组织部、国家发展改革委、地方政府政策研究室
• 政策窗口: 契合中国经济发展模式从"高速增长"向"高质量发展"转型的制度变革期，为优化地方政府行为激励提供科学依据

写作框架建议:

1. 引言: 政府经济预测的行为经济学基础 → 中国地方政府目标设定的制度逻辑 → 推断-预测差距的引入
2. 制度背景: 中国地方政府目标管理的演变——从 GDP 竞赛到高质量发展考核
3. 理论框架: 将原文的相似性框架拓展到官员决策情境——区分"形势判断"（推断）和"目标设定"（预测修正）
4. 数据与文本分析: 政府工作报告语料库构建、NLP 情绪指数编制、变量构造
5. 实证策略与结果: 官员换届 DID 设计、文本情绪与实际增长之间的关系、机制检验
6. 政策讨论: 官员考核体系优化、"目标-判断"分离管理的制度设计、高质量发展考核指标改进建议

中文写作方案 5: 数字化信息环境下中国居民信念更新的推断-预测差距——基于社交媒体大数据和在线实验的研究

源自创新点: 创新点 3, 创新点 4
目标中文期刊: 数量经济技术经济研究 / 金融研究

中国情境对接:
中国拥有全球最活跃的数字化信息生态——微信、微博、抖音、今日头条等平台是居民获取经济信息的主要渠道。算法推荐机制可能导致信息同质化，强化特定的启发式行为（如天真外推——"最近涨了所以还会涨"）。中国数字经济的制度环境（如互联网内容的强监管、信息发布的官方引导）使得中国居民的信息环境与西方存在系统性差异。这一独特性为检验原文相似性框架的外部效度提供了难得的田野实验室。

研究设计:

• 可用数据: 新浪微博经济类话题的文本数据（通过 API 或爬虫获取）；今日头条的经济新闻用户阅读和评论数据（需通过合作获取）；在线实验（通过中国本土平台如见数 Credamo 实施）；央行数字人民币的消费行为数据（如可获取）
• 识别策略: (a) 利用微博文本进行 NLP 分析，比较同一用户在"分析当前经济形势"类帖子和"预测未来走势"类帖子中的语言情绪和确定性差异；(b) 在线实验部分，在中国被试样本中复制原文基线实验，并加入"信息来源可信度"和"信息框架"的处理操纵
• 关键创新: 结合社交媒体的大数据分析和受控在线实验，实现了推断-预测差距在生态效度和因果推断之间的平衡

政策价值 (核心):

• 直接政策含义: 为网信办和工信部优化算法推荐监管提供行为经济学依据。如果算法放大了推断-预测差距——特别是通过强化天真外推信息——监管部门可要求平台在推送财经内容时引入"信息框架标签"（如标注"这是当前状态描述"或"这是未来趋势预测"），帮助用户区分不同类型的判断
• 政策受众: 中央网信办、工业和信息化部、国家市场监管总局（反垄断与算法监管）、中国人民银行（金融消费者保护）
• 政策窗口: 与《生成式人工智能服务管理暂行办法》和算法推荐管理规定的实施高度契合，为"AI+金融信息"的负责任发展提供决策参考

写作框架建议:

1. 引言: 算法推荐时代的信息消费与信念形成 → 推断-预测差距在数字化场景中的新表现
2. 理论框架: 将原文相似性框架嵌入社交媒体信息传播模型中，分析算法如何改变非目标统计量的可获得性和感知相似性
3. 研究一：社交媒体大数据分析: 微博财经言论中的"分析式"vs."预测式"语言的情绪差异
4. 研究二：在线随机实验: 在中国被试中检验信息框架和信息来源对推断-预测差距的因果效应
5. 研究三：算法干预实验: 模拟信息框架标签对用户信念更新偏差的纠正效果
6. 政策讨论: 算法推荐监管的精细化设计、数字金融素养教育的框架化策略、平台财经内容治理建议