人们会做第一最佳的决定吗?他们在多大程度上陷入了次优习惯(以及代价是什么)?次优行为一直被讨论(参见Simon 1955)，但还没有使用大型消费者数据集进行实证研究。
利用公共交通旅行卡数据
在Larcom等人(2015)中，我们的目标是填补这一空白。在本文中，我们分析了一个独特的数据集，其中包含2014年1月19日至2月15日伦敦公共交通系统上的所有个人旅行运动。我们的数据包括(重新编码的)旅行卡id，因此我们可以跟踪个人行为。2014年2月4日至6日，伦敦地铁(或“地铁”)工人举行罢工，导致一些(但不是全部)地铁站关闭，迫使许多通勤者尝试乘坐地铁。在我们的论文中，我们用这个事件来研究在中断诱导的实验事件后，通勤者的重复行为是如何变化的。1
我们数据集的描述性统计数据可以在图1中找到(罢工天数显示在竖线内)。左上方的面板显示了在他们的模态站(即罢工前他们最常使用的站)进入的通勤者的比例，而右上方的面板显示了模态出口站的相同比例。从两个面板可以清楚地看到，在罢工期间，能够使用他们的模式车站的通勤者要少得多，这意味着相当多的人被迫探索其他路线。数据还表明，罢工给人们的行为带来了一些持久的变化，因为在罢工后，使用公交车站的通勤者的比例似乎下降了(在论文中，我们从计量经济学上证实了这一说法)。下面的两个面板提供行程时间的信息。左下方的面板显示，罢工期间伦敦公共交通系统的平均行程时间增加了，而右下方的面板显示，分散时间也增加了。
由于地铁网络只是部分关闭，一些通勤者继续走他们的正常路线去上班，因此我们可以使用“差异中的差异”的方法(比较“接受治疗”和“未接受治疗”的通勤者的行为)。为了确保稳健性，我们以三种不同的方式定义治疗组:在罢工期间偏离罢工前模式旅程的人;罢工前的车站(出入口或两者)在罢工期间关闭的;罢工期间的平均出行时间与罢工前的平均出行时间相差很大。
图1．罢工的描述性统计
结果
我们发现，与未接受治疗的对照组相比，那些在罢工期间被迫探索其他路线的人(“被治疗者”)在罢工后回到罢工前通勤模式的可能性要小得多。
无论我们如何定义治疗组，这个结果都是成立的，并且对使用不同的估计策略是稳健的。根据揭示的偏好类型论证，这表明一小部分通勤者在罢工前未能找到他们的最佳旅程。毕竟，罢工后所有路线都恢复了可用(包括罢工前的那条)，所以没有选择后一条路线表明通勤者在罢工期间已经找到了更好的选择。从程度上看，在接受治疗的人中，罢工后转换的比例高出约5个百分点。
就机制而言，我们的研究结果表明，信息不完善在为什么接受治疗的通勤者更有可能在罢工后转换中发挥作用。在将伦敦地铁地图数字化并将其与车站之间的实际距离进行比较后，我们发现伦敦各地的扭曲程度各不相同。利用这种变化(大多数通勤者都没有注意到)，我们的结果表明，那些生活在(或前往)更扭曲地区的人在罢工后不太可能回到罢工前的出行模式——这表明那些生活在更扭曲地区的人从罢工中学到了更多。我们还发现，如果接受治疗的人在罢工前乘坐相对较慢的线路通勤，那么他们更有可能在罢工后改变他们的旅程(火车速度是另一个特征，其中信息不完全起作用，因为在尝试特定线路之前，通勤者都无法观察到它)。
解释
- 我们的研究结果表明，由于罢工，很大一部分通勤者意识到了更好的上班路线。
这是令人困惑的，因为另一种旅程也可以通过自愿(而不是强迫)实验提前发现。
这一发现可以从两方面来解释。第一种解释是，消费者理性行事，遵循最优搜索规则，但由于搜索成本，他们(理性地)在找到全局最大值之前放弃了寻找最佳选择。在Baumol和Quandt(1964)的术语中，这种假设下的通勤者不是最大化的，而是优化的(Baumol和Quandt将其定义为在存在搜索成本的情况下理性行事)。另一种解释是，智能体没有遵守最优搜索规则，实验次数少于标准理性模型规定的次数。也就是说，他们既没有最大化也没有优化。在第二种解释下，通勤者是“令人满意的”(即他们继续寻找，直到找到“一些令人满意的结果”)，以一种更难合理化的方式(正如西蒙1955年的假设)。
为了看看哪种解释最符合我们的数据，我们使用Weitzman(1979)的最优代价搜索问题的解决方案(这与Baumol-Quandt优化概念一致)。我们使用估计节省的时间和金钱等价的保守数字，计算出如果通勤者坚持最优搜索策略，尝试最具吸引力的未尝试的替代方案的成本必须大于380英镑。2考虑到这个令人难以置信的大数字，我们数据集中的通勤者似乎比标准理性模型所描述的要少。相反，代理人似乎以一种无法直接合理化的方式来满足。3.
虽然由于罢工，一小部分通勤者找到了更好的上班方式，但绝大多数人(95%)只是受到了交通中断的影响。然而，有些令人惊讶的是，当我们比较罢工期间所有接受治疗的通勤者的成本与受益者的收益时，我们发现罢工产生了净收益(主要原因是收益比成本持续得多)。重要的是，罢工的净收益来自于破坏本身，这为波特(1991)有争议的假设提供了实证支持，即对经济体系施加约束可以随着时间的推移提高效率(因为约束迫使行动者进行实验、创新和重新优化)。在伦敦地铁的特定背景下，这意味着如果偶尔得到外部鼓励去尝试，通勤者可能会过得更好。由于部分关闭网络是实现这一目标的一种相当激进的方式，因此值得研究的是，巧妙使用行程计划应用程序是否能“推动”旅行者进行更多尝试。
结束语
更广泛地说，我们的发现与政府政策、商业实践以及我们的个人生活有关。考虑到伦敦地铁上有相当一部分通勤者在被迫尝试之前未能找到最佳路线，也许我们不应该因为我们不能总是得到我们想要的东西，或者别人有时为我们做决定而过于沮丧。如果我们表现得像伦敦地铁网络上令人满意的通勤者那样，尝试得太少，那么从长远来看，突破这些限制很可能对我们有利。鼓励自己偶尔休息一下也会有好处。
因此，我们会问，你上一次第一次做某件事是什么时候?
参考文献
鲍莫尔，W J和R E Quandt(1964)，“经验法则和最优不完美决策”，《美国经济评论》地球科学进展，54(2):23-46。
Caplin, A, M Dean和D Martin(2011)，“搜索与满足”，《美国经济评论》地球物理学报，101(7):2899-2922。
Larcom, S, F Rauch和T Willems(2015)，“强制实验的好处:来自伦敦地铁网络的惊人证据”，牛津大学工作论文。
波特(1991)，《美国的绿色战略》，科学美国人， 264(4): 168。
Simon, H A(1955)，“理性选择的行为模型”，经济学季刊岩石力学与工程学报，69(1):99-118。
魏茨曼(1979)，“最佳选择的最优搜索”，费雪地球科学进展，47(3):641-654。
脚注
1我们将通勤者定义为那些在非罢工工作日上午7点至10点之间每天使用地铁网络的旅行者。
2在计算这个数字时，我们使用Stutzer和Frey(2008)对通勤货币成本的估算。
最近，Caplin等人(2011)在实验室实验中提供了满意行为的证据。然而，他们并没有分析参与者是否在更广泛意义上的Baumol-Quandt理论中进行了优化。我们的研究结果表明，通勤者不会。
