?AER这篇工作的核心研究思路可以概括为：把“研究证据”当成一种可交易的信息品，用 BDM 把zc制定者对证据的需求（WTP）、拿到证据后的信念更新（belief updating）、以及最终zc行为（policy adoption）的链条串起来。
? 作者关心三个紧密相连、但在既有文献中常被拆开讨论的问题：
1️⃣policy制定者愿不愿意为“严谨研究结果”付费？（把“重视证据”从口头态度变成可激励的行为度量）
2️⃣拿到研究结果后，他们会如何更新对policy效果的信念？（是否接近贝叶斯式学习）
3️⃣学术证据是否会改变真实policy行为？（信息干预是否会带来zc采用）
文章把第 1 点用 BDM 机制做成“可识别的需求”，把第 2 点用“信息前后信念差”做成“可识别的学习”，再把这些结果与后续的政策采用证据衔接，从而形成完整闭环。研究流程图在文中图5️⃣已给出结构化步骤（先 prior，再 WTP/BDM，再 posterior，再第二轮）。
?BDM（Becker–DeGroot–Marschak）在本文：
1️⃣把“想看证据”变成一个有成本的选择：参与者报出最大愿付价WTP（0-100）系统抽取随机价格p，若p≤WTP就买到信息并支付p，否则买不到也不付钱——在标准假设下，如实报告自己的最高愿付价是最优策略。本文明确用BDM测量“最大WTP”并以抽价决定是否揭示研究发现。
2️⃣为后续“信息→信念更新”的因果识别创造条件：随机价格带来随机性，但作者进一步处理选择性暴露问题。
?三条“硬核要点”：
1️⃣BDM 测的是“最高愿付价”，不是随便报的偏好；
2️⃣BDM 天生会带来选择性暴露问题，作者用“抽价在 0 附近高质量”+“免费信息子样本”处理得很规范；
3️⃣把 WTP 和 posterior 回归放在同一个贝叶斯框架里解释，才是故事完整的体现“理论—识别—结论闭环”
#ntu读博 #经济学顶刊 #博士生日常 #AER #ntu #bdm #经济学国际五大刊AER #科研
? 作者关心三个紧密相连、但在既有文献中常被拆开讨论的问题：
1️⃣policy制定者愿不愿意为“严谨研究结果”付费？（把“重视证据”从口头态度变成可激励的行为度量）
2️⃣拿到研究结果后，他们会如何更新对policy效果的信念？（是否接近贝叶斯式学习）
3️⃣学术证据是否会改变真实policy行为？（信息干预是否会带来zc采用）
文章把第 1 点用 BDM 机制做成“可识别的需求”，把第 2 点用“信息前后信念差”做成“可识别的学习”，再把这些结果与后续的政策采用证据衔接，从而形成完整闭环。研究流程图在文中图5️⃣已给出结构化步骤（先 prior，再 WTP/BDM，再 posterior，再第二轮）。
?BDM（Becker–DeGroot–Marschak）在本文：
1️⃣把“想看证据”变成一个有成本的选择：参与者报出最大愿付价WTP（0-100）系统抽取随机价格p，若p≤WTP就买到信息并支付p，否则买不到也不付钱——在标准假设下，如实报告自己的最高愿付价是最优策略。本文明确用BDM测量“最大WTP”并以抽价决定是否揭示研究发现。
2️⃣为后续“信息→信念更新”的因果识别创造条件：随机价格带来随机性，但作者进一步处理选择性暴露问题。
?三条“硬核要点”：
1️⃣BDM 测的是“最高愿付价”，不是随便报的偏好；
2️⃣BDM 天生会带来选择性暴露问题，作者用“抽价在 0 附近高质量”+“免费信息子样本”处理得很规范；
3️⃣把 WTP 和 posterior 回归放在同一个贝叶斯框架里解释，才是故事完整的体现“理论—识别—结论闭环”
#ntu读博 #经济学顶刊 #博士生日常 #AER #ntu #bdm #经济学国际五大刊AER #科研
