研究，部分进行了专题介绍促进对社会-生态系统行为的理解:来自实验室和现场实验的结果

实验室中的灌溉实验:信任、环境可变性和集体行动

• 摘要
• 简介
• 实验设计
• 数据描述
• 数据分析
• 结果与讨论
  • 评估结果稳健性:不同的统计方法
• 结论
• 对本文的回应
• 致谢
• 文献引用

介绍

管理公共池资源(如灌溉用水)的一个挑战是如何防止搭便车问题，即确保资源的个人用户都为资源的分配和维护做出贡献，并且一些人不会利用其他人的努力。因此，集体行动在由于权力或地理位置的差异而自然容易产生不对称的系统中尤其具有挑战性。有些人在提取资源方面享有特权，如灌溉系统。在这些系统中，由生物物理环境引起的异质性导致的不对称有利于搭便车者(Anderies et al. 2011)。许多这些系统的一个关键特征在于环境的自然过程和资源使用者的决策之间的耦合相互作用(Anderies et al. 2004)。全球环境变化正在增加可变性，因此也增加了自然资源使用者的风险和不确定性。在这种背景下，研究环境变异对集体行动的影响对于评估耦合社会-生态系统的可持续性至关重要。Anderies和Janssen(2011)认为，环境可变性的增加可能会降低资源使用者解决集体行动问题的能力。为了提高我们对用户关于开发资源的决定和该资源可用性的可变性之间的相互作用的理解，我们进行了一个简单的行为实验。

该实验侧重于灌溉困境，探讨了下游和上游用户之间共享的公共资源的不对称获取所带来的挑战。为了解决这一难题，上游参与者需要允许水流向下游参与者。这是因为上游参与者需要下游参与者的合作来为灌溉系统创建公共基础设施(例如，灌溉渠)(Ostrom和Gardner 1993)。我们在本文中提出的灌溉困境已经在实验室和现场实验中进行了研究(Janssen et al. 2011, 2012, Cardenas et al. 2013)。这些实验发现:(1)参与者的初始合作水平与他们对其他参与者的信任有关;(2)资源开采的不平等会减少对公共基础设施的投资。因为灌溉系统的发展是为了应对降雨的可变性，所以研究可变性对供水的影响是一个自然的延伸。

社会心理学中常见的资源困境实验研究了环境变异的后果(例如，Messick等人1988,Rapaport等人1992,Biel和Gärling 1995, Wit和Wilke 1998, Au 2004)。然而，与本文所描述的实验相反，这些研究都是一次性的游戏，其中环境的可变性与资源的大小有关。在这些先前的研究中，可变性增加了过度捕捞，因为人们高估了资源的大小，因此认为不合作行为是合理的(Biel和Gärling 1995)。Budescu et al.(1990)使用这种方法进行了一些实验，在回报规则中引入了不对称，与我们在实验中使用的对资源的不对称访问形成对比，并发现不同的位置导致了对环境可变性的不同反应。与那些汇率相对较低的人相比，拥有更有利的资源单位汇率的个人减少了他们对公共资源的需求。Walker和Gardner(1992)在重复公地困境中引入了环境可变性，假设更多的收获导致当前一轮实验是最后一轮实验的可能性更高。在他们的实验中，环境的可变性导致了更大的资源占用。Anderies et al.(2013)在一个基于计算机的实验室实验中研究了干扰对参与者可以交流的灌溉困境的影响。他们发现，水资源的可变性和基础设施的下降有非常温和的负面影响。然而，由于参与者可以在这种设计中进行交流，这可能会缓冲环境可变性的一些影响。

基于这些研究，我们预计增加的可变性会导致合作减少，而其他重要的社会指标，如风险规避、信任和上游用户行为，将有助于观察到的投资和提取水平。我们预期风险中性个体(即在预期收益相同但风险水平不同的选项之间没有表现出偏好的参与者)不会在决策过程中考虑环境可变性。我们预计信任将是参与者如何选择投资公共基础设施的一个重要因素，而信任游戏中较高的信任指标将对应于灌溉游戏中较高的投资水平。上游用户的行为也是一个重要的、可观察的指标，可以解释不同轮之间以及投资和提取阶段之间的反馈。个人可能“信任”他人投资资源;然后，在随后的几轮中，个人将根据观察到的上游用户的行为采取行动。上游用户的行为可以由下游用户通过他们的集体提取水平推断出来，我们使用等份额比(ESR)度量来建模。在我们分析上游用户行为的影响时，我们依赖于ESR和净收益，这是在许多社交困境中发现的启发式方法，如最后通牒游戏(Allison和Messick 1990)。

本文报道的实验室实验建立在参与者无法交流的先前实验设计的基础上(Janssen et al. 2012)。然而，除了在没有交流的情况下存在不对称的公共资源池困境外，我们还在实验中以环境变异的形式引入了不同程度的投资风险。这些新的变量使我们能够确定不同程度的环境变化是否以及如何影响合作水平，以对公共基础设施的投资来衡量。可变性似乎会降低人们对资源的投资意愿，至少在公益游戏中是这样(参见Wit and Wilke 1998, Gustafson et al. 2000, Au 2004)。然而，在重复的公共资源池实验中，资源生成的可变性还没有得到充分的研究(但参见Anderies等人2013年和Walker和Gardner 1992年)。这是一个重要的延伸，因为气候变化和其他全球环境变化会影响用户可能依赖的资源的可变性;因此，它可能会对资源用户的行为产生潜在的影响。

我们的主要目的是评估在不对称获取公共池资源的社会-生态系统中，在不同环境变异水平下，哪些因素对影响集体行动最重要。环境可变性是评估公共资源投资的决定性因素，还是被观察到的上游行为所抑制?

序列提取决策导致的对资源的不对称获取，导致资源分配不平等和收益不平等。因此，战略不确定性，即关于其他人的投资和开采选择，以及观察到的上游用户行为，超过了环境可变性和初始信任水平。后者的发现与Ostrom关于信任和基于观察到的他人行为的行动之间反馈效应的重要性的说法一致(Ostrom 1998)。我们能够通过实施统计分析来评估后者，该分析解决了投资和开采决策之间的反馈，并将时间考虑在内。差异性影响资源投资水平，进而影响集体行动水平，但与上游行为和行为的社会决定因素相比，差异性的影响较为温和。环境变异对投资和提取水平的影响仅在特定序列中观察到，即表1中的序列2和3。

实验设计

每个实验环节开始时，参与者被随机分配到实验室的一个座位上。在分配座位后，我们实施了Holt和Laury(2002)的风险诱导练习(见附录1)和使用Berg等人(1995)的信任游戏的信任;详见附录1。信任博弈采用了每个参与者作为提议者和应答者同时提交决策的策略方法。练习的顺序保持不变:风险诱导(规避)、信任博弈、灌溉博弈。在信任游戏中，参与者被告知他们将与房间里的任何其他参与者随机配对，以评估他们的表现。当我们开始灌溉游戏时，我们解释说，在实验期间，每个人只会与其他四个人互动。配对是匿名的，信任和风险游戏的分数是在灌溉游戏结束后才计算的，尽管这些游戏是在灌溉游戏之前进行的。一旦所有练习完成，我们通过个人调查收集额外的社会人口学信息(报告在附录1中)。

主要实验是一个五人灌溉游戏(关于实验给每个参与者的详细说明见附录1)。这五位参与者被随机分配到位置A、B、C、D和E，其中A是最远的上游参与者，E是最远的下游参与者。在整个实验过程中，参与者保持相同的姿势。该实验模拟了小规模灌溉系统所需的基础设施的提供和水的分配(Cifdaloz et al. 2010, Janssen et al. 2012)。图1提供了灌溉游戏的投资和提取阶段的图形表示。附录1提供了准确的实验方案。

在每一轮开始时，每个参与者都获得了10个代币的捐赠，他们可以投资于灌溉基础设施，也可以自己保留。每个代币值5美分。五个参与者的总投资决定了灌溉系统的状况。表2显示了根据总投资可通过灌溉系统的水量。

在下半轮中，每个参与者依次从上游到下游(从位置A的玩家到位置E的玩家)决定从可用水中提取多少水。可用水是该小组生产的总水减去上游参与者已经提取的水。例如，位置C的玩家所能获得的水等于总水量减去位置a和位置b的玩家所提取的水。每个人都知道自己能处理多少水，并在每个提取阶段开始时被告知整个组有多少水。在开采阶段之前知道总可用水量可以让每个参与者推断整个团队在资源上投入了多少。在提取阶段之前知道总可用水量还可以让团队成员知道上游用户提取了多少水。例如，玩家B可以推断出玩家A提取了多少水(小组可用的水量减去玩家B可用的水量)，玩家C可以轻松推断出玩家A和玩家B总共提取了多少水，以此类推。

在投资阶段保存的每个代币添加到每轮提取阶段提取的每个代币。然后计算在所有15轮中保留的代币数量和提取的代币数量，以确定向每个参与者支付的金额。平均总支出为22.83美元(标准差= 6.20美元)。平均总支出代表了基于灌溉游戏表现的平均支付，信托和风险规避练习的收益，以及5美元的出场费。每次约1小时。

每个环节包括1个练习回合来演示游戏程序和15个为钱而进行的决策回合，分为3个5回合的治疗期。为了避免“最后一轮”效应，参与者不被告知实验的实际长度。这三个时期中的每一个时期都应用了不同程度的环境变异性。我们区分了低、中、高降雨轮，分别代表干燥、标准和重水条件。在相同投资水平下，低雨量条件比中雨量条件少雨量60%，高雨量条件比中雨量条件多雨量60%。我们还区分了三个级别的环境变异:

1. 无变异性(无投资风险)。降雨水平固定在表2所示的中等水平。
2. 低变异性(低投资风险)。随机使用表2中的低(1/6概率)、中(2/3概率)或高(1/6概率)列来得出水的可用性。
3. 高变异性(高投资风险)。随机确定表2中三个可能列的1/3概率，以得出水的可用性。

我们在实验阶段定义了三种具有不同变异类型序列的处理(表1)。选择不同的序列来测试不同程度的变异的效果，同时控制可能的学习效果。我们意识到可以设计更多的序列;然而，考虑到成本限制和测试对象的可用性，进行一个全面的实验，其中测试所有可能的序列组合是不可行的。个体不能在同一实验中多次参与，即使是在具有不同变异性序列的不同阶段。基线序列的投资水平(无、低、高变异性[NLH])与其他评估序列的投资水平(低、高、无变异性[LHN]和无、高、低变异性[NHL])显著不同;但LHN与NHL无统计学差异。

根据理性选择理论，所有玩家的预期行为是每轮投资零代币。这是因为投资零代币是纳什均衡。如果我们假设人们的行为是出于理性的自利，那么位置B到E的参与者会期望玩家A拿走所有的水，因此不会投资。因为一个人投资公共基础设施不会增加第二阶段的可用水量，参与者a也不会投资。因此，纳什均衡总是零投资，独立于变化水平，因此零提取，因为没有水产生。然而，人们通常不会完全出于理性的自我利益而行动。相反，特别是在重复游戏中，他们会根据其他偏好采取行动，如信任和可观察到的群体行为(Ostrom 1998)。

数据描述

本分析中使用的数据来自于2012年春季在亚利桑那州立大学本科生中进行的六次实验。数据集由16组(每组5人)组成，他们记录了15轮的决策，结果是1200次观察。表3报告了所使用变量的汇总统计数据。

投资是指对产生共同水资源的公共基础设施的投资。从所有意图和目的来看，投资是集体行动的代表(Beckenkamp et al. 2007, Janssen et al. 2011)，是我们主要的兴趣变量，即因变量。萃取量指的是水产生后的萃取量。信任和可信赖度通过标准化分数来衡量，这些分数代表了在信任游戏中发送给另一个参与者的钱的数量(信任)或发送回的钱(可信赖度)(详见附录1);得分越高，说明一个人越值得信任。通过将实际发送或发送回的钱除以可能发送或发送回的最大金额，信任和可信赖性都得到了标准化。信任和可信赖性被认为是集体行动的重要决定因素(Ostrom 1998)。风险得分为风险规避博弈中低风险选择个数的归一化得分;因此，得分越高，个体的风险厌恶程度越高(详见附录1)。风险评分通过计算低风险选择的数量除以可用的低风险选择的最大数量来归一化。 Normalized risk scores are considered inversely related to cooperation if others’ behavior is unknown a priori. Variability refers to high, low, or no variability in water generation. In other words, variability refers to the probability of using the left, the middle, or the right column of Table 2. Sequence refers to the different order in which variability levels were communicated to the participants. For example, in sequence NLH, the first five rounds were played with no variability, the next five rounds were played with low variability, and finally five rounds were played with high variability. In sequence LHN, the first five rounds were played with low variability, then five rounds with high variability, and finally five rounds with no variability. Rainfall refers to the actual amount of water generated in a round. Position refers to the position in which an individual will extract resources (position A being the first to make a choice and position E the last).

***人的ESR我在轮t（ESR_我,不)按个人实际提取量计算我在轮t（E_我,t)除以每一组的总水量t在提取阶段的开始(R_t)除以5(即，允许组中的每个人在同一时间提取等量资源的提取量t)：

(1）

如果ESR小于1，则为个体我提取的股份少于公平份额，而ESR大于1意味着个人提取的股份多于公平份额。ESR为1意味着个人提取了公平份额。ESR是一种简单的启发式衡量方法，衡量个人如何在资源分配中衡量平等。ESR小于1可能会减少下一轮的合作(即投资)。

净收益代表净利润，由:

（2）

因此，净收益是参与者的净利润，由提取的金额加上未投资于资源的代币数量计算。

为了评估变异序列对投资和提取的影响，我们进行了Χ²检验。我们发现变异序列(见表1)仅与NLH顺序相比影响投资和提取(p < 0.001)。LHN和NHL治疗间差异无统计学意义(p > 0.05)。鉴于Χ²测试结果，我们选择合并不会导致显著不同结果的序列，并在我们的模型中包括新的序列虚拟变量(如果序列= NLH值为0，如果序列= LHN或NHL值为1)。我们将序列虚拟与环境可变性相互作用，这使我们能够评估可变性对投资和提取水平的影响。此外，我们还假设，可变性的显著差异至少可以部分归因于与每个会议参与者组成相关的未观察到的影响。未来的工作将集中于通过分析实验期间收集的调查数据来寻找这种差异的原因。

投资/开采行为明显呈现出三种模式。首先，上游参与者比下游参与者投资更多(图2)，下游参与者提取的比上游参与者少(图3)。平均而言，在特定的群体中，投资和提取水平的持久性较高(如图1中的图S1和图S2所示)。第三，信任似乎在第一轮实验中发挥了作用(图4A)，信任的增加导致对资源的更大投资，但这种效应似乎在随后的几轮中消失了(图4B)。风险规避对投资的影响是模糊的。更多的风险中性参与者(标准化风险评分为0.4、0.5和0.6)在资源上的投资更少。这种结果可以部分地用个人选择的分布来解释。与极端(1人风险评分极高，1人风险评分极低，7人风险评分< 0.4,12人风险评分> 0.6)相比，中级水平是迄今为止最常见的选择(80名参与者中有61人风险评分在0.4至0.6之间);最后，位置对投资水平有更大的影响，最重要的是对个人从共同生成的资源中提取多少(图6)。这些初步发现似乎表明投资、提取、上游用户行为和信任之间存在反馈。Ostrom(1998)也对这种反馈进行了广泛的描述，尽管只是理论上的。

数据分析

为了评估环境可变性、个人特征和上游用户行为如何影响投资，我们将个人和群体投资回归到一组独立的数据中 变量，使用带有群集引导标准误差的层次模型。公式3和公式4正式表示为评估投资水平而设计的统计模型。

（3）

（4）

公式3分析了个人投资水平(发票)依赖于环境特征、个人特征和上游用户行为。环境特征由位置和序列-变异性相互作用组成，用向量表示DSChar在方程3中。个人特征由信任、规范化风险评分和性别组成，用向量表示SChar在方程3中。上游用户的行为通过ESR(公式1)和净增益(公式2)进行评估，用(号)在公式3中。最后,ε_我,不表示错误项。

公式4是我们设计的评估集团水平投资的模型(GrInv)．在这种情况下，我们假设群体层面的投资依赖于序列和可变性之间的相互作用(DGrChar）;平均群体特征(平均信任和归一化风险厌恶得分)(Gr字符）;上游用户行为的影响(Gr号的提取基尼系数表示t- 1。ε_我,不还是误差项。

结果与讨论

表4和表5报告了方程3和方程4中模型的个人和群体水平的结果。为了解释信任和风险规避的初始行为效应在第一轮之后随着参与者对其他参与者的行为做出反应而减弱，我们将第一轮效应与第2-15轮分开建模。

对于个人层面的结果(表4)，信任和风险规避仅在第一轮显著影响投资水平。从第2轮到第15轮，上游用户行为和抽取不平等对投资水平的解释作用突出。然而，对于组的结果，平均信任和风险厌恶得分显著影响投资，甚至在第一轮之后(表5)。

虽然不可能使用公式3和4中的模型来评估开采和投资决策之间的完全相互作用，但上游用户的行为在决定后续投资方面的影响是明显的。在个人层面，位置和上游用户的行为(这里仅用ESR和净收益来衡量)对投资水平有显著影响，这也被群体层面的基尼系数所证实:不平等加剧会降低投资。净收益实际上似乎降低了投资，进而降低了开采。ESR对投资有积极而显著的影响:ESR越高，一个人越愿意投资，因此开采可能更高。这些结果需要在实验中进行背景分析，在实验中，一些人处于特权地位，但仍然依赖于其他人的贡献，在实验中，上游用户的行为平均而言可以为下游用户所知。

在第一轮中，参与者没有预先的行为来做出反应。因此，在第一轮中，假设个体层面的特征，如信任和风险规避，是独立于上游用户行为等其他因素影响投资的主要驱动因素，证实了现场实验的结果(Janssen et al. 2012)。仓位对投资的影响较小，因为只有C和E仓位的提取显著低于a仓位。另一方面，信任显著增加了投资。信任之间的相互作用、投资和提取在第一轮启动后续的行为(参见表6和7)。第一轮后,相信没有一个明确的作用或意义,和立场D和E投资大大减少,几乎总是提取明显低于a位置B和C平均投资相同的数量(例如,之间没有显著差异投资头寸B和C;Wald p > 0.1)，而头寸E的平均投资金额与头寸D有显著差异(Wald p < 0.001)。这些结果适用于表4所示的所有模型。换句话说，尽管中心位置(B和C)的平均投资金额似乎相同，但在尾部位置(D和E)之间存在差异。第一轮和后续轮之间的比较似乎加强了信任、可观察行为和集体行动之间反馈的重要性，正如Ostrom(1998)所描述的那样。

与信任相似，风险规避只在第一轮中显著(表4)。这是个人特征在一次性游戏和“集体行动企业”开始时的重要性的另一个迹象。然而，在随后的几轮中，风险规避和信任并不显著，这一事实表明，个人特征效应在面对一般群体行为(即上游用户行为)时，至少在统计上变得不显著。

最后，在第一轮中，变异似乎并不显著。然而，LHNorNHL x NoVar的显著影响似乎表明，第1轮的决策不同，因为在不同的序列中，与组组成有关的未测量的影响。另一方面，在代表第2-15轮的模型中(表4)，与无变化的基线情景和NLH序列相比，高环境可变性似乎有助于减少投资。当变异性序列为LHNorNHL时，高变异性对投资有显著影响，这可能间接导致了采出量的减少。LHNorNHL x HighVar与LHNorNHL x NoVar和LHNorNHL x LowVar差异显著(p < 0.05)，也证实了高变异性的显著作用。测试结果适用于表4中列出的所有规格。这一发现与之前关于环境变异对集体行动影响的研究结果一致(Walker和Gardner 1992, Biel和Gärling 1995, Anderies et al. 2013)。

对结果的描述保持在组水平(表5)，有一些有趣的差异。虽然上游用户的行为始终是决定群体投资水平的重要因素，但在第一轮中，群体平均风险得分和平均信任得分并不显著，而在随后的几轮中则逐渐显著。群体平均风险和信任得分的影响不同于个体平均风险和信任得分的影响。群体风险倾向和信任倾向在总体水平上似乎很重要，但在个体水平上却受到抑制。

使用标准化系数，即贝塔系数，使我们能够比较不同变量对群体和个人水平投资的影响。我们首先分析了个体层面模型的显著系数的大小(表4)。在第一轮(模型1)中，信任是影响投资的最重要的积极因素，而在游戏开始时，处于组的尾部是影响投资的最重要的消极因素。第一轮实验的结果证实了信任在影响集体行动方面的重要性，尤其是在一次性游戏中(Biel和Garling 1995)。处于尾端的个体对提取预期有一定的影响，这明显降低了处于尾端的个体对公共池资源的投资。后一个结果也与之前的实验研究相一致(Janssen et al. 2012, Cardenas et al. 2013)。在第2-15轮中，信任的作用被ESR所取代，ESR在积极影响投资水平方面发挥了重要作用。同时，定位仍然是影响集体行动的最重要的负面因素。再一次，我们的个人水平模型的结果与以前的文献一致，在开采不平等被视为减少公共池资源投资的主要因素(Janssen等人，2012年，Cardenas等人，2013年)。

在第一轮的组水平上(表5)，唯一影响投资的显著变量是变异性序列的变化。在第2-15轮中，最重要的负面影响是提取不平等。抽取不平等越大，群体投资水平越低。这一结果再次证实了先前关于抽取不平等的重要性及其对集体行动的影响的研究结果。群体水平的可变性有一个有趣的双重效应。一方面，当变异序列为基线NLH顺序时，对投资有正向影响;然而，在所有其他情况下，可变性降低了投资水平。当序列为LHNorNHL时，高变异性的影响与低变异性和无变异性的影响有显著差异(Wald检验p < 0.001)，证实了表4和表5中所有模型的上述结果。而当序列为无、低、高变异性(NLH)时，低变异性和高变异性之间不存在差异，对投资的影响为正。不幸的是，我们没有理论解释为什么会出现这种情况。 We can only speculate that the positive effect from variability might have been generated by an optimism that newly introduced variability following the no-variability phase might lead to better extraction opportunities. Finally, at the group level, risk aversion had a prominent role in positively affecting the investment level. A higher will to take risks within a group led to higher average group investment. This result is also in line with previous research on the effect of risk aversion on investment in variable conditions.

评估结果稳健性:不同的统计方法

第1轮和第2-15轮之间的差异表明，认识到投资和开采决策随着时间的推移可能对彼此产生的同时影响的重要性。为了评估这种影响，我们通过方程5和方程6建立了投资和开采之间的同时因果关系模型。该统计模型如图7所示。

（5）

在哪里

(6）

投资方面(发票)和提取(Ext)依赖于:

• 虚拟特征向量(DChar)，代表位置、层序-变率相互作用及雨量;
• 个人特征的载体(字符)如信任、可信赖性和风险规避;而且
• 上游用户行为的影响(号；方程6)。

上游用户行为的效果依赖于观察到的行为(奥林匹克广播服务公司)，由ESR(如式1所示)和净增益(如式2所示)等简单指标给出。G_我是控制组间变化的变量。最后ε_我,不，u_我,不而且v_我,不表示每个方程的误差项。

为了评估解释变量的重要性，我们报告了来自上述模型的标准化系数(表6)和标准化的总效应，以便变量之间进行比较(效应强度;虽然传统统计模型中报告的标准系数只考虑直接影响，但这里提出的总影响包括解释变量对因变量的直接和间接影响。在我们的模型中，如图7所示，信托直接影响投资;然而，信任也会通过之前的投资决策间接地影响开采决策。同样，降雨影响了在t；然而，它也可能对投资产生间接影响t+ 1。

为了评估模型的拟合性，我们报告总体R²以及拟合优度检验(或Χ²测试)。由公式5表示的系统给出的信息和结果作为公式3和公式4中使用的模型的重要鲁棒性检验。方程5和图7中的模型估计详见附录1(统计模型)。表6和表7报告了公式5在三种不同规格下的结果。模型规范的变化是针对观察到的行为变量的测量:净收益、平等份额比率，以及净收益和ESR。我们分别报告了第一轮(模型1)的结果，以评估信任、风险规避和可变性在实验开始时是否与后续轮有不同的影响。

表6和表7确认了投资的结果;然而，它们也解释了这类实验中存在的另一层复杂性:在给定一组自变量的情况下，它们明确地评估了投资和开采之间的相互依赖关系。值得注意的是，在第一轮中，投资和开采之间没有正相关关系。一个合理的解释在于实验中资源的性质。在集团投资未达到特定阈值的情况下(如表2所述)，投资不会导致资源的产生，因此，提取水平将为零。如果发生这种情况，第一轮就会开始走向纯粹自私的行为(即零投资)。另一种似乎合理的解释是，至少在第一轮中，个体更倾向于慷慨，因为其他群体成员的行为无法得知。

然而，第一轮的结果在随后的几轮中没有重复。因此，无论使用什么来代理观察到的行为，我们都可以自信地断言，信任失去了它的重要性，将因果重要性转移到上游用户的观察到的行为上。后一种结果是个体之间反复互动的逻辑结果。投资金额总是高度显著且与提取金额正相关，上一轮提取金额总是高度显著且与下一轮投资金额正相关。这种关系并不令人惊讶，它突出了在连续投资提取决策中所涉及的行为相互依赖的重要性。

我们必须承认，实验越复杂，分析也就越复杂。所有统计估计都容易出现偏差和效率问题;然而，这里使用的多种工具使我们对我们的分析和结果的稳健性有信心。

结论

世界各地的许多小型灌溉系统面临着双重问题，即如何共同建设共同池资源所需的基础设施，以及如何有效和公平地共享资源。上游农民享有系统中用水的特权，但他们也依赖下游农民的贡献来建设和维护输送所需水的基础设施。因此，管理共同资源的一项重要挑战是如何确保集体行动，以便将资源维持在可持续的水平，同时防止处于特权地位的个人利用普遍的努力。在由于生物物理环境造成的异质性而自然倾向于不对称的系统中，集体行动尤其具有挑战性(Anderies et al. 2011)。生态自然过程(如环境条件带来的风险)与资源使用者的决策之间耦合相互作用的复杂性使问题进一步复杂化(Anderies et al. 2004)。

我们首次尝试通过一个简单的非对称公共池资源游戏来解开可变性、信任、上游用户行为和资源可行性之间的相互作用。所进行的实验可以用许多不同的方法进行分析。数据的丰富性是一个好处，但当涉及到理解系统的动态时，这种丰富性也可能令人生畏。考虑到路径依赖、个人特征和可变性相互作用所带来的复杂性，我们需要警惕在实验室环境中进行的实验的泛化。尽管如此，我们相信我们的实验可以让我们得出一些关于环境可变性和上游用户行为和互惠型反应之间的反馈循环之间关系的初步结论。

上游用户行为反应的影响优先于资源的初始个人特征和可变性。这种效应，尤其是对投资而言，是明显的，仅次于位置不对称效应。即使在缺乏沟通的情况下，这一结果也证实了Anderies等人(2013)提出的结果。然而，要理清投资提取周期的复杂性并不那么容易。投资和提取决策不断地相互影响，无论个人更关心收益(净收益)还是权益(ESR)，或者是否存在提取不平等(提取基尼系数)。在灌溉环境中，路径依赖的强度和上游用户行为的重要性也被第一轮和随后几轮游戏之间的差异所证实。正如预期的那样，个人层面的信任是一个突出因素，影响维持和产生资源的投资水平的决定;然而，它很快就让位于观察到的行为的重要性。行为特征的重要性以及观察到的环境和个人特征之间的相互作用也被巴乔和杨森(2013)的结果所证实。别人的行为会极大地影响自己的决定。 Where individuals are located in the system is a highly significant factor in their willingness to contribute, and the tail enders are highly dependent on the head enders to maintain share equality.

从所进行的实验中，我们可以肯定(1)上游用户的行为是迄今为止决定集体行动结果的最重要变量;②环境变异性(即资源投资的风险水平)对个体投资和开采水平影响不大;(3)至少在我们的研究范围内，行动-反应反馈是决定社区成功或失败的基础。我们的结果证实了Ostrom集体行动行为模型(Ostrom 1998)的基本动力学。

文献引用

艾利森，S. T.和D. M.梅西克，1990。共享资源使用中的社会决策启发式。行为决策杂志3 (3): 195 - 204http://dx.doi.org/10.1002/bdm.3960030304

安德烈斯，J. M.和M. A.杨森，2011。健全的社会生态系统的脆弱性。全球环境变化(4): 1153 - 1156http://dx.doi.org/10.1016/j.gloenvcha.2011.07.004

安德烈斯，j.m.， m.a.杨森，F.博斯克，j.c.。卡德纳斯，D.卡斯蒂略，m . c。洛佩兹，R.托比亚斯，B. Vollan, A. Wutich, 2011。在公共池资源治理的实验研究中理解决策的挑战。生态经济学70 (9): 1571 - 1579http://dx.doi.org/10.1016/j.ecolecon.2011.01.011

安德里斯，J. M.杨森，A.李，H.沃瑟曼，2013。环境变异和集体行动:来自灌溉游戏的实验洞见。生态经济学93:166 - 176。http://dx.doi.org/10.1016/j.ecolecon.2013.04.010

安德烈斯，J. M.杨森，E.奥斯特罗姆，2004。从制度角度分析社会生态系统稳健性的框架。生态与社会9(1): 18。(在线)网址://www.dpl-cld.com/vol9/iss1/art18/

Au, W. 2004。阶梯级公共产品困境中的关键性与环境不确定性。群体动力学:理论、研究与实践八40 - 61。http://dx.doi.org/10.1037/1089-2699.8.1.40

巴乔，J. A.和M.A.詹森，2013。基于agent模型的灌溉博弈实验数据比较。1742 - 1753页在R.帕苏帕蒂，s.h.。金，A.托尔克，R.希尔和M. E.库尔，编辑。模拟会议(WSC)， 2013年冬季．IEEE出版社，纽约，美国。http://dx.doi.org/10.1109/wsc.2013.6721555

贝肯坎普，M. H.亨尼格-施密特和F. P.迈尔-里高德。2007.对称和非对称囚徒困境博弈中的合作(2007年3月)．MPI集体物品预印本号2006/25。马克斯·普朗克集体物品研究所，波恩，德国。http://dx.doi.org/10.2139/ssrn.968942

伯格，J·迪克哈特和k·麦凯布。1995.信任、互惠和社会历史。博弈与经济行为10:122 - 142。http://dx.doi.org/10.1006/game.1995.1027

贝尔，A.和T. Gärling。1995.不确定性在资源困境中的作用。环境心理学杂志15(3): 221 - 233。http://dx.doi.org/10.1016/0272 - 4944 (95) 90005 - 5

布德斯库，D. V.拉波波特，R.苏莱曼，1990。资源困境与环境的不确定性和不对称的参与者。欧洲社会心理学杂志20(6): 475 - 487。http://dx.doi.org/10.1002/ejsp.2420200603

Cardenas J.-C。，M. A. Janssen, and F. Bousquet. 2013. Dynamics of rules and resources: three new field experiments on water, forests and fisheries. Pages 319-345在J. A. List和M. K. Price，编辑。实验经济学和环境手册．爱德华·埃尔加，英国切尔滕纳姆。http://dx.doi.org/10.4337/9781781009079.00020

西弗达洛兹，A.雷米，J. M.安德里斯和A. A.罗德里格斯，2010。小型社会生态系统的稳健性、脆弱性和适应能力:尼泊尔的抽水灌溉系统。生态与社会15(3): 39。(在线)网址://www.dpl-cld.com/vol15/iss3/art39/

古斯塔夫森，M. A.贝尔，T. Gärling。2000.资源不确定性社会困境中的利己主义偏向。组过程和组间关系3:351 - 365。http://dx.doi.org/10.1177/1368430200003004002

霍尔特，C. A.和S. K.劳里，2002。风险规避和激励效应。美国经济评论92(5): 1644 - 1655。http://dx.doi.org/10.1257/000282802762024700

杨森，J. M.安德里斯，S. R.乔希，2011。非对称公地困境中的协调与合作。实验经济学14(4): 547 - 566。http://dx.doi.org/10.1007/s10683-011-9281-9

杨森，m.a.， F. Bousquet, j.c。卡德纳斯，D. Castillo, K. Worapimphong, 2012。关于灌溉困境的田间试验。农业系统109:65 - 75。http://dx.doi.org/10.1016/j.agsy.2012.03.004

梅西克、S. T.艾利森和C. D.萨缪尔森，1988。框架和沟通对群体成员对环境和社会不确定性的反应的影响。677 - 700页在编辑S.迈特尔。应用行为经济学．卷二世。Wheatsheaf，英国布莱顿。

奥斯特罗姆，E. 1998。集体行动理性选择理论的行为学方法:总统演讲，美国政治科学协会，1997。美国政治学评论92(1): 22页。http://dx.doi.org/10.2307/2585925

奥斯特罗姆，E.和R.加德纳，1993。应对公地的不对称:自治灌溉系统可以起作用。经济展望杂志7(4): 93 - 112。http://dx.doi.org/10.1257/jep.7.4.93

拉波波特，D. V.布德斯库，R.苏莱曼和E.韦格，1992。资源均匀分布的社会困境。页面43-57在W. B. G.利布兰德、D.梅西克和H.威尔克，编辑。社会困境。理论问题和研究成果．佩加蒙，牛津，英国。

沃克，J. M.和R.加德纳，1992。公共池资源的概率破坏:实验证据。经济日报102(414): 1149 - 1161。http://dx.doi.org/10.2307/2234382

威特，A.和H.威尔基，1998。环境和社会不确定性下的公共产品供给。欧洲社会心理学杂志28:249 - 256。http://dx.doi.org/10.1002/ (SICI) 1099 - 0992(199803/04)二八2 < 249::AID-EJSP868 > 3.0.CO; 2 j