! BackMobLab

管理经济学

Fdownload

均衡与效率

MobLab游戏:竞争性市场

教学要点:

  • 体验市场的“看不见的手”;个人利润最大化导致竞争市场均衡。
  • 表明竞争市场均衡使总盈余最大化。

长期均衡

MobLab游戏:生产及进出市场

教学要点:

  • 短期利润最大化涉及边际思维。
  • 显示上一轮决策如何影响公司的进入和退出决策,以及市场参与者是否获利。
  • 在具有相同公司的竞争性市场的长期均衡中,所有公司的经济利润为零。

垄断

MobLab游戏:垄断

教学要点:

  • 利润最大化涉及对利润的思考。
  • 在没有价格歧视的情况下,统一价格情况将导致两个市场的价格都次优。三级价格歧视可以改善两个市场的福利。

MobLab游戏:双重边际化

教学要点:

  • 回顾边际收入和垄断定价的概念。
  • 展示在没有沟通或合同帮助协调决策的情况下,市场力量的连续行使如何导致更高的市场价格和经济效率的损失。
  • 探索纵向整合和特许经营作为双重边际化问题的解决方案。

寡头垄断

MobLab游戏:古诺竞争

教学要点:

  • 了解增加市场上的竞争对手数量,从一个到多个,如何将市场从垄断结果转变为完全竞争的结果 - 这意味着更高的总量,更低的价格和更大的总福利,并且集中在消费者中。
  • 在战略相互依存的情况下体验利润最大化。

MobLab游戏:伯川德竞争

教学要点:

  • 在没有能力限制的情况下销售无差别产品时,企业有强烈的短期动机进行激烈的价格竞争。
  • 边际成本定价可能出现在只有两家公司的市场中。
  • 产能限制和价格匹配是软化价格竞争的市场特征。

MobLab游戏:斯塔克伯格竞争

教学要点:

  • 了解斯塔克伯格模型的基本逻辑:市场价格如何由顺序选择的产出的总合决定。
  • 亲身体验承诺的悖论。
  • 对比古诺和斯塔克伯格环境的战略和结果差异。

讨价还价和公平

MobLab游戏:最后通牒游戏

教学要点:

  • 展示公平和利他主义等社会规范如何在经济参与者的决策过程中发挥作用。

MobLab游戏:讨价还价:交替报价

教学要点:

  • 玩家在谈判中学习权衡和公平。
  • 促进在顺序游戏中学习逆向归纳和子博弈完美均衡。

信任与互惠

MobLab游戏:信任游戏

教学要点:

  • 探索和测试逆向归纳和子博弈完美纳什均衡。
  • 对可信度(正互惠)或公平性的偏好可能会导致响应者返回正金额。预料到这一点,也许也是出于利他主义或公平的动机,投资者可能会选择投资。

团队激励

MobLab游戏:公共产品:惩罚与奖励

教学要点:

  • 当小组产出取决于个人的努力,但利益是共同分享的时,个人就有搭便车的动机。
  • 小组中的个人可能会产生惩罚或奖励其他小组成员的费用。
  • 展示产生这些成本如何导致维护合作规范。

信息不对称

MobLab游戏:柠檬车市场

教学要点:

  • 体验信息不对称的市场。
  • 信息不对称可能导致逆向选择和市场失灵。
  • 风险与不确定性

    MobLab游戏:炸弹风险游戏

    教学要点:

    • 个人的风险承受能力不同。在一个环境中显示的风险偏好可以转移到其他环境。
    • 打开少于50个盒子的人可以说是风险厌恶者。那些打开更多的人可以说是寻求冒险。

    其他风险偏好调查:风险偏好:Holt Laury 和风险偏好:Binswanger

    MobLab调查:阿莱悖论

    教学要点:

    • 人们过度估计小概率事件,这导致违反预期效用理论的预测。

    MobLab调查:模糊性厌恶

    教学要点:

    • 表明个人表现出对已知风险而不是未知风险的偏好。

    委托-代理

    MobLab游戏:委托-代理

    教学要点:

    • 学生学习提供给工人的最佳合同如何取决于信息环境(完全信息与信息不对称)。
    • 学生了解不同合同特征(固定费用和奖金)的大小如何取决于工人外部选择和工作成本。

    博弈论

    MobLab游戏:囚徒困境(矩阵)或囚徒困境(推拉游戏)

    教学要点:

    • 显示了合作和自身利益的相互冲突的动机。
    • 熟悉读取收益矩阵和主导策略的关键概念。
    • 纳什均衡的识别。
    • 证明重复游戏可以带来更多的合作结果。

    MobLab游戏:最小努力游戏

    教学要点:

    • 表明如果选择相关行动会使玩家面临策略风险,则玩家可能无法在首选均衡上进行协调。
    • 重复互动和沟通可能会减少不协调。

    MobLab游戏:教师指定

    教学要点:

    • 允许教师灵活地在正常形式的游戏中指定操作和收益。可用于支持各种学习目标。