Jak napisać pracę magisterską z ekonomii behawioralnej

Ekonomia behawioralna to dziedzina, w której praca magisterska niemal zawsze ma element empiryczny. Eksperyment online, ankieta z dobrze zaprojektowanym testem decyzyjnym, analiza danych pola, komisja oczekuje, że pokażesz nie tylko, że znasz Kahnemana, ale że potrafisz zaprojektować badanie zgodne z dorobkiem dyscypliny.

Maj to moment, w którym studenci mają już zebrane dane z eksperymentów albo z ankiet wiosennych, i muszą je opracować w ciągu kilku tygodni. Albo odwrotnie: są na etapie projektowania badania na czerwiec i potrzebują uporządkować metodologię, żeby wniosek o zgodę komisji bioetycznej (jeśli wymagane) nie utknął.

Z mojej praktyki, prace z ekonomii behawioralnej często mają jeden typowy problem. Świetny przegląd literatury (Kahneman, Tversky, Thaler, Sunstein cytowani prawidłowo), ale empiria opisana w sposób, który nie pozwala na replikację. Brak randomizacji, mała próba, brak preregistracji, brak zgłoszonej mocy statystycznej. Ten artykuł pomoże Ci tego uniknąć.

Wybór tematu i pytania badawcze

Ekonomia behawioralna jest interdyscyplinarna, łączy mikroekonomię, psychologię poznawczą, ekonomię eksperymentalną, statystykę. Tematy magisterek zwykle mieszczą się w jednym z kilku obszarów.

Obszary, które najlepiej sprawdzają się w pracach magisterskich z ekonomii behawioralnej:

• Heurystyki i błędy poznawcze w decyzjach ekonomicznych, replikacja klasycznych badań Kahnemana i Tversky’ego na próbie polskiej (problem Lindy, framing effect, dostępność, kotwica), analiza w nowych kontekstach
• Prospect Theory, testy parametryczne funkcji wartości, badanie awersji do strat (loss aversion) w decyzjach inwestycyjnych, ubezpieczeniowych, konsumenckich
• Nudge i architektura wyboru, eksperymenty terenowe sprawdzające skuteczność interwencji behawioralnych (default option, social norms, framing) w realnych kontekstach: oszczędzanie emerytalne, dawstwo organów, zdrowe wybory żywieniowe
• Mental accounting i decyzje finansowe, efekt majątku domowego (house money effect), efekt zatopionych kosztów, segregacja zysków i agregacja strat w decyzjach konsumenckich
• Time preferences i hyperbolic discounting, eksperymenty na dyskontowaniu czasowym, samokontrola, problemy z odkładaniem (procrastination), commitment devices
• Social preferences, gry eksperymentalne (Dictator Game, Ultimatum Game, Trust Game, Public Goods Game), altruizm warunkowy, awersja do nierówności (inequity aversion)
• Behawioralna finansowa, disposition effect, overconfidence inwestorów, herding na rynkach, sentiment a wyceny

Pytanie badawcze musi być testowalne. Nie: „Jak ludzie podejmują decyzje finansowe?”, ale: „Czy framing pozytywny vs negatywny komunikatu o opłatach bankowych (treatment) zmienia wybór produktu oszczędnościowego w porównaniu z framingiem neutralnym (control) w próbie polskich konsumentów w wieku 25-45 lat (n=400)?”

Jedno pytanie główne, jedna lub dwie hipotezy zerowe (H₀) z hipotezami alternatywnymi (H₁). Komisja sprawdzi sformułowanie hipotez w języku statystyki, nie potocznym.

Metodologia pracy magisterskiej z ekonomii behawioralnej

Metodologia w ekonomii behawioralnej musi spełniać współczesne standardy badań empirycznych w naukach społecznych. Brak preregistracji, słaba moc statystyczna i niejasny opis interwencji to czerwone flagi.

Projekt eksperymentu, between-subjects czy within-subjects
Opisujesz dobór i uzasadnienie: between-subjects (każdy uczestnik widzi jeden warunek, czystsza interpretacja, większa próba), within-subjects (każdy uczestnik widzi wszystkie warunki, większa moc statystyczna, ryzyko efektów kolejności i carryover). Dla projektów mieszanych, wyraźnie pokazujesz strukturę z czynnikiem między- i wewnątrz-osobowym.

Randomizacja
Mechanizm losowego przydziału do warunków (algorytm w Qualtrics, blok randomizowany w eksperymencie laboratoryjnym, randomizacja na poziomie klastrów w eksperymencie polowym). Sprawdzenie balansu cech demograficznych między grupami (covariates balance, test t lub chi-kwadrat dla każdej zmiennej tła).

Wielkość próby i moc statystyczna
Analiza mocy a priori (G*Power, simr w R), dla zakładanego efektu Cohen’s d (np. d=0.3 dla średniego efektu), poziomu istotności α=0.05 i mocy 0.80 obliczasz minimalną wielkość próby. To pokazujesz w metodologii. Bez tego praca wygląda na zaprojektowaną metodą „ile uda się zebrać”.

Preregistracja
Standard w 2020+ to preregistracja hipotez, projektu i planu analizy na platformie typu AsPredicted lub OSF (Open Science Framework). Wpisujesz link i datę w metodologii. To nie wymóg formalny na polskich wydziałach, ale komisja widzi różnicę między pracą preregistrowaną a „post hoc rationalization”.

Eksperyment laboratoryjny
Lokalizacja (np. laboratorium ekonomii eksperymentalnej na wydziale), oprogramowanie (z-Tree, oTree, PsychoPy, jsPsych), liczba sesji, średni czas sesji, wynagrodzenie uczestników (flat fee, performance-based, mix), procedura rekrutacji (system ORSEE, ogłoszenia, pula studencka), instrukcje (czy uczestnicy zdawali kontrolny test rozumienia).

Eksperyment terenowy / RCT
Opis intervencji (treatment), grupy kontrolnej (control), randomizacji (na jakim poziomie, indywidualnym, klasy, szkoły, gospodarstwa, miasta), implementacji (kto i jak dostarczył interwencję), pomiaru wyników (administrative data, ankieta follow-up, behavioral measures). Etyka, zgoda komisji bioetycznej, zgoda informowana, opcja wycofania się.

Eksperyment online
Platforma (Prolific, MTurk, Qualtrics Panels, polskie panele, np. Ariadna), kryteria filtrowania (kraj, język, attention checks), wynagrodzenie i czas (estymowany czas wykonania × stawka minimalna), data zbierania, średni czas zadania, wskaźnik rezygnacji (drop-out rate) z podziałem na warunki.

Pomiar zmiennych
Dla każdej zmiennej zależnej i niezależnej: definicja, sposób pomiaru, skala. Zmienne dychotomiczne (decyzja A vs B), ordinalne (Likert), interwałowe (kwoty pieniężne, czasy reakcji), proporcje (procent ryzykownych wyborów). Walidowane skale, pełna nazwa i cytat źródła (np. Cognitive Reflection Test, Frederick 2005; Risk Preference Scale, Holt i Laury 2002).

Analiza statystyczna
Test podstawowy zgodny z hipotezą (test t dla porównania średnich, chi-kwadrat dla rozkładów, regresja liniowa lub logistyczna z covariates). Wielkość efektu, Cohen’s d, Hedges’ g, η² zawsze obok wartości p. Korekta dla wielokrotnych testów (Bonferroni, Holm) jeśli wiele hipotez. Oprogramowanie: R (z pakietami, lme4, psych, effsize), Stata, SPSS.

Robustness checks
Standard współczesny, analiza wrażliwości wyników. Inne specyfikacje regresji, wykluczenie obserwacji odstających, podpróby. Pokazujesz, że Twój wynik nie jest artefaktem konkretnego sposobu analizy.

Struktura i rozdziały

Praca magisterska z ekonomii behawioralnej ma zazwyczaj 60-90 stron. Mniejsza niż prace z ekonomii teoretycznej, większy nacisk na rozdziały empiryczne.

1. Wstęp, motywacja, kontekst dyscypliny, sformułowanie problemu badawczego, struktura pracy.

2. Przegląd literatury, kluczowe prace teoretyczne (Kahneman i Tversky, Prospect Theory 1979 i 1992, Thaler, mental accounting, Sunstein i Thaler, nudge), empiryczne metaanalizy (Open Science Collaboration 2015, Many Labs replications), prace w obszarze Twojego pytania. Kończysz lukami i Twoim wkładem.

3. Hipotezy, wyraźnie sformułowane, oparte na literaturze. Każda hipoteza pokazana w języku statystycznym (H₀ vs H₁).

4. Metodologia, szczegółowo, jak opisano wyżej. Aneks z instrukcją dla uczestników i ekranami ankiety.

5. Wyniki, statystyki opisowe (tabela 1 z charakterystyką próby), testy hipotez, regresje, wielkości efektów. Każdy wynik z wartością testu, df, p, wielkością efektu, CI.

6. Dyskusja, interpretacja wyników w kontekście literatury, ograniczenia (próba studencka? selection bias? mała moc?), implikacje praktyczne, sugestie do dalszych badań.

7. Wnioski, zwarte, odpowiadające na hipotezy.

8. Bibliografia, minimum 50-80 pozycji; teksty z American Economic Review, Quarterly Journal of Economics, Journal of Behavioral Decision Making, Judgment and Decision Making, Experimental Economics, Behavioural Public Policy.

Aneksy, instrukcja eksperymentu, screeny ankiety, wszystkie tabele regresji (full models, robustness), kod analityczny (R script albo Stata do).

Najczęstsze błędy

• Brak preregistracji w 2026, coraz częściej komisje to zauważają. Nawet jeśli praca już zebrana, możesz preregistrować plan analizy przed jej rozpoczęciem. To wiele zmienia
• „Istotny statystycznie efekt p=0.04” bez wielkości efektu, wartość p bez Cohen’s d to za mało. Mała próba może dać p<0.05 dla efektu trywialnego
• Nadinterpretacja klasycznych badań, „Kahneman i Tversky pokazali, że ludzie są irracjonalni” to nadmiernie ogólne. Pokazali konkretne odchylenia od modelu oczekiwanej użyteczności w konkretnych warunkach. Precyzja matters
• Pomylenie nudge z paternalizmem, nudge (libertarian paternalism u Thalera i Sunsteina) zostawia wolność wyboru, manipulacja behawioralna jej nie zostawia. Komisja może o to zapytać
• Eksperyment laboratoryjny ze studentami jako reprezentatywny dla „populacji”, WEIRD problem (Western, Educated, Industrialized, Rich, Democratic) jest znany. W ograniczeniach pracy musisz to wyraźnie powiedzieć
• Brak attention checks, w badaniach online standard. Bez tego nie wiesz, czy uczestnicy czytali instrukcje, czy klikali na ślepo. Pokazujesz proporcję odrzuconych odpowiedzi
• Nieprawidłowe użycie „framing effect” jako etykiety na wszystko, framing to konkretna manipulacja (przedstawienie tej samej opcji w kategoriach zysków vs strat). Nie każde „różne sformułowanie” to framing
• Analiza wielu zmiennych zależnych bez korekty, testujesz 10 hipotez, jedna wychodzi p<0.05, raportowana jako „efekt znaleziony”. To p-hacking. Korekta wielokrotnych testów obowiązkowa
• Brak grupy kontrolnej, eksperyment bez kontroli to nie eksperyment. „Pokazałem ludziom A, większość wybrała X” nie mówi nic, bez wiedzy, jak by wybierali bez A
• Cytowanie Thinking, Fast and Slow (Kahneman 2011) bez znajomości artykułów źródłowych, książka popularnonaukowa nie zastępuje cytatów oryginalnych badań. Kahneman i Tversky 1974 (heuristics), 1979 (prospect theory) cytujesz bezpośrednio

FAQ

Podsumowanie

Praca magisterska z ekonomii behawioralnej musi pokazać, że rozumiesz dwie rzeczy: dorobek teoretyczny dyscypliny (od pierwszych prac Kahnemana i Tversky’ego po współczesne metaanalizy) i współczesne standardy badań empirycznych (preregistracja, analiza mocy, wielkości efektów, robustness checks). Świetna teoria z słabą empirią, to magisterka z czerwoną flagą.

Jeśli kończysz pracę i chcesz mieć pewność, że jest gotowa do obrony, zapraszam na dobrzenapisane.pl. Koretuję prace z ekonomii i nauk społecznych, sprawdzam język, terminologię, poprawność zapisu wyników statystycznych, spójność cytowań i bibliografii. Napisz, odpiszę w ciągu 24 godzin.

Dowiedz się więcej

• Kahneman, D., Tversky, A. (1979). Prospect Theory: An Analysis of Decision under Risk. Econometrica, 47(2), 263-291.
• Tversky, A., Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science, 185(4157), 1124-1131.
• Thaler, R.H., Sunstein, C.R. (2008). Nudge: Improving Decisions About Health, Wealth, and Happiness. Yale University Press
• Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux
• Camerer, C.F. (2003). Behavioral Game Theory: Experiments in Strategic Interaction. Princeton University Press
• Open Science Framework, preregistracja: https://osf.io
• AsPredicted, szybka preregistracja: https://aspredicted.org

Inne artykuły na blogu:
– Jak znaleźć literaturę do pracy dyplomowej
– Metodologia pracy magisterskiej, od czego zacząć
– Korekta pracy magisterskiej, co obejmuje i ile kosztuje

Natalia Witek-Dąbrowska

Redaktorka i korektorka z 20-letnim doświadczeniem

Specjalizuję się w korekcie prac naukowych i dyplomowych. Jeśli potrzebujesz pomocy z tekstem, napisz do mnie.