基本模型
比克昌达尼、赫什莱弗与韦尔奇（1992）和班纳吉（1992）在同一年发表了信息瀑布与羊群行为模型。设想人们在两家餐馆中择一：每人获得关于哪家更好的不完全私人信号，且只能观察前人的选择。若前两人都选了A，即便第三人的信号指向B，按贝叶斯定理计算，选A仍更合理。于是她的选择不再透露自身信息，此后每个人都出于同样理由选A，瀑布由此开始。关键在于：信息无法在群体中累积，并非因为个人不理性，恰恰是因为他们理性行事。
性质：锁定与脆弱
信息瀑布可能仅由少数早期行动者的选择触发，因而可能锁定在错误选项上，产生远比社会整体信息所能达到的更差结果。同时其根基单薄，具有“脆弱性”：一条公开信息或一小群坚定的反对者就可能使其骤然崩塌，这有助于解释时尚与潮流为何突变（比克昌达尼等，1998）。史密斯与索伦森（2000）分析了信号强度无上界等条件下学习最终收敛到真相的情形；阿西莫格鲁等（2011）表明社会网络结构决定学习能否成功。信息瀑布不同于阿希（1951）所述迫于群体压力的从众，人们是出于信息原因而跟随；它也是比单纯受人气吸引的从众效应更狭义的理性机制。
实验与现实案例
安德森与霍尔特（1997）通过从坛子中抽球的实验证实，实验室中瀑布频繁出现。韦尔奇（1992）分析了首次公开募股中早期投资者的反应如何连锁影响后续投资者。张娟娟（2010）发现，美国肾移植等候名单上的患者会从前面患者拒绝的肾脏推断其质量较低，从而同样拒绝。在萨尔加尼克、多兹与瓦茨（2006）的人工音乐市场实验中，显示下载量使流行度更加不平等且难以预测；穆赫尼克、阿拉尔与泰勒（2013）发现，随机给在线评论一个赞会显著增加后续的正面评价。库兰与桑斯坦（1999）警告，反复提及使信念扩散的“可得性瀑布”可能扭曲风险规制，这与可得性启发法相关联。
常见问题
- 陷入信息瀑布的人是不理性的吗？
- 不一定。当前人的选择所含信息多于自身信号时，跟随他人在个人层面可能是理性的；问题在于私人信息因此不再与社会共享。
- 信息瀑布如何被打破？
- 当新的公开信息出现、掌握高度准确信息的人作出不同选择，或人们能够分享理由而不仅是选择时，瀑布可能崩塌。
来源核查日期：2026-10-26
参考文献
- Bikhchandani, S., Hirshleifer, D., & Welch, I. (1992). A theory of fads, fashion, custom, and cultural change as informational cascades. Journal of Political Economy, 100(5), 992–1026.
- Banerjee, A. V. (1992). A simple model of herd behavior. Quarterly Journal of Economics, 107(3), 797–817.
- Welch, I. (1992). Sequential sales, learning, and cascades. Journal of Finance, 47(2), 695–732.
- Asch, S. E. (1951). Effects of group pressure upon the modification and distortion of judgments. In H. Guetzkow (Ed.), Groups, Leadership and Men (pp. 177–190). Pittsburgh: Carnegie Press.
- Anderson, L. R., & Holt, C. A. (1997). Information cascades in the laboratory. American Economic Review, 87(5), 847–862.
- Bikhchandani, S., Hirshleifer, D., & Welch, I. (1998). Learning from the behavior of others: Conformity, fads, and informational cascades. Journal of Economic Perspectives, 12(3), 151–170.
- Smith, L., & Sørensen, P. (2000). Pathological outcomes of observational learning. Econometrica, 68(2), 371–398.
- Kuran, T., & Sunstein, C. R. (1999). Availability cascades and risk regulation. Stanford Law Review, 51(4), 683–768.
- Salganik, M. J., Dodds, P. S., & Watts, D. J. (2006). Experimental study of inequality and unpredictability in an artificial cultural market. Science, 311(5762), 854–856.
- Acemoglu, D., Dahleh, M. A., Lobel, I., & Ozdaglar, A. (2011). Bayesian learning in social networks. Review of Economic Studies, 78(4), 1201–1236.
- Zhang, J. (2010). The sound of silence: Observational learning in the U.S. kidney market. Marketing Science, 29(2), 315–335.
- Muchnik, L., Aral, S., & Taylor, S. J. (2013). Social influence bias: A randomized experiment. Science, 341(6146), 647–651.