1.参与者招聘

1. 进行了动力分析和招募足够数量的参与者。

2.组织材料。

1. 创建四十图像的点簇带有多种数量 （请参见的图 1中的示例）。

图 1:点估计任务的示例。二十三点会显示在上面的图片。参与者是给定之前要查看每个图像估计了在屏幕的点数的 125 500 ms。

2. 生成序的矩阵，其中每个应包括 14 盒包含两个数字。
   1. 标签的每一行，"这些是你组成员数 [插入代码编号] 奖惩"，或"的另一组"。
   2. 创建满足三项标准 （每人两个; 之一的六个矩阵图 2)。
      1. A 型: 最高刑罚超过最大的回报。这样的两个最大的联合收益和最大的公平条款是在中间命令框。
      2. B 型: 没有惩罚和恒定的联合回报。这样的两个最大的公平条款是在中间命令框。
      3. C 型: 最大的回报超过的最高刑罚。这样最大的联合收益处于两个极端和两个最大的公平条件在中间命令框。
   3. 复制这些六矩阵的三种不同类型的选择对应于每个行的以下标签:
      1. 群体选择: 最上面一行是指一个团体成员的刑罚成果和回报和最底行指成果为另一位圈内成员。
      2. 群体选择: 最上面一行是指一个群体成员的刑罚成果和回报和底部行指另一群体成员的成果。
      3. 微分 （际） 选择: 一行，指奖励和惩罚的结果，为组内成员和其他行指群体成员的成果。这样三个矩阵反映群体的选择上和其他三个反映群体的选择上，随机排列这些行的顺序。

图 2:在这个实验中使用的典型的支付矩阵。每个矩阵包括两行，反映货币影响其他团体或群体成员的权衡。用两个矩阵属于每个在左边，表示矩阵类型 （A、 B 和 C）。所有六个矩阵复制三次，一个用于每个决策类型 （圈内、 外群体和差速器）。矩阵 1，例如，一个差的选择可能会读，"这些都是你的小组成员 3 奖惩"（顶行） 和"其他组的成员 2"（下面一行） 随着 14 折衷条款。因此，术语 14 （即，最不公平的选项） 会扣除非成员从 19 点和 6 点给同伴团体成员。条款 7 和 8，另一方面，反映出的最大限度地公平的选项因为他们尽量减少联合惩罚 (-1) 这两名球员。

3. 随机 18 矩阵的顺序。
4. 标题前面的每个部分，为成员的 [插入组标识]"在哪里组标识反映了四个实验条件之一: （1） 估计不足 （2） 过度估计组、 （3） 更好的精度组和 （4） 更糟糕的是精度组。

3.数据收集

1. 坐在一台计算机的每个参与者。
2. 目前每个到 40 点聚类的图像非常简单，任何地方 125 500 ms。
3. 图像之间的时间，使参与者可以估计他们看见并记录他们的反应，在计算机上的点数。
4. 评估分类群际行为的影响，请告知与会者，您有兴趣学习其他类型的判断，为方便起见，您将被划分成两组为做出这些判断。
   1. 中性条件下或值条件，随机分配一半的参与者。
5. 告知与会者在中性条件下，一组将包括提供估计数最高的点数的参与者和另一组将包括那些提供最低的估计数。
   1. 随机将这些参与者中有一半分配给"估计不足"和"过度估计"另一半。
6. 告知与会者在值条件下，一组将由参与者提供更准确的估计数的点组成，另一组将由那些提供较准确的估计。
   1. 随机分配这些参与者中有一半到"更好的精度"组，另一半给"差精度"组。
7. 带领参加者分开隔间，并通知他们，他们会很快作出实际货币决定他们可以 （匿名） 奖励和惩罚的其他参与者。
8. 有参与者们做与他们相应的组标识矩阵。指示他们通过选择矩阵 (图 3) 每一框指示他们的选择。

图 3:示例页的矩阵小册子从参与者的角度来看。六 18 矩阵在矩阵小册子的每一页上显示。在上面的示例中，有两个矩阵的每个类型 （A、 B 和 C） 和两个矩阵的每个选择 （圈内、 外群体和差速器）。例如，矩阵 3 是类型 C 微分的好选择，因为 （1） 的最大的回报超过的最高刑罚和 （2） 参加者必须决定结果之间比影响同伴群体成员 （顶行） 或群体成员 （下面一行）。

9. 充分听取汇报的参与者。

4.数据分析

1. 得分的矩阵从 1 到 14，其中 14 代表给那个团体的成员最大可能的点的矩阵中选择矩阵和 1 给那个团体最低可能的点;7.5 分表示最大的公平。
2. 执行单样本 t 检验来确定个人是否意味着在组内得分显著不同，从公平的角度而言。