我们进行了一项独特的，基于亚马逊mturk的全球实验，以调查指数增长预测偏差(EGPB)在理解COVID-19爆发的原因中的重要性。我们调查的科学依据是公认的观点，即传染病的传播，特别是在最初阶段，遵循指数函数，这意味着如果疾病具有足够的传染性，很少有阳性病例会爆发成广泛的大流行。我们将预测偏差定义为当提供y周之前的实际数据时，由于对x周后的病例数的错误预测而引起的系统误差。我们的设计允许我们将这种预测不足的根源确定为EGPB，这是由于低估指数过程展开的速度的一般倾向而引起的。我们的数据显示，疾病预测路径所反映的“凹凸度”明显低于实际路径。相对于处于疾病进展早期阶段的国家，处于较晚阶段的国家的应答者的偏差明显更高。我们发现，表现出EGPB的个人也更有可能显示出对世卫组织推荐的安全措施的遵守程度明显降低，对一般违反安全协议的行为不那么警惕，并对政府的行动表现出更大的信心。一个简单的行为推动，以原始数字的形式显示先前的数据，而不是图表，会导致EGPB的减少。通过原始数据清晰地传达风险可以提高风险感知的准确性，从而促进建议的保护行为的遵守。