我们进行了一项独特的、基于Amazon mturk的全球实验，以调查指数增长预测偏差(EGPB)在理解COVID-19爆发的原因方面的重要性。我们研究的科学基础是公认的智慧，即传染病的传播，特别是在最初阶段，遵循指数函数，这意味着如果这种疾病具有足够的传播能力，很少有阳性病例会爆发成大范围的流行病。我们将预测偏差定义为，当呈现之前y周的实际数据时，由于错误地预测x周的病例数而产生的系统误差。我们的设计允许我们将这种预测不足的根源识别为EGPB，这种EGPB源于低估指数过程展开速度的一般趋势。我们的数据显示，在预测的疾病路径中反映的“凸度”显著且显著地低于实际路径。来自较晚阶段的国家的应答者的偏倚明显高于那些处于疾病进展早期阶段的应答者。我们发现，表现出EGPB的个人也更有可能显示对世卫组织建议的安全措施的依从性明显降低，发现普遍违反安全协议的情况不那么令人担忧，并对其政府的行动表现出更大的信心。用原始数据而不是图表来显示之前的数据的一个简单的行为推动，就会降低EGPB。通过原始数据对风险进行清晰的沟通，可以提高风险感知的准确性，从而促进遵从建议的保护行为。