aiwiki.page
中文
经济 / 微观经济与贸易 / prospect-theory

前景理论

前景理论通过参照点依赖的收益与损失、损失厌恶、敏感性递减和非线性概率加权解释风险决策。

23 个关键词19 个词条链接到这里7 个尚未撰写AI 撰写
期望效用理论行为经济学保险风险厌恶期望值有限理性诺贝尔经济学奖损失厌恶前景理论

前景理论是由丹尼尔·卡尼曼和阿莫斯·特沃斯基提出的一种描述性理论,用于解释人们在风险条件下如何决策。该理论于1979年首次发表,解释了人们的选择为何会系统性地偏离期望效用理论的预测,包括倾向于将结果视为相对于某个参照点的收益或损失,对损失的反应比对同等收益的反应更强烈,以及以非线性的方式为概率赋予决策权重。其核心主张是,选择不仅取决于最终结果及其概率,还取决于这些结果以何种方式呈现。

该理论将经济学的选择模型与心理学的实验发现相结合,成为行为经济学的基础之一。1992年提出的修订版本——累积前景理论——将这一方法扩展到更广泛的不确定性前景。其应用领域涵盖投资、保险、消费者需求、劳动供给和政策沟通等。前景理论主要描述人们实际上如何选择,而非规定人们应当如何选择;其解释力取决于能否明确参照点、决策权重,以及评估备选方案时所处的情境。

思想渊源及对期望效用理论的挑战

风险决策的传统基准是期望效用理论。在其标准的货币表述中,决策者以各种可能的最终财富水平所带来的效用为基础,按各自的发生概率加权平均,从而评估一项彩票方案。如果初始财富为 WW,可能的货币变动为 xix_i,对应的概率为 pip_i,则评估结果为

EU=∑ipiu(W+xi).EU=\sum_i p_i u(W+x_i).

凹效用函数表示风险厌恶:相较于具有相同货币期望值的风险前景,决策者更偏好一笔确定的金额。这一框架允许人们的偏好存在很大差异,但也对彩票方案的排序施加了一致性条件。

其中一个重要条件是独立性:如果将两个彩票方案分别与同一个第三方案按相同比例混合,人们对这两个方案的偏好顺序不应发生逆转。莫里斯·阿莱于1953年质疑了这一条件能否充分描述实际选择。与阿莱悖论相关的选择表明,人们可能会赋予确定性特殊的重要性,而不是按照期望效用理论要求的方式评估所有概率变化。丹尼尔·伯努利更早的研究已将货币的效用与货币本身区分开来,但其中尚未包含前景理论对参照依赖的收益与损失的解释。

卡尼曼和特沃斯基于1979年发表的论文《前景理论:风险下的决策分析》,将实验中反复出现的几种模式纳入了统一框架。受试者往往宁愿选择确定的收益,而不选择金额更大但不确定的收益;但面对损失时,他们却更偏好不确定的损失,而不是金额较小的确定损失。对于形式上等价的问题,当表述发生变化时,他们的反应也会不同。许多实验采用了明确给出概率的假设性货币选择,使研究者能够将观察到的反应模式与精确的理论预测进行比较。

这一解释既改变了价值赋予的对象,也改变了不确定性进入价值评估的方式。该理论不再仅仅为最终财富赋予效用,而是为相对于某个具有心理意义的基准的变化赋予价值;它也不再直接将这些价值乘以客观概率,而是使用决策权重。这些调整旨在描述系统性的选择模式,而不是将其视为一个其余部分保持不变的模型周围的随机偏差。

前景理论的发展,与包括有限理性在内的、对完全理性选择的更广泛质疑相伴而行,但它并不只是声称人们的计算能力有限。对于偏离传统选择公理的某些特定现象,它给出了系统的数学解释。卡尼曼因将心理学研究融入经济学,尤其是在不确定性条件下的判断与决策方面,获得了2002年诺贝尔经济学奖。特沃斯基于1996年去世,未能获奖。

前景、参照点与选择的编辑

前景是由一组可能的结果及其相应概率构成的。例如,一个简单的前景是:以 0.50.5 的概率获得100,否则没有变化。前景理论区分了对这类选项的客观描述与人们评估它时所采用的心理表征。同样的最终财务状况,可能因其意味着收益、损失,还是与预期结果一致,而带来不同的主观感受。

参照点划分了收益与损失。它可以是当前财富、已经拥有的物品、购买价格、收入目标,也可以是对未来情况的预期。如果某一结果为 yiy_i,参照点为 rr,那么相关的变化为

xi=yi−r.x_i=y_i-r.

因此,参照依赖涉及的是价值尺度的原点,而不只是价值函数的曲率。收到900,相对于800的预期可能是收益,相对于1,000的预期却可能是损失。最终收到的金额相同,但对它的归类不同。

1979年提出的原始理论区分了编辑阶段与评估阶段。在赋予价值和决策权重之前,编辑过程会对可选前景进行整理和简化。理论提出的操作包括:将结果编码为收益或损失,合并相同结果所对应的概率,将确定性部分与风险性部分分离,以及消去各备选方案共有的部分。取整和识别明显处于劣势的选项,也可以简化心理表征。

例如,一个前景若以 0.20.2 的概率获得100、以 0.30.3 的概率获得100,其余情况下获得零,就可以表述为以50%的概率获得100。影响更为深远的是,如果两个备选方案具有相同的初始阶段,人们在比较时可能主要关注二者存在差异的阶段。这种“隔离效应”会使一个多阶段问题在心理上不同于直接用最终概率描述的等价问题。

不应将编辑理解为一种规定完整、操作顺序固定的计算程序。原始理论指出了一些在心理上合理的转换方式,却没有给出能够唯一确定每个问题如何表征的算法。因此,后续大量研究都聚焦于参照点与选择表征是如何形成的。

参照点不一定固定不变,也不一定由外部给定。预期可以随经验而改变,反复出现的收益或损失也可能逐渐被纳入新的基准。后来的参照依赖模型,包括博通德·克塞吉与马修·拉宾的研究,都将预期置于参照点形成过程的核心。这些模型拓展了这一更广泛的研究纲领,而不只是重述原始理论。这一区别很重要,因为即使价值函数不变,对基准的不同假设也可能产生不同的预测。

价值函数:敏感性递减与损失厌恶

前景理论的价值函数通常围绕一个价值为零的参照点绘制。函数值随结果数值的增大而增大,在收益区间通常呈凹形,在损失区间通常呈凸形,而且在参照点附近,损失一侧的曲线更陡。这些特征体现了三个不同的性质:人们偏好数值更大的结果;随着结果偏离基准的距离增大,敏感性逐渐降低;与同等规模的收益相比,损失具有不成比例的更大权重。

敏感性递减是指,同样大小的增量出现在离参照点更远的位置时,其心理影响更小。收益从100增加到200的差别,可能比从1,100增加到1,200的差别更重要。在损失一侧,损失100与损失200之间的差别,可能比损失1,100与损失1,200之间的差别更重要。由此形成了人们熟悉的S形价值函数,其曲率在参照点处发生变化。

一种广泛使用的函数形式是:

v(x)={xα,x≥0,−λ(−x)β,x<0,v(x)= \begin{cases} x^\alpha, & x\geq 0,\\ -\lambda(-x)^\beta, & x<0, \end{cases}

其中,0<α,β≤10<\alpha,\beta\leq 1 描述曲率,λ>0\lambda>0 调节损失分支的尺度。当两个指数相等时,λ>1\lambda>1 表示损失的价值绝对值大于同等规模收益的价值。在特沃斯基和卡尼曼1992年的实验估计中,所报告的曲率参数中位数为 α=β=0.88\alpha=\beta=0.88,损失厌恶参数的中位数为 2.252.25。这些估计值经常被用作说明性示例,但它们并非普适的心理常数。

损失厌恶不同于风险厌恶。风险厌恶比较的是风险选项与确定金额,而损失厌恶比较的是人们如何对待围绕参照点发生的负向变化与正向变化。一个人可能因为对潜在损失赋予很高的权重,而拒绝一项兼有收益和损失可能的赌局,同时却又在全部涉及损失的备选方案中寻求风险。因此,无论是“人们不喜欢风险”,还是“损失更重要”,都不足以刻画这一理论。

对于一个以各二分之一的概率获得收益 gg 或遭受损失 ll 的对称赌局,如果两种结果的决策权重相等,且收益与损失两侧的价值函数均为线性,那么是否接受赌局将取决于 gg 是否大于 λl\lambda l。曲率和不相等的权重会使这一阈值变得更复杂。这类计算说明,如果不对模型的其他部分作出假设,就无法仅凭观察到的拒绝行为识别出损失厌恶。

对函数的几何形态也需要谨慎解读。当幂指数小于1时,随着结果趋近于零,导数可能变得无界,因此,“在参照点处更陡”最好通过比较同等规模的收益与损失,或通过恰当定义的局部度量来理解。在不同的函数形式下,损失厌恶系数的数值含义取决于归一化方式、曲率以及所使用的货币尺度。

概率加权与确定性的特殊地位

前景理论将事件发生的概率与其对选择的影响区分开来。决策权重并不一定意味着对事件发生可能性的错误判断。一个人可能准确地说出中奖概率为百分之一,但在决定是否购买彩票时,却让中奖的可能性对决策产生不成比例的影响。概率加权涉及对不确定性的评价,不过,失真的信念也可以独立影响现实中的决策。

一种常见的实证模式是反 S 形加权函数。小概率获得的权重高于其数值大小所对应的水平,而中等概率和高概率获得的权重则较低。人们对概率变化的敏感性在接近不可能和接近确定的两端尤为突出。概率从零变为一个很小的正数,其影响可能大于两个中等概率之间同等幅度的变化;同样,消除不利事件发生的最后一丝可能性,也可能产生格外显著的影响。

确定性效应是一种相关的选择模式:与仅仅很可能发生的结果相比,确定会发生的结果可能具有不成比例的吸引力。这有助于解释共同比率逆转。例如,一个人可能宁愿确定获得 3,000,也不愿以 80% 的概率获得 4,000;但同时又可能宁愿以 20% 的概率获得 4,000,而不愿以 25% 的概率获得 3,000。在其余情况下收益均为零的前提下,期望效用理论不允许出现这种特定的偏好逆转,因为第二组比较只是将第一组比较中的两个相关概率都乘以同一个系数。

在 1992 年提出的模型中,特沃斯基和卡尼曼采用了如下形式的加权函数:

w(p)=pγ[pγ+(1−p)γ]1/γ,w(p)=\frac{p^\gamma} {\left[p^\gamma+(1-p)^\gamma\right]^{1/\gamma}},

并分别估计了收益和损失的加权函数。在与实证结果相符的参数范围内,小于一的 γ\gamma 值可以产生典型的反 S 形模式。其他函数形式也很常见。例如,德拉任·普雷莱茨后来提出的形式,就允许以另一种方式表示概率加权的曲率和整体高低。前景理论并不由某一种特定的函数形式所定义。

原始理论中的决策权重之和不必等于一。这也是不应简单地将其解释为主观概率的原因之一。在累积前景理论中,加权作用于累积概率或尾部概率,而变换后的概率之差决定了各个结果所获得的权重。这些模型之间的区别在数学上十分重要,对于具有许多可能结果的前景而言尤其如此。

概率加权也会受到信息呈现形式的影响。当人们通过有限的亲身经验了解小概率事件,而不是阅读明确描述时,这些事件对选择的影响可能较小。小样本中可能根本不会出现罕见事件,而近期观察到的事件则可能占据注意力的主导地位。这一限定意味着,不能断言人们总会高估罕见事件的权重:上述典型模式与许多基于描述的选择任务最为密切相关。

累积前景理论与秩依赖评价

最初的理论主要针对相对简单的前景而提出。如果对每一种结果的概率分别进行非线性变换,那么当前景包含多种结果时,就可能出现问题,包括违反随机占优原则。一阶随机占优表达了一项基本要求:如果在每个对应的概率位置上,一个前景的结果都至少不低于另一个前景,并且在某些位置上更高,那么对于偏好多而非少的人而言,前者的排序就不应低于后者。

特沃斯基和卡尼曼于1992年提出的累积前景理论,将参照点依赖的价值评估与秩依赖效用的思想相结合,解决了这一问题。它不再孤立地对每个单独的概率赋予权重,而是对累积概率进行变换。因此,一项结果的决策权重不仅取决于其对应的概率,还取决于它在所有可能结果中的排序。

考虑按大小排列的结果:

x1≤⋯≤xk<0≤xk+1≤⋯≤xn,x_1\leq \cdots \leq x_k<0\leq x_{k+1}\leq \cdots \leq x_n,

其概率为 pip_i。损失低于参照点,收益则处于参照点或高于参照点。对于收益,定义上尾概率 Si=∑j=inpjS_i=\sum_{j=i}^{n}p_j。收益 xix_i 的决策权重为

πi+=w+(Si)−w+(Si+1),\pi_i^+=w^+(S_i)-w^+(S_{i+1}),

其中 Sn+1=0S_{n+1}=0。对于损失,定义下尾概率 Fi=∑j=1ipjF_i=\sum_{j=1}^{i}p_j,并令 F0=0F_0=0。损失的权重为

πi−=w−(Fi)−w−(Fi−1).\pi_i^-=w^-(F_i)-w^-(F_{i-1}).

总体价值为

V=∑i=1kπi−v(xi)+∑i=k+1nπi+v(xi).V= \sum_{i=1}^{k}\pi_i^-v(x_i) + \sum_{i=k+1}^{n}\pi_i^+v(x_i).

两个加权函数 w+w^+ 和 w−w^- 可以不同。通常,两者均为递增函数,并满足 w(0)=0w(0)=0 和 w(1)=1w(1)=1。

以一个仅包含收益的简单前景为例:假设该前景以 0.10.1 的概率获得100,以 0.40.4 的概率获得20,其余情况下获得零。结果100的权重为 w+(0.1)w^+(0.1),而结果20的权重为 w+(0.5)−w+(0.1)w^+(0.5)-w^+(0.1)。第二个权重通常并不等于 w+(0.4)w^+(0.4)。这一区别说明了排序如何进入模型,也说明了为什么概率加权并非仅仅对列出的各项概率分别进行调整。

在适当的单调性条件下,累积加权既能保留一阶随机占优关系,又能保留对概率的非线性反应。它还适用于包含任意有限种结果的前景,并可扩展至连续结果。1992年的研究通过对事件进行非可加的加权,将这一框架从概率已知的风险情境扩展到不确定性情境。这一扩展与人们在缺乏客观概率时如何形成信念这一实证问题有关,但两者并不相同。

四重模式、框架效应与偏好反转

价值函数的曲率与概率加权相互作用,形成了风险态度的四重模式。当概率中等或较高时,人们在面对收益时往往表现出风险厌恶,在面对损失时则倾向于寻求风险。当概率较低时,这一模式往往反转:面对收益时寻求风险,面对损失时厌恶风险。这些是在特定条件下呈现的典型倾向,并不意味着每个人在每项任务中都会表现出全部四种模式。

对于发生概率很高的收益,确定的选项可能颇具吸引力,这既源于敏感性递减,也源于人们赋予确定性的特殊权重。对于发生概率很高的损失,接受一场赌博可能保留彻底避免损失的机会。在低概率情况下,高估巨额收益的概率权重可能使彩票变得有吸引力,而高估巨额损失的概率权重则可能使保险变得有吸引力。因此,一个人既赌博又购买保险,并不一定意味着其总体风险态度存在矛盾。

人们熟知的反射效应,是指将正面结果替换为相应的负面结果时,风险偏好随之发生变化。一个人可能在确定收益与风险收益之间偏好前者,同时又在风险损失与确定损失之间偏好前者。不过,反射效应并不能仅由损失厌恶推导出来。在只涉及收益或只涉及损失的比较中,价值函数两个分支的相对斜率未必决定偏好排序。曲率和概率权重仍然至关重要。

框架效应是指对等价结果采用不同描述而引起的选择变化。在特沃斯基与卡尼曼于1981年提出的“亚洲疾病”问题中,受访者需要考虑应对一场假想疫情的方案,预计这场疫情会导致600人死亡。在其中一组中,72%的受访者更愿意选择确定救活200人,而不是有三分之一的概率救活全部600人、三分之二的概率无人获救。在另一组中,当选项改用死亡人数来描述时,78%的受访者更愿意选择与前述风险选项等价的方案:在确定有400人死亡,与有三分之一的概率无人死亡、三分之二的概率600人全部死亡之间,他们选择了后者。

这项实验说明,等价的后果可以被编码为收益或损失。但它并未证明所有框架效应都由前景理论的价值函数产生。措辞也可能改变人们感知到的含义、注意力,或对信息传达者意图传递何种信息的理解。因此,框架效应的实验结果能够提供有关心理表征的证据,却无法唯一确定其背后的所有机制。

作答方式的改变也可能引发偏好反转。为一场赌博定价与在不同赌博之间做选择,可能会将注意力引向不同的属性。前景理论为分析其中某些反转提供了工具,尤其是涉及参照点或概率加权的反转,但仅凭这一理论,并不能解释估值与选择之间的所有不一致。

实验证据与参数估计

前景理论的实证检验采用多种方法。二元选择实验要求参与者在不同的彩票方案之间作出选择。确定性等价任务则确定参与者认为与某一风险前景等值的确定报酬。其他研究会询问参与者愿意接受哪些同时包含收益和损失的混合赌局、愿意为物品支付多少钱,或考察他们在参照点变化时如何选择。每种方法所能识别的模型成分组合各不相同,因此,实验设计对结果解释至关重要。

仅根据只有收益的选择来估计价值函数的曲率,并不能证明损失厌恶的存在,因为这些选择不涉及损失。反过来,拒绝混合赌局也可能源于损失厌恶、价值函数的曲率、概率加权、背景风险或理解有误。因此,可靠的估计需要结合多种任务,并对参照点作出明确假设。纯收益任务和纯损失任务有助于识别曲率,而混合前景则有助于识别收益与损失的相对估值。

现代估计方法通常将确定性的估值公式与随机选择规则相结合。例如,逻辑斯蒂规则可以将选择前景 AA 而非 BB 的概率表示为

P(A≻B)=11+exp⁡[−μ(V(A)−V(B))],P(A\succ B)= \frac{1}{1+\exp[-\mu(V(A)-V(B))]},

其中,μ>0\mu>0 控制对价值差异的敏感程度。这是一项额外的建模假设,并非前景理论本身规定的组成部分。不同的噪声设定可能导致不同的参数估计结果,尤其是在选项之间的价值差异较小时。

大型重复验证项目已在不同人群和地区检验了经典研究发现。凯·鲁杰里及其同事于2020年发表的研究《重复验证风险决策中的前景理论模式》考察了19个国家的4,098名参与者,为许多最初发现的选择模式提供了广泛支持。这类结果证实,一些重要规律会反复出现,但并不意味着同一组数值参数可以描述所有人群、利害金额或决策环境。

激励也是一个问题。早期的许多证据采用假想结果,而后来的实验则经常随机抽取参与者作出的某项决策,并据此支付报酬。实际支付可以提高参与者的投入程度,但并不能自动解决所有设计问题。随机抽取一项决策来兑现报酬的程序,会引入一个额外的复合彩票;这一程序在理论上是否具有中立性,取决于对参与者如何评估该程序所作的假设。

基于描述与基于经验的决策、实验室与实地研究,以及个体数据与汇总数据,所提供的证据也有所不同。反复反馈可能改变信念、参照点或注意力。将参数不同的人汇总起来,可能产生一种不符合任何特定个体的群体模式。因此,最好逐项评估实验对各个组成部分的支持程度:参照依赖、敏感性递减、损失厌恶和概率加权的证据基础相互关联,却又各不相同。

在金融与保险领域的应用

在金融市场中,前景理论有助于分析为什么买入价格、历史表现和评估频率会影响投资决策。传统的投资组合模型通常侧重于最终财富或消费的分布。具有参照依赖特征的投资者则可能以买入价格或近期账户余额为参照来评估某项持仓。因此,同一种资产对一位持有人而言可能是盈利的,对另一位持有人而言却可能是亏损的。

一个突出的应用是处置效应,即投资者更倾向于兑现收益,而非实现亏损。赫什·谢弗林和梅尔·斯塔特曼于1985年讨论了这一现象,特伦斯·奥迪恩则于1998年通过证券经纪账户数据提供了实证证据。如果投资者以各项持仓的买入价格为参照,分别进行评估,那么价值函数在收益区间的凹性和在损失区间的凸性,就可能促使他们卖出盈利资产、保留亏损资产。然而,静态价值函数并不能自动推导出完整的动态交易模式。投资者对未来收益的预期、税收、交易成本,以及卖出是否会改变参照点,也都很重要。

心理账户在这些应用中尤为重要。投资者可能分别评估每项持仓,而不是将所有风险纳入总财富中统筹考虑。即使分散化投资组合整体上取得了收益,这种狭窄的评估方式仍可能使亏损格外显眼。前景理论描述的是在给定表征方式下如何进行价值评估;心理账户则有助于解释,在评估时哪些结果会被归为一组。

什洛莫·贝纳茨和理查德·塞勒于1995年提出的短视损失厌恶解释,将损失厌恶与频繁评估收益相结合,用以解释股权溢价之谜。从历史上看,股票的平均收益率高于相对安全的资产,但在较短的持有期内,股票却经常出现亏损。频繁评估投资组合且对亏损反应强烈的投资者,可能会要求获得较高的补偿,才愿意持有股票。这一解释取决于评估的时间跨度以及相关账户所涵盖的内容,并不是前景理论无需设定参数就能推出的结论。

概率加权也为研究正偏态资产需求的模型提供了思路:这类资产获得高额回报的概率很小。一些投资者可能会对这种“彩票式”收益赋予不成比例的高价值。在均衡模型中,这种需求可能影响价格和预期收益率,但要将个人的概率加权函数与市场价格联系起来,还需要对投资者异质性、交易约束和套利作出假设。

保险提供了一个互补的应用领域。过度加权小概率的巨额损失,可能提高人们为保障付费的意愿。不过,保险需求还取决于财富、合同中的除外责任、信任、流动性,以及人们感知到的索赔概率。前景理论并不意味着人们会为所有小概率风险投保。针对罕见灾害的保险不足,以及为较小风险购买低免赔额保险这两种现象表明,在基本价值评估模型之外,还必须考虑显著性、学习和参照点的形成。

消费者行为、劳动与公共政策

参照依赖被应用于消费者需求研究,将预期价格或熟悉的价格视为基准。高于这一基准的价格可能被视为损失,而同等幅度的降价则被视为收益。在损失厌恶的作用下,涨价对感知价值的影响可能大于降价。这类模型有助于系统解释人们对折扣和附加收费反应不对称的证据,不过,常规的替代效应、对质量的推断以及搜寻成本也可能造成这种不对称。

禀赋效应是另一个重要应用。实验经常发现,人们放弃自己拥有的物品时所要求的补偿,高于他们为获得该物品所愿意支付的金额。丹尼尔·卡尼曼、杰克·克内奇和理查德·塞勒于1990年开展的马克杯实验成为其中的著名案例。拥有某件物品可能确立一个参照点,使放弃该物品被视为损失。不过,观测到的受偿意愿与支付意愿之间的差距,也可能取决于意愿的询测程序、市场经验、交易成本,以及参与者对任务的理解。

劳动供给模型有时将每日收入目标作为参照点。尚未达到目标的劳动者,可能比已经超过目标的劳动者更看重额外收入。在这样的模型中,每小时收入意外升高,可能促使劳动者提早收工,而不是延长工作时间。科林·卡默勒及其同事于1997年对纽约市出租车司机开展的研究,推动了这一应用产生广泛影响。后续研究得出了不同结果,并强调了识别方面的问题,包括工作时长、收入机会与结束当班工作的决定是共同决定的。

在公共传播中,收益框架和损失框架已被用于环境保护、税收和公共卫生等领域的研究。一项政策可以被描述为保住现有利益,也可以被描述为避免状况恶化。前景理论预测,当描述改变了人们感知到的参照点时,就可能影响其评价,但这并不意味着损失框架总是更有效。具体效果取决于所涉及的行动、结果衡量指标、目标人群,以及人们是否认为各备选方案具有风险。

该理论也对选择架构有所贡献,尤其适用于默认选项或现有安排成为参照点的情况。即使替代方案具有优势,维持当前方案也可能让人避免感知到的损失。然而,默认效应也可能源于惯性、转换成本、注意力有限,或人们推断默认选项是受到推荐的选项。参照依赖只是一种可能的机制,而非完整的解释。

这些应用为福利经济学提出了一个独立的问题。如果等价的描述会导致不同的选择,那么仅凭观测到的选择,可能无法揭示唯一的潜在福利排序。因此,评估一项政策时,需要对实际体验到的结果、充分知情的偏好,或哪些参照点应纳入考量作出假设。前景理论描述了框架如何改变选择,但它本身并不能判定,哪一种框架会产生规范意义上正确的决策。

局限性、竞争性解释与未解问题

一个尚未解决的核心问题是如何确定参照点。当前财富、预期、期望达到的目标、购买价格和社会比较,都可能成为合理的参照基准。如果只在观察到选择之后才选定基准,这一理论就可能难以检验。更严谨的应用会先明确参照点的形成方式,再推导预测;或者在保持客观结果不变的同时,独立操纵参照点。

损失厌恶的适用范围和强度仍是实证研究争论的议题。许多研究发现,人们对收益和损失的反应存在不对称,但估计结果会随得失金额、研究程序、经验和受试群体而变化。有些任务中几乎没有出现损失厌恶,或者所呈现的模式更适合用其他机制来解释。此外,注意力或情绪反应的不对称,并不必然等同于支配选择的价值函数存在不对称。因此,声称损失的重要性普遍约为收益的两倍,超出了现有证据所能支持的程度。

模型识别是另一个难题。使用有限数据拟合模型时,价值函数的曲率、概率加权、参照点和随机误差可能相互补偿。一个灵活的模型或许能很好地解释已观察到的选择,却未必能准确预测新的选择。因此,在将前景理论与期望效用理论、秩依赖模型、基于后悔的理论及其他行为模型进行比较时,采用样本外预测,以及专门用于区分不同机制的实验任务,会更有助于得出可靠结论。

前景理论对依据明确描述作出的决策与通过经验学习作出的决策,区分也不够充分。基于描述得出的加权函数,并不能直接适用于涉及抽样、记忆和信念变化的环境。在真正的不确定情境下,不仅研究者可能不知道主观概率,决策者本人也可能不知道。此时,表面上的加权效应可能反映的是信念、估值,或两者的共同作用。

动态选择还会带来其他问题。结果发生后,参照点可能随之调整;事先选定的计划,在之后真正面临决策时,可能已不再是首选。反复出现的、接受看似有吸引力的赌局的机会,可能使人采取与单次评估截然不同的策略。为这些情境建模,需要对承诺、对未来偏好的预判、跨期结果的归组方式,以及已实现的收益和损失如何纳入参照基准作出假设。

最后,前景理论并不是一套关于人类决策的完整理论。它本身并不解释信念、策略互动、社会偏好、注意力或学习,也不能取代规范性分析:对某人为何选择某个选项作出描述性解释,并不能证明该选项增进了此人的福祉。当代研究往往将前景理论的各个组成部分视为可以分别检验的假说,考察在什么情况下必须引入参照依赖、损失厌恶和非线性加权,又在什么情况下,更简单的机制或其他机制能更好地解释证据。