Daniel Kahneman与行为经济学，本文主要内容关键词为：经济学论文,Daniel论文,Kahneman论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
分类号B849:C93
瑞典皇家科学院于2002年10月9日宣布，把2002年诺贝尔经济学奖授予两位美国著名学者。其中一位就是来自于美国普林斯顿大学的教授，心理学家Daniel Kahneman（注：另外一位则来自于乔治梅森大学，实验经济学家弗农史密斯(Vernon Smith)。史密斯奠定了实验经济学的基础，为经济学家们提供了在实验室条件下观察人类行为倾向的有效途径。）。Kahneman是第一个荣获诺贝尔经济学奖的心理学家，而其对经济学的贡献正在于将心理学的前沿研究成果引入经济学研究中，并开拓了行为经济学这一崭新的研究方向。他的研究特别侧重于人们在风险下进行判断和决策的过程。本文将主要介绍行为经济学与传统经济学的区别和联系，并着重介绍Kahneman在这一领域所做出的突出贡献。
早在半个世纪前，Edwards[2]就将决策的制定引入心理学的研究领域，并勾画了未来研究的蓝图。但认知心理学的理论研究直到Kahneman和Tversky发表他们在判断和决策课题上的研究成果才取得巨大的突破。在介绍Kahneman的贡献之前，我们将首先介绍经济学和心理学在关于决策制定的理论假设方面的一些本质的区别。
1 经济学和心理学的决策制定
传统的经济学通常假定市场行为是由物质动机驱动的，并且人们所做出的经济决策是理性的并且是追求自我利益的必然结果。这里的理性意味着决策者对所有可得的信息进行系统分析，面对众多选择作出最优的决策。决策同时也是前瞻性的，也就是说，决策是建立在对将来的所有可能的后果进行慎密的权衡的基础上的。换言之，传统的西方经济学认为：经济行为是由外在激励决定的。心理学尤其是认知心理学却认为，决策者个体是一个复杂的系统，这个系统可以有意识地，理性地识别并解释一些可得的信息。但同时也存在一些难以被意识觉察的因素系统地影响人类的行为。总体而言，人类的行为是由内在的动机决定的。
经济学家通常假定决策者的偏好是固定不变的。在给定偏好的基础上，决策者通常首先会对可能发生事件的概率分布做出估计，然后对其决策产生的后果做出预期，最后，决策者将遵循统计学的基本原则对所有可得信息做出分析处理，并做出最终的抉择。具体而言，标准的经济学原理植根于范·纽曼与摩根斯坦于1944年奠定的预期效用最大化原理(expected utility maximization)[11]，该原理假定，每个决策者都有一个实值的效用函数，效用函数以决策者行为可能产生的结果为自变量。自变量共有1个可能的取值(x[,1],x[,2],……x[,I])。假设现有行为a和行为b供决策者选择。行为a将会使自变量x[,i]以p[,i]的概率实现，而行为b使x[,i]的发生概率为q[,i]。决策者选择a而放弃b当且仅当选择a所导致的效用函数期望值大于b所带来的期望值。正规的数学表达如下：
Σ[,i]p[,i]u(x[,i])＞Σ[,i]q[,i]u(x[,i])(1)
因此，给定市场外部条件所规定的可选择行为的范围，决策的过程被简化为一个期望的形成和最大化的过程。决策者也就被假定有能力正确地估计相关随机事件发生的概率，并能合理地选择行为以将其效用函数的期望值最大化。与经济学的理念形成鲜明对比的是，认知心理学认为决策过程中的几个重要因素可以显著地影响决策的制定。这些因素包括感知(perception)、内在动机(intrinsic motives)和态度(attitudes)。感知类似于信仰，对事物的解释遵循因人而异的规则。内在动机主要来自于决策者的内心情感，而态度则意味着与决策人周边环境相联系的稳定的心理倾向。另外，过去所作出的决策及其所产生的后果在决策者心目中形成的记忆也对当前决策的制定有极其关键的影响。人类的行为最终是这些复杂的因素交互作用的结果，是随外部环境的变化而变化的，即是具有适应性的。
经济学和心理学在理念上的分歧导致二者在研究方法上也是各执一端。经济学的研究通常将外部条件抽象化，并专注于金钱的激励机制和重复性的试验，而心理学家则尝试去捕捉在具体环境中，决策个体的内在动机和精神活动。Kahneman以及其他心理学家通过调查和实验，收集了许多关于个体行为的研究成果，严肃地质疑了经济学中对决策者理性的基本假设。许多研究表明，特别是在复杂的决策环境中，决策的制定显著地偏离了传统经济学中的理性行为假设。例如，现实世界中的决策者并不是一成不变地遵循概率法则，有时决策的制定也违反了预期效用最大化的基本原理。下面具体介绍Kahneman的关于在风险下判断和决策的研究成果。
2 风险下的判断：直观推断法及其偏差
Kahneman和Tversky的研究成果向人们展示了在不确定条件下，决策可以系统性地偏离传统经济学的理性假设（全文请参考他们在1971[13],1972[14],1974[15]和1982[16]年发表的系列文章）。在二人早期研究中，他们的基本主张即为：人们通常而言，不具备运用经济学和概率论的知识，全面地分析问题和作出判断的能力。因此，人们的决策通常依赖于一些思维定式作出直观推断(heuristics)，而这些直观推断通常是存在系统性误差的。
一个基本的误差来自于决策者经常性地使用小数定律(law of small number)，意即将小样本均值的统计分布等同于大样本均值的分布，而这也就明显地违反了概率论的大数定律。例如，Kahneman与Tversky在一个著名的实验中发现，被试普遍认为在特定的某一天中，一所小医院60%的新生婴儿为男性的概率等同于大医院同一事件所能发生的概率。很显然，人们并不能普遍认识到这样一个事实：一个随机变量的样本均值的方差随着样本数的增加而减小。更具体而言，按照统计学的大数定律，一个随机变量样本均值的概率分布是以该变量的期望值为中心进行分布的。并且当样本数不断增加，样本均值的方差趋近于零。然而，按照心理学的小数定律，人们认为一个小样本的均值也是以期望值为中心分布的。这就导致了所谓的从少量独立观测中作出的“过度推断”(over-inference)。现实生活中，有许多人们遵循小数定律的例子。比如说，当一个投资者观察一个基金经理的业绩表现，如果投资者发现该经理人连续两年的业绩表现超过平均水平，投资者就会推断该经理人具有超凡的能力，但这种因果关系在统计学意义上却是经不起推敲的。另外一个相关的例子是所谓“赌徒的谬论”(gambler's fallacy)，许多人都认为一个随机变量连续两次取值的结果是负相关的，但我们知道两次取值在统计学意义上是相互独立的，它们之间的相关系数应该是零。如果我们连续几次抛硬币的结果都是正面，许多人都会认为下一次抛硬币的结果将很有可能是反面，但统计学的答案应该是正面、反面同样可能。
小数定律和代表性直观推断法(representativeness)是紧密相关的。Kahneman和Tversky在1973[8]，1974[14]和1982[16]年的一系列研究中发现代表性直观推断法是人们决策过程中经常广泛使用的方法。同时，Kahneman等人精心设计了一系列实验向人们展示了直观推断法如何在现实生活中起作用。被试被要求对一目标人群划分类别，判断目标人群是销售人员还是国会议员。但被试仅知道关于目标人群的一些基本特征，如“对政治感兴趣，喜欢参与辩论，及喜欢在媒体中抛头露面”。大部分被试认为这一目标人群属于国会议员一类，尽管他们知道目标人群是从总人口中随机抽取，并且总人口中，销售人员相对于国会议员占了更大的比例。实验证明，人们更在意一些代表性的特征描述而不是背后的统计学的事实。直观推断法还使人们认为两个事件的联合概率要大于其中任何一个事件单独发生的概率，这显然是和统计学的基本概率法则相违背的（参见概率论的联合法则）。例如，被试在实验中普遍认为：著名网球选手伯格打入温布尔登网球公开赛决赛后，输掉决赛第一局但却赢得冠军的联合概率要大于他输掉决赛第一局的概率，
Shleifer[12]于2000年在行为金融学的综述性文章中提出：小数定律和代表性直观推断法有助于解释许多金融市场上的一些反常现象(anomalies)。例如，股票价格的过度波动可能是投资者对一系列利好消息的过度反应(overreaction)所造成的等等。
另一个判断上的偏差来自于信息的可得性。也就是说，人们对概率分布的判断取决于得到信息（尤其是一些范例性信息）的难易程度。人们在判断过程中，通常给予一些容易得到的、容易记忆的信息以很高的权重。例如，Kahneman和Tversky在1973年的实验中发现，如果被试私下里听人提起生活中的某个人曾经被犯罪分子侵犯，尽管他们可以接触到更全面、更具体的统计数据，但仍会高估其所在城市的暴力犯罪率。认知心理学的发现告诉我们，相对于一些不太熟悉的信息，熟悉的信息更容易给人们留下深刻的印象，同时会被认为是更真实，更相关。因此，信息的熟悉性或可得性往往就会成为准确性和相关性的替代品。例如，某些信息被媒体中多次重复地报道使得这些信息可以轻而易举地被人们获得，不管事实上这些信息的真实性如何，人们往往会错误地以为，这些信息比其他信息更准确。
Kahneman的这些关于人们判断过程的一系列研究成果表明，人们的逻辑推导和判断往往系统地偏离了基本的概率法则。因此，Kahneman其后的研究开始严肃地质疑基本经济学原理在实证上的有效性。
3 风险下的决策分析：展望理论
现实生活中有许多证据表明，不仅风险下的判断过程，就连决策过程也系统地偏离了传统经济学的基本假设。特别值得注意的是，许多风险下的决策明显地违背了预期效用理论的预测结果。早在1953年，Maurice Allais[1]率先指出风险下的决策偏离预期效用理论这一事实，也就是所谓的“阿利斯难题”(Allais paradox)，并凭借此发现获得了1988年度的诺贝尔经济学奖。具体而言，给定两个选择：a是无任何风险的3000元收益；b是参加一个抽奖：以80%的概率赢得4000元，但20%的概率一无所获。大部分的被试都会选择a而放弃b。但是，当被试面临另外两个选择：c是25%概率获得3000元（75%的概率得到零）；d是20%的概率得到4000元（80%的概率得到零），大部分人却会选择d而放弃c。被试所做的选择明显地违背了预期效用理论中的替换原理（注：具体而言，替换原理是指当决策者面临两个选择A和B时，如果决策者选择A而放弃B，则对任何选择C，决策者会选择概率组合pA+(1-p)C而放弃pB+(1-p)C。），因为选择c和d相对于选择a和b仅对概率的取值进行了同比例的压缩（从100%到25%及从80%到20%)，但人们却做出了前后截然相反的抉择。Kahneman在此基础上进一步提供了大量的证据表明，决策过程往往与预期效用理论背道而驰（详见Kahneman和Tversky于1979[9]，1991[18]和1992[19]年发表的系列论文）。Kahneman另外一个突出的发现是：相比于结果的绝对数值而言，人们通常对结果相对于一个参考水平的偏离程度更敏感。这种侧重于变化而非绝对水平的倾向与心理学的认知法则是一致的。也就是说，相对于外界条件（例如：光和温度等等）的绝对水平而言，人们对外界条件的变化更敏感。另外，人们对损失的痛恨程度往往大于收益所能带来的喜悦程度。换言之，一笔损失给人带来的痛苦大于等值的收益带来的快乐。Tversky和Kahneman在1992年的研究中发现，人们通常需要两倍于损失的收益才能弥补损失所带来的痛苦。这种损失和收益对人心理的的不对称影响就是所谓的“损失规避”。人们通常不屑参与小数额的博彩，例如，以零成本和50%-50%的机率赢取12元或输掉10元。但大额的博彩却对很多人有强烈的吸引力，而这种对大数额赌博的风险追逐行为是传统的经济学分析所不能解释的，因为传统经济学是建立在风险规避假设(risk aversion)基础上的（注：给定两种选择A和B，A是一个期望值为x，有风险的赌博（例如，50%的概率赢得2x，但50%的概率一无所获）；B是赢取无风险的收益x。如果决策者认为A和B具有同样的吸引力，我们定义他为风险中性(risk neutral)。如果决策者选择B而非A，则为风险规避(risk averse)。如果决策者选择A而非B，我们定义他为风险追逐(risk-loving)。）。例如，Kahneman和Tversky在他们1979年的研究中发现[8]，10个被试中有7个人选择以25%的概率损失6000元，而非以50%的概率同等可能地损失4000元或2000元（意即各25%）。因为我们知道两种选择的期望值完全相同，而前者有更大的风险。如果人们是传统意义上的风险规避，则不应该观察到上述的结果。
Kahneman和Tversky对经济学的贡献不仅仅局限于对传统假设的批评，而且还在此基础上更进一步。他们在1979年的出版的《展望理论：风险下的决策分析》[9]一文中提出了新的理论模型框架。区别于期望效用理论的公理性推导，他们的展望理论是描述性的，而且是从实证检验中归纳总结出来的。1986年两人再度提出[17]：期望效用理论和展望理论都是人们在决策过程中所必需的理论指导。预期效用理论适合于描述理性行为，而展望理论更适合于描述实际的行为。尽管预期效用理论可以更精确地解释一些明显的简单的决策过程，但现实生活中的问题却往往十分复杂，需要一些在行为科学意义上更复杂的理论来解释。
那么这两种理论真正的区别又何在呢？假定收益和损失都可以用货币形式来衡量，则如公式(1)所示，预期效用理论的决策过程预先假设存在一个以财富值w为自变量的实值函数u。如果行为a导致不同财富值w[,i]最终实现的概率为p[,i]而行为b导致w[,i]实现的概率为q[,i]，决策者选择a而非b当且仅当：
Σ[,i]p[,i]u(w[,i])＞Σ[,i]q[,i]u(w[,i])(2)
相比较而言，展望理论假设有两个实值函数，v和π使得决策者选择a而非b当且仅当：
Σ[,i]π(p[,i])v(△w[,i])＞Σ[,i]π(q[,i])v(△w[,i]) (3)
这里的△w=w[,i]-w[,0]，是财富值w[,i]相对于一个参考水平w[,0]的偏离值。
两个理论模型之间主要有三点区别。首先，在展望理论中，决策者并不特别在意决策所带来的财富值的绝对水平，而是在意决策所造成的财富值相对于参考水平的变化。参考水平可以是决策者的现有的起始财富值，这样损失和收益的定义也是相对于起始财富值的。但同时参考水平也可以是决策者在现有财富和对未来的预期基础上的渴望达到的财富水平。Kahneman和Tversky认为决策过程基本上可以细分为两个阶段：编辑阶段(edit stage)和估值阶段(evaluation stage)。在编辑阶段中，人为地将做出的选择建立适当的参考水平，选择所造成的结果大于参考水平的部分被定义为收益，低于参考水平的部分被定义为损失。估值阶段中，人在编辑阶段的结果基础上，按照公式(3)做出相应的计算并做出最终的抉择。第二个主要区别在于展望理论中的价值函数v，以财富值的变化为自变量，而且函数形式呈S形。也就是说它是收益的凹函数和损失的凸函数（参见图1）。同时，价值函数在损失和收益两个方向上呈现递减的敏感度(sensitivity)。函数v以零（即参考水平）为拐点，意即小数额的损失上的斜率大于小数额的收益上的斜率。然而，预期效用理论中的价值函数u在整个取值范围内是平滑的凹函数。第三，决策权重函数π是对概率p和q的一个变换。该函数是单调递增的，并在0和1两点上没有取值。该函数对自变量的概率取值做系统性变换，使得小概率值得到相对较大的权重，而大概率值得到相对较小的权重。函数的形状如图2所示。
这三点区别使得展望理论可以解释前文提到的实验中所得到的一系列结果。因为人展望将来，估算风险使得其财富值相对于参考水平的变化，这种对编辑阶段的合理假设使我们可以解释为什么人们面对同一问题的不同的表述方式做出截然不同的选择。价值函数以零点（参考水平）为拐点使得函数在小数额损失上的斜率大于在小数额收益上的斜率，这就可以解释“损失规避”的现象。价值函数递减的边际灵敏度，使得决策者对可能得到的收益表现出风险规避（因为其对大数额的收益的相对低估），但对可能造成的损失却表现出风险追逐（因为其对大数额的损失相对高估）。决策权重函数π在小概率上的相对较高取值和在大概率上的相对较低取值使阿利斯难题(Allais paradox)迎刃而解。另外，展望理论同样可以解释一些传统经济学原理无法解释的“反常”现象：人们愿意驱车去路途遥远的超市购买总额很小的打折商品，但具有同等规模折扣的贵重商品却使他们提不起驱车前往的兴趣；影响将来收入的负面消息并不能导致他们相应地减少当前的消费等等。
图1
图2
总之，Kahneman及其他学者所做的实证性研究揭示了风险下决策的规律性现象，他们提出的展望理论经过长时间的发展完善基本上可以解释这些规律性的现象。同时，Kahneman的研究成果拓宽了经济学者们的视野，提醒他们在模型构架中要考虑到现实生活中的决策人普遍可能犯的错误。在Kahneman和Tversky 1992年的论文之中[19]，展望理论得到进一步拓展，也就是所谓的累积展望理论(cumulative prospect theory)。在累积展望理论中，一些以前版本中的缺陷得到了弥补，而且能够更好地理解当决策可以产生大量可能的结果时，决策过程所遵循的规律。
4 结论
作为行为经济学所质疑和批判的对象，传统经济学的支持者也对行为经济学的有效性和正确性提出质疑。Fama[3]在1998年就提出了如下几个疑问：(1)解释的普适性，认为Kahneman等人的行为经济学只能解释市场个别异常现象，不能提出普遍解释的理论或模型。(2)实证结果表明市场反应过分与反应不足的概率大致相同，正好说明价格变动是随机的，行为经济学对此的解释缺乏依据。(3)异常收益事实上仍是对额外风险的补偿，市场风险仅仅是基本风险的部分，风险和收益是对称的，而行为经济学所解释的异常收益本身是不正确的定义。
尽管行为经济学与传统经济学之间的争论还将持续下去，但我们必须承认Kahneman等人提出的展望理论及其拓展比预期效用理论更精确地描述了人们在风险下的决策行为，并为将来经济学的应用性和实证性研究打下了坚实的基础。Kahneman运用其来自于认知心理学的卓越洞察力，系统研究了人们关于回答问题，形成判断，及做出决策方面的心理活动过程，并使我们更加了解人们如何做出各种各样的经济决策。虽然其他心理学家同样在这一领域做出了贡献，但Kahneman和Tversky对风险下的决策过程的研究工作无疑是最突出，最具建设性的。Kahneman同时也领导了其他行为经济学领域的研究。例如，Kahneman,Knetsch和Thaler[4]于1986年首先提出了公平交易对规范市场行为的重要性，其后的学者相继论证了多种多样的市场行为都是从公平和互惠的概念中引申出来的。可以说，Kahneman的研究成果激发了近年来人们对行为经济学、行为金融学的大量研究，同时也被其他学科，如社会科学、自然科学、人文科学甚至医学所广泛引用。此次Kahneman获得诺贝尔经济学奖，实属是实至名归。
标签：行为经济学论文; 经济学论文; 期望效用函数理论论文; 效用理论论文; 心理学论文; 概率计算论文; 损失函数论文; 预期理论论文; 决策能力论文;