坎内曼与塞勒对行为经济学的贡献，本文主要内容关键词为：经济学论文,贡献论文,坎内曼论文，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。
行为经济学是一门试图将心理学的研究成果融入标准经济学理论的科学。标准经济学理论假定人的行为是理性的、自私的，追求自身效用的最大化，行为经济学却认为人的行为所追求的远不仅限于此，它们还关注公平、互惠和社会地位等许多其它方面，因此行为经济学试图对传统假定进行修正，试图将更为复杂的人类行为分析融入标准经济学理论。丹尼尔·坎内曼(Daniel Kahneman)和理查德·塞勒(Richard Thaler)与已故著名行为经济学家阿莫斯·特维尔斯基(Amos Tversky)是行为经济学研究领域中富有创见、具有代表性的理论家。本文侧重于对坎内曼和塞勒的行为经济学思想进行评介，其中也涉及到他们与特维尔斯基进行合作的研究成果。
一、偏好的一些典型特征
1.人们常常对一个行动后果与某一参照点的相对差异很敏感，而对这一后果本身的绝对水平不敏感。1979年，坎内曼和特维尔斯基在对消费和收入进行分析时揭示了这一偏好特征。他们强调，人们对偏离参照点的变化很敏感，人们的感官适合于对变化或差异进行估计，例如当人们对光亮、喧嚣与温度做出反应时，过去所经历的程度就成为人们心中的参照点，通过与这个参照点相比较，目前所处环境中的刺激程度也就很容易被察觉出来。因而当人们触摸某物体时，会感觉到它的冷或热，这取决于触摸者已经适应的温度。同样的原理也适合于对健康、声誉和财富等方面的分析。例如，100美元对于富人来说不足挂齿，对赤贫者来说却是一笔不小的数目，这取决于他们现有的资产。因此，价值的载体是财富或效用的改变而不是其最后的状态，这符合人们观察和判断的实际。
2.损失比收益更令人关注。1990年，坎内曼、塞勒和Knetsch进行了如下实验：给班上1/3的学生每人一个零售价值约5.5美元的大瓷杯和一份调查表，表上写明：“现在你拥有这个大瓷杯，你可以从下面提供的价格表中选择某一合适价格出售它。如果你不满意被提供的所有价格，那么你可以保留大瓷杯。”价格表中的最低价是0.50美元，最高价是9.50美元，其它价格处在这两者之间，且相邻价格相差50美分。其他2/3的同学也每人收到一份调查表，表上写明，他可以选择接受一个大瓷杯，或者接受一笔钱。这笔钱的数目可以等同于前述价格表中的任意价格，由此可见，未收到大瓷杯的学生（选择者）和已收到大瓷杯的学生（出售者）严格面对同一选择，只不过他们的参照点不同。出售者的参照点是选择之前就已经拥有大瓷杯，选择者的参照点是选择之前既没拥有大瓷杯，也没收到货币。出售者必须在保留大瓷杯或者放弃它以换取货币这二者之间进行选择，而选择者在两个严格好于其参照状态的选择项之间进行选择。大瓷杯可被视为选择者的收益，对出售者而言，出售它却被视为损失。如果出售者是损失厌恶偏好，那么他出售大瓷杯的价格一定要高于选择者放弃接受大瓷杯的价格。实验结果表明，出售者为保留大瓷杯而愿意放弃接受的货币均值是7.12美元，选择者愿意放弃接受大瓷杯的货币均值是3.12美元。这些均值的不同反映出人们对损失比对收益更为关注，对损失的估价要比对等量收益的估价高。
3.人们的敏感性呈递减的趋势。1979年，坎内曼和特维尔斯基指出，敏感性递减是人类认识的最基本特征。人的感觉和视觉功能都体现出心理反应是物理变化程度的凹函数。这一特征尤其体现在人们对货币变化的估计过程中，例如100美元的收入（或损失）与200美元的收入（或损失）二者之间的差别，看起来比1100美元的收入（或损失）与1200美元的收入（或损失）二者之间的差别更大。坎内曼和特维尔斯基认为，财富变化的效用函数在参照点以上一般是凹函数，在它以下一般是凸函数，也就是说收入和损失的边际效用一般是它们规模的减函数。在货币收入不确定的情况下，敏感度递减也意味着效用函数对财富变动量的斜率随着财富变动量的增大而变得越来越平坦。
4.不确定条件下，风险态度具有四种形式。近30年来，经济学家和心理学家发现，预期效用模型会犯系统性的错误，现实中存在许多与预期效用理论相违背的偏好特征。1979年，坎内曼和特维尔斯基发现，当概率非常接近于0和1，人们对概率的微小变化很敏感。当概率处在其它区间时，人们的反应不及前者敏感。1992年，坎内曼和特维尔斯基把决策权重和修正的效用函数结合起来，得出了风险态度各具特色的四种形式：收益风险规避型、高概率损失风险追寻型(risk seeking for losses)、收益风险追寻型、低概率损失风险规避型。这一理论贡献引起大量的效用模型的产生，用它们来替代预期效用理论，对经济行为做出更合理的解释。
5.社会动机和公平意识。1988年，塞勒和Dawes证实了人们的“社会动机”。他们发现，在Ithaca周边地区的农民喜欢在公路边摆一张桌子，把各种新鲜的农产品放在上面，桌面上还放着一个装钱盒，以便顾客们取走农产品时自觉将买菜的钱投入盒子中。这个盒子只留有一条细长的狭缝，钱只能被投进去不能被拿出来，盒子被固定在桌面上，没有人能轻易地把盒子带走。塞勒和Dawes认为，这个例子显然说明纯粹的利己不足以完全解释人类的动机，人的动机具有两面性，一面是“利己动机”；另一面是“社会动机”，在本例中顾客们自觉投入等值的货币以换取玉米，这就是他们的“社会动机”起作用的结果。当然，如果钱盒很容易被偷走的话，那么“利己动机”也许真会驱使他们当中的某人这样做，因此，农民们一方面愿意将菜摆放在桌子上，另一方面又将钱盒子固定。
塞勒(1985)、坎内曼(1986)均以垄断价格现象为例分析了公平问题，揭示了人们追求公平的偏好。他们发现，消费者一般认为垄断价格是不公平的，因而即使是在物有所值的价格水平，他们也拒绝购买。在这种情况下，即使是追求利润最大化的垄断厂商也会顾及到人们追求公平的意识，愿意将价格定在标准经济理论所预期的水平之下。塞勒和坎内曼还发现，尽管公司在改善他们的贸易条件方面具有压力，但是他们在不伤害工人和顾客利益方面负有更大的压力；人们对公平行为的认识能随时间而调整。“起初视为不公平的交易条件，可能在一定的时候获得参照交易的地位，被用来与其它交易行为相比较，这时人们心目中的公平行为和他们预料到的市场行为二者之间的差距就趋于更小。”
6.偏好并不一定都是稳定的、定义良好的，它也可以改变。1990年，特维尔斯基和塞勒进行了如下实验：首先，要求主体在两个期望值相同的赌博中进行选择。其中一个被叫做H赌博（它以较高的概率赢得一个较小的价值，例如以8/9的概率赢得4美元），另一个被叫做L赌博（它以较低的概率赢得一个较大的价值，例如以1/9的机会赢得40美元），实验表明71%主体选择了H赌博。随后，要求主体给每一次赌博定价，即如果他们拥有每一个赌博的话，现要求他们申明愿意出售每一个赌博的最低价。实验表明，67%的主体对L赌博出了一个更高的价格。特维尔斯基和塞勒发现，在实验的前期主体们偏好H赌博，在后期却偏好L赌博，他们把这称为偏好的颠倒(preference reversal)。由此特维尔斯基和塞勒认为，人们并不拥有稳定的、事先定义好的偏好，偏好是在进行选择和判断的过程中体现出来的，判断和选择的背景和程序会对偏好产生影响。
二、判断偏离理性的几种方式
坎内曼和特维尔斯基认为，人们依赖于几个经验推断法(heuristics)来估计不确定事件的概率和效用，一般而言，这些经验推断方法是十分有用的，它们使估计概率和预期值的复杂任务大大简化了，但有时它们会导致系统错误。他们认为致使判断偏离理性的具体方式有：
1.代表性经验推断。它是指人们凭经验已经掌握了一些事物的“代表性特征”，当人们要判断某一事物是否出现时，就只需要看这一事物的“代表性特征”是否出现。
1974年，坎内曼和特维尔斯基采用下例来证实代表性经验推断方法：从由100个工程师和律师组成的小组中随机抽取的几个人，将这几个人的性格特征简单地介绍给实验主体，每介绍一个人时，当即要求主体估计这个人是工程师而不是律师的概率。在一种实验条件下，向主体们说明这几个人均来自由70位工程师和30位律师组成的小组。在另一种条件下，向主体说明这几个人均来自由30名工程师和70名律师组成。显然这几个人是工程师而不是律师的概率在第一种实验条件下较大，因为前者主要由工程师组成，后者主要由律师组成。运用贝叶斯法则可以计算出每一个被介绍对象在前后两种实验条件下属于工程师的概率之比，这一比值为(0.7/0.3)[2]，即5.44。坎内曼和特维尔斯基发现，实验结果得出了与贝叶斯法则相违背的结论，在两种条件下主体们认为同一被介绍对象在两种实验条件下，是工程师而不是律师的概率相同。这一结果显然是由于主体们进行判断时，并没有考虑对象所在小组中工程师和律师的基本比率，而是直接依据所提供的介绍符合工程师的代表性特征的程度来估计他是工程师而不是律师的概率，这就是代表性经验推断。
1982年，坎内曼和特维尔斯基进一步分析了影响基本比率(base rates)和代表性特征在判断中相对权重的因素。他们认为，当所讨论事件与基本比率相关时，人们就更加关注基本比率。考虑设计给主体的下列问题：一辆的士在夜晚肇事后逃跑了，该城市有两家的士出租公司，一家的的士是蓝色，另一家的是绿色。主体被给予以下数据：(1)城市里85%的的士是绿色，15%的的士是蓝色。(2)目击者证实肇事的士是蓝色。法庭证实目击者在80%的时间里能够正确区分蓝色和绿色，在20%的时间里不能区分这两种颜色。那么肇事的士是蓝色的概率有多大？
坎内曼和特维尔斯基发现，主体们所得出的概率均值是80%，而正确答案约为40%，这就表明因为主体们认同目击者的描述，所以在判断的过程中将蓝色和绿色的士的基本比率忽视了。如果将条件(1)修改为：尽管两家公司在规模上大致相等，城市里85%肇事的士是绿色，15%是蓝色。这时主体们得出肇事的士是蓝色的期望概率均值为60%。在实验条件改变后，虽然主体们依然没有足够地考虑基本比率，但是他们比改变前对此考虑了更多。坎内曼和特维尔斯基认为，基本比率被用来估计概率的程度取决于基本比率与所讨论事件的相关性。实验条件改变前，主体们认为蓝色的士与绿色的士的基本比率与的士肇事的相关性不强，因而他们认同了目击者的描述，忽视了基本比率。而实验条件改变后，主体们认为两种颜色的的士肇事的基本比率与此例所讨论事件相关性较强，因而在判断中更多地考虑了基本比率。
1983年，坎内曼和特维尔斯基发现在代表性经验推断的应用过程中存在连接效应(conjunction effect)。这一效应与概率论中的连接规则相违背。连接规则是指，某人属于a类和b类的概率少于或者等于他只属于b类的概率。而连接效应是指，当某一描述是a类而不是b类人的代表性特征时，人们常常认为这一描述更可能与既属于a类又属于b类的某一个体相匹配，而不是与只属于a类的人相匹配。1985年，坎内曼和特维尔斯基以下例来说明连接效应：林达主攻哲学，作为一个学生，她深深地关注歧视和社会公正问题，并且还参加反核示威运动。实验主体们被要求对有关林达的8个不同说明的真实性进行估计，其中两个说明是：“林达是一位银行出纳员”和“林达是一位银行出纳员和女权运动活跃者”。坎内曼和特维尔斯基发现，有85%的主体认为与其说林达是一位银行出纳员，还不如说她是一位银行出纳员和女权运动的活跃者，这就是判断中的连接效应。因为对林达的描述使她看起来像一位女权主义者，所以认定她是一位银行出纳员和女权主义者。而依据连接规则，“林达是一位银行出纳员”的概率要大于“林达是一位银行出纳员和女权运动的活跃者”的概率，相应地，实验就应得出相反的结论。因此，连接效应与连接规则相违背。
2.小数定律(the law of small numbers)。1971年，坎内曼和特维尔斯基揭示了小数定理现象。通俗地说，小数定律是指人们认为一个小样本将具有与大样本近似相同的概率分布。例如，人们常常认为一个学生很少的小班含有聪明和英俊学生的典型分布。
1972年，坎内曼和特维尔斯基指出，当人们相信小数定律的时候，他们显然不相信大数定律。即当人们夸大了小样本与总样本的相似性的时候，通常低估了大样本与总样本的相似性。例如，主体们一般认为在给定某天出生的1000个小孩中，男孩多于750个的机会超过1/10，而基于总样本的实际可能性小于1%，可见主体低估了大样本和总样本的相似性，过高地估计了这一概率。
1974年，坎内曼和特维尔斯基指出相信小数定律会导致人们对事件的过度估计。他们发现，飞行指导员观察到当他们表扬飞行员平稳着陆时，下一次的着陆表演常常很糟糕，而当他们对糟糕的表演进行批评时，接下来的一次着陆却大为改善，在一段时间内，这一现象反复出现，于是飞行指导员便由此认为这是飞行着陆中激励机制的典型特征。坎内曼和特维尔斯基认为，这一认识是错误的，因为飞行指导员看到了太多的偏离常态的飞行着陆，所以没有预期到进一步的观察将看起来更正常，因而基于错误的统计推理，依据小数定理，对短期中的一连串事件做出了过度推断，对均值退化现象得出了错误的认识，最终提出了错误的飞行着陆激励机制。
1982年，坎内曼和特维尔斯基指出人们对样本大小对概率的影响不敏感。他们向主体设计了以下问题：某一小城镇有两家医院，在较大的医院每天有45名婴儿出生，在较小的医院每天有15名婴儿出生。正如人们所知大约有50%的婴儿是男孩。然而精确的百分比每天都有变动，有时高于50%，有时低于50%。以1年为期限，每家医院记载了每天出生婴儿的60%为男孩的天数。试问哪一家医院所记载这样的天数多？22%的主体说，较大的医院记载的天数更多，56%的主体认为天数将是相等的，22%的主体说较小的医院记载的天数多，正确答案是较小的医院记载的天数多。坎内曼和特维尔斯基认为，从这个例子可以看出大多数主体对样本大小对概率的影响不敏感，他们依据小数定律推断出小医院和大医院每天出生婴儿的60%为男孩的概率相同，这显然是错误的。
3.调整和锚定(adjustment and anchoring)。1973年，坎内曼和特维尔斯基指出，人们在进行判断时常常过于看重那些显著的、难忘的证据，甚至从中得出歪曲认识。例如，门诊医生估计病人极度失望可能导致自杀的可能性时，常常易于想起病人自杀的偶然性事件，这时如果进行代表性的经验推断，则可能夸大极度失望病人将自杀的概率，这就是人们在判断中存在的锚定现象。
1974年，坎内曼和特维尔斯基以下例来证实调整和锚定现象：要求主体对非洲国家在联合国中所占席位的百分比进行估计。因为分母是100，所以事实上只要求主体对分子数值进行估计。首先，主体被要求旋转摆在其面前的幸运轮随机地选择一个在0到100之间的数字，然后主体被暗示他所选定的数字比实际分子值是更高还是更低，接下来要求主体对随机选定的数字向下或者向上调整来估计分子值。坎内曼和特维尔斯基发现，当不同的小组随机确定的数字不同时，这些任意给定的数字对估计有一个显著的影响。例如，两个分别随机选定10和65作为开始点的小组，他们对分子值的平均估计依次是25和45。由此可见，尽管主体们对随机确定的数字有所调整，但他们还是将分子值的估计锚定在这一数字的一定邻域内。
4.应用失误(errors of applications)。人们认为经验有助于消除偏差，这一观念使人们对那些以没有经验的主体为对象的实验产生怀疑。因而，1982年坎内曼和特维尔斯基以一些老练程度不同的主体为对象进行实验，来验证经验知识是否能减少和消除偏差。实验结果是否定的，它并没有完全支持那种认为经验丰富的专家能正确处理问题以及现实中人们能吸取教训的观点，实验中虽然许多人熟知应付某些事件的一般性原理，可是当这些事件出现时他们却没有应用这些原理，而导致对这些事件处理的失败，坎内曼和特维尔斯基把这一现象称为“应用失误”。
5.框架效应(framing effects)。1986年，坎内曼和特维尔斯基以下例来说明框架效应：给予肺癌患者有关外科手术和放射治疗后果的统计信息，其中一些患者得到的是依据死亡率进行统计的信息A:100个进行外科手术的病人中，10人在手术期间或手术后死亡，32个在第一年底死亡，66个在第五年底死亡；在进行放射治疗的100个病人中，在治疗期间没有一个人死亡，第一年底23个人死亡，第五年底78个人死亡。其他患者得到的是依据幸存率进行统计的信息B：进行外科手术的100病人中，90个活过了治疗期，68个人活到了第一年底，34个活到了第五年底；进行放射治疗的100个病人中，都活过了治疗期，77个活到了第一年底，22个活到了第5年底。然后要求患者们选择疗法。
从以上数据可以看出，放射治疗能使迅速死亡的风险从10%下降到0%，而这一信息也可以表述为幸存率从90%上升到100%，前后两种表达本质上一样，只是方式上不同。可实验结果表明，信息表达方式上存在的这种差别却产生了明显不同的结果，赞成放射治疗的患者的比例由幸存框架（幸存率信息A）中的18%（数目为247人）上升到死亡框架（死亡率信息B）中的44%（数目为336人），这是因为按死亡率进行统计更直观地体现了放射治疗对外科手术的更大优势，所以人们凭直觉认为放射治疗更安全，坎内曼和特维尔斯基称这种现象为框架效应。他们认为，框架效应体现出人是有限理性的，同一个选择的不同表达方式可能会引导我们关注问题的不同方面，致使我们在寻找真实的、潜在的偏好时犯错误。
三、对效用最大化模型的合理性进行了思考
坎内曼和塞勒认为，对经验推断和偏差的研究表明人们错误地判断了他们的决策后果，即使人们能够正确地觉察到决策的实际后果，他们还是系统性地错误估计了这些结果的效用水平，这就表明在不确定性条件下，人们进行决策时事实上无法真正实现“最大化效用”，从而对效用最大化模型的合理性提出了质疑。他们提供了以下证据：
1.决策效用(decision utility)与体验效用(experienced utility)并不一致。1980年塞勒通过下列证实了决策效用和体验效用的差别。他向主体们询问了下列两个问题：(1)假如你已经置身于某一种疾病的传染区，这种病一旦染上会导致在一个星期内快速、无痛的死亡。你得这种病的概率是0.001。问你愿意为预防这种病花费多少？(2)假如对于上面的疾病，需要志愿者来进行研究，所有的要求就是你把你自己置身于一个以0.001的概率染上这种病的环境中去。问你所要求的成为这个计划的志愿者的最小支付是多少（不允许你花钱预防这种病）？结论是：许多人对(1)和(2)两问题的回答存在很大的差别，典型的索取分别是200美元和10000美元。这就说明人们在决定是否充当志愿者，置身于一个以0.001的概率染上这种病的环境中去时的决策效用是10000美元，而一旦他真正置身于这一环境中，他的体验效用却只有200美元。事实上，决策时人们需要估计的是决策的各种后果和这些后果所带来的体验效用，所追求的是体验效用最大化，而在标准经济学预期效用最大化模型中，计算此效用时依据的却是决策效用，因而塞勒提供的这个实验表明这一估计方法是不正确的，决策时人们未能正确估计出各种后果的真实效用，因而无法实现长期体验效用最大化。
2.人们事实上不能正确地分配各种决策后果的权重。1991年坎内曼指出，在不确定性条件下的效用最大化模型中，各种决策后果的权重也很重要，它的恰当与否直接影响主体的决策。而在现实中，人们往往不能正确地分配各种决策后果的权重，他们往往加重了损失在决策中的权重。因此，人们应该对他们起初的损失经历赋予比现在实际所赋予的更低的权重，这样有利于正确估计决策的实际后果所带来的福利。
3.回顾效用(recollected utility)与体验效用并不一致。标准经济学理论也未提到回顾效用，它是指人们在决策时对过去所经历的事件进行回顾时所感受到的效用。现实中，回顾效用是人们预测未来体验效用的主要依据，坎内曼认为这种预测方法是不正确的，因为回顾效用和体验效用的估计方法不同，二者一般也不相等。1994年坎内曼指出，回顾效用的估计方法遵循两条规则：(1)“高峰和终止规则”(the peak and end rule)，即通过对过去事件最富影响时期的效用和该事件终止时刻的效用进行加权平均来估计回顾效用；(2)持续时间忽略(duration neglect)，即在回顾效用的估计中，过去事件的持续时间对回顾效用的影响可以忽略。
基于以上分析，坎内曼和塞勒认为，目前我们的研究不应只停留在对效用函数的修正上，还应寻求一些能对决策后果的体验效用进行正确估计的方法，我们所要回答的问题是当决策后果实际发生时，各种选择是否最大化了这些后果的期望效用，这就要求决策者们能准确估计未来的体验和过去的经历。
标签：行为经济学论文; 期望效用函数理论论文; 效用理论论文; 概率计算论文; 消费者偏好论文;