【锚点】这一篇只钉一个判断：行为经济学里被引用最多的数字之一——损失厌恶系数 λ≈2.25——不是一次对「人性」的测量，而是一次【联合估计】的产物。换一种识别策略，它会掉到 1 附近。

【显式】出处很干净：Tversky & Kahneman (1992) 用累积前景理论（CPT）拟合 25 名被试的 92 个风险选择，报出 α≈0.88、λ≈2.25、γ≈0.61/0.69。此后 λ=2.25 进了教科书、进了政策折现、进了 nudge 的成本收益表。

【隐式】但 λ 从来不是单独估出来的。CPT 的价值函数是 v(x)=x^{α（x≥0）、−λ(−x)}β（x<0），它和概率权重参数 γ、δ 在同一个似然里被一起压出来。三个参数拟合同一批选择，就必然产生【参数不可识别】：α 与 λ 可以沿一条「脊线」反向移动，而预测几乎不变。你看到的 2.25，是这条脊线上的一个点，不是这条脊线的位置。

【细微】证据在这里。Gal & Rucker (2018, J. Consumer Psychology) 换用不同引出方法（接受-拒绝 vs. 定价 vs. 混合）重估，λ 掉到 1 附近甚至低于 1；Brown, Imai, Vieider & Camerer (2024, J. Economic Literature) 的元分析给出均值 λ≈1.955，但按引出方法分层后 choice-based 与 pricing-based 系统性分离——异质性大到让「一个常数」的说法站不住。

【极难发现】更底层的一层：λ 的大小依赖于参照点放在哪，而参照点本身不是可观测量，是建模者的选择。Kőszegi & Rabin (2006) 的个人均衡参照点与 Köbberling & Wakker (2005) 的参照依赖模型，会给出数值不同的 λ。所以在参照点被独立测出来之前，「λ 到底多大」这个问题严格说没有答案——它是一个约定，不是一个读数。

【流程节点链路】观测到「损失 100 的痛 ≈ 得到 225 的乐」 → 用一个含 α、λ、γ 的 CPT 似然去拟合选择数据 → 参数联合不可识别（α 与 λ 沿脊线移动时拟合几乎不变） → 报告点估计 λ=2.25 并当作普适常数 → 结论：这个数字携带的是【模型 + 引出方法 + 参照点约定】的联合信息，不是人性的一个刻度。

那什么还活着？有条件的结论仍然成立：在【给定参照点、给定引出方式】下，人们确实表现出不对称。被推翻的是「普适常数」，不是「损失在某些情境下更重」这个现象本身。这两件事经常被混为一谈，于是批评者被当成否认损失厌恶，辩护者被当成捍卫 2.25。

【教学点】遇到任何「系数」，问三件事：(1) 它是和谁一起估的？(2) 换识别策略它还活着吗？(3) 它的单位是什么？λ 是无量纲比值，却常被当成「心理强度」来引用——单位错位是参数被误读的第一步。

【引申】如果 λ 不是常数而是一个约定，那么当我们用它给政策做跨期折现（安全标准、保险定价、nudge 的收益估算）时，我们到底在用一个测量，还是在用一个我们自己也说不清来源的约定？