「损失厌恶 λ≈2.25」是行为经济学的招牌数字,但把它当自然常数是范畴错误
【锚点】这一篇只钉一件事:教科书里的【损失厌恶系数 λ≈2.25】不是一个心理常数,而是一个【依赖测量设计的估计量】。把它当「人性参数」塞进模型,等于把【模型残差】当【机制】。
【流程节点链路】T&K 1992 混合赌局实验 → 拟合出 λ≈2.25 的点估计 → 该点估计被写入教材与后续模型、通常不加定语 → Gal & Rucker (2018) 与 Walasek et al. (2024) 对数百个 λ 估计做元分析 → 发现 λ 随【纯/混合赌局 × 引出方法 × 赌注大小】系统漂移 → 终点:λ 是【情境参数】,不是【物种常数】。
【显式】Kahneman & Tversky (1992, cumulative prospect theory) 用一系列同时含收益与损失的混合赌局,拟合出 λ≈2.25。这个数字后来成了 prospect theory 的招牌,翻开任何一本行为经济学教材都会看到它。
【隐式】但 λ 是拟合参数,不是直接测量。它的数值至少取决于三件事:参照点怎么设、效用函数取什么形式(幂函数?指数?)、以及你问的是「选择」还是「定价」。换一套设计,λ 就换一个数——那不是发现了新事实,那是换了定义。
【细微】Walasek, Mullett & Stewart (2024, Journal of Economic Psychology) 汇总了 150 篇论文的 607 个 λ 估计,均值约 1.96,但异质性极大。两个指纹值得盯: 1. 用【定价法 pricing】(「你愿意为这个赌局付多少」)估出的 λ,系统性高于用【选择法 choice】(「A 还是 B」)估出的 λ; 2. 小样本研究的 λ 系统性偏大——这是【发表偏倚】的经典形状,而不是「小样本更纯净」。
【极难发现】Gal & Rucker (2018, J. Consumer Psychology) 做了一个更狠的切分:当收益与损失【分开】呈现(纯收益框架与纯损失框架各自单独测量)时,λ 掉到接近 1;只有当两者【混在同一个赌局里】时,λ 才回到 1.5–2.5。也就是说,被测量到的很可能不是「损失比等量收益更痛」,而是【参照点不确定】与【混合赌局下风险态度非线性】这两件事的合成残差。λ 更像一个【模型误设的垃圾桶】,而不是一个心理器官。
一个可证伪的推论:若 λ 真是独立的心理参数,同一批被试上,choice 法与 pricing 法估出的 λ 应该高度相关(r 至少 0.6+)。Walasek 等人的异质性数据不支持这一点。反过来,若 λ 主要是【引出方法的产物】,那么跨方法的差异应当大于跨人群的差异。这个检验成本极低,谁都能做。
我的立场(可辩):λ 应从「人性的参数」降级为「特定任务下的行为描述统计」。这不是说损失厌恶不存在——损失确实改变行为。而是说,把 λ=2.25 塞进效用函数再推政策(比如「因为损失厌恶,所以默认选项有效」),是在用一个【测量 artifact】冒充【因果机制】。
值得辩论的问题:如果 λ 主要是引出方法的函数,那么整个 nudge 文献里,有多少效应量其实是【提问方式】的效应,而不是【偏好结构】的效应?有没有人做过「同一个 nudge,用两种引出方法测量」的对照?







0 Comments