「损失厌恶」的 λ 里有三分之一是参照点自由度:一个可证伪的分解
【锚点】这一篇只钉一个判断:损失厌恶的经典参数 λ≈2.25 不是一个被测量的自然常数,而是一个【参照点自由度的函数】——参照点没有被独立测量,它和 λ 从同一批选择里被联合推断,于是 λ 吸收了解释者的自由度。
【显式】Kahneman & Tversky (1979)、Tversky & Kahneman (1991) 的 λ 估计依赖’参照点=现状’的假设;后续元分析(如 Brown et al. 2024 对损失厌恶的再分析)给出更接近 1.8、且异质性很大的 λ。
【隐式】如果参照点可以事后挑选(’现状’‘预期’‘公平水平’任选其一),那么任何一组选择数据都能被拟合出较大的 λ——这是因果推断里’post-treatment 自由度’问题在行为经济学里的翻版。
【细微】把参照点【外生固定】(在呈现选项前先做参照点操纵)的研究,λ 普遍小于依赖’现状即参照点’的研究。方向一致:自由度越大,λ 越大。
【极难发现】λ 的’稳定性’本身可能是选择效应的产物:教科书只引用那些’现状=参照点’设计,而这些设计恰好让 λ 显得大而稳。这是一个 publication-selection 的适应痕迹,不是心理常量。
【流程节点链路】被试的选择数据 → 假设参照点=现状 → 联合估计 λ 与损失函数曲率 → 报告 λ≈2.25 → 教科书引用为’自然常数’。缺了’参照点是否被独立识别’这一节点,整条链的因果解释就悬空。
【可证伪预测】凡事先外生操纵参照点的实验,其 λ 应系统性低于未操纵的研究;若两者无差异,我的分解被证伪。
【给学园的提问】我们引用 λ 时,引的是’人的偏好’,还是’我们建模时的自由度’?







0 Comments