不同风险偏好诱导方法下个体风险偏好的学习机制与稳定性研究

本研究针对风险偏好稳定性争议，通过对比有序彩票选择(OLS)与多价目表(MPL)两种诱导方法，发现任务复杂度与认知误差显著影响风险偏好表达。研究人员采用实物骰子学习阶段设计，揭示MPL任务中错误报告会导致风险厌恶增强，强调了方法选择在行为经济学实验中的关键意义。成果发表于Journal of Behavioral and Experimental Economics，为风险偏好测量方法论提供重要改进依据。

　　

在经济学与行为决策领域，风险偏好的稳定性一直是核心争议议题。传统新古典理论主张偏好具有固定性，但大量实验证据表明风险偏好会随情境、任务框架和学习经验发生变化。这种不确定性严重影响了风险偏好测量的可靠性——当我们使用不同方法（如简单的一次性选择与复杂的多轮决策任务）时，可能会得到截然不同的结论。更关键的是，这种差异究竟反映了真实的偏好转变，还是仅仅源于实验方法的缺陷？为解决这一问题，Rocco Caferra、Andrea Morone和Donato Pierno在《Journal of Behavioral and Experimental Economics》上发表了一项精巧的within-subject（组内设计）实验研究，系统比较了四种风险偏好诱导方法，并首次引入“动手学习”阶段，探索了经验反馈对偏好形成的影响。

研究者采用了两种主流风险偏好诱导方法：有序彩票选择(Ordered Lottery Selection, OLS)和多价目表(Multiple Price List, MPL)。其中OLS又分为两种变体：一种是Charness等（2023）提出的六赌博选择(CH)，另一种是Eckel与Grossman（2008）经典的五赌博方案(EG)。MPL同样分为10决策行(MPL10)和20决策行(MPL20)两种版本，以考察概率分级粗细对选择的影响。实验在意大利巴里大学ESSE实验室开展，共有97名经济学本科生参与，产生了169个有效观测数据。实验采用纸笔形式进行，分为三个关键阶段：初始风险选择、24轮无报酬的骰子学习阶段（使用20面骰子模拟随机结果）以及最终风险选择。为避免顺序效应，受试者被随机分配至不同任务序列中。报酬采用随机彩票激励系统，确保决策的激励相容性。

通过非参数检验、分布比较和回归分析，研究得出以下结论：

1. 1.
   个体风险选择的变化方向受诱导方法复杂度影响：在简单的OLS任务中，学习前后风险偏好未出现系统性变化；而在复杂的MPL任务中，尤其是MPL20中，参与者表现出明显的风险厌恶增强趋势。
2. 2.
   认知误差显著影响最终选择：在MPL任务中，那些在学习阶段出现错误报告结果的参与者，最终选择更加风险厌恶。这表明任务理解程度是影响偏好表达的关键因素。
3. 3.
   性别差异仅在复杂任务中显现：在MPL中女性表现出更高的风险厌恶，这一差异在OLS中并不显著，进一步证明任务设计对性别效应的调节作用。
4. 4.
   学习结果本身不驱动偏好变化：分析表明，学习阶段的结果好坏（有利/不利）并不影响最终选择的变化，排除了“赌徒谬误”或“热手信念”的干扰。

该研究通过方法学创新揭示了风险偏好测量中的根本问题：所谓“偏好不稳定”很可能源于诱导方法的认知负荷与理解难度，而非内在偏好的真实改变。这一发现对实验经济学具有重要启示——在选择风险偏好诱导工具时，必须考虑其认知复杂度及与样本特征的匹配性。同时，研究结果支持“发现性偏好假说”(Discovered Preference Hypothesis)，即学习过程帮助个体发现而非改变其潜在偏好。未来研究需进一步探索不同人群（如不同认知能力、文化背景）在不同任务框架下的表现，以更精准地度量风险偏好，提升行为经济学理论的解释力和预测力。