发展中的行为决策研究

《发展中的行为决策研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、发展中的行为决策研究摘要行为决策研究人们如何进行判断与选择。该学科希望能在描述决策的过程中帮助人们更好地进行决策，其研究的使命是促进和改善我们对人类决策行为的理解。在过去的1年里，中国科学院心理研究所行为决策课题组在社会与经济决策领域中已开展的研究包括：行为决策与脑、社会互动与决策、决策的文化差异、消费与投资的行为决策、效用最大化与幸福感。该文着重报告并讨论了我们在行为决策及其跨文化比较研究中的一些最新的主要发现。关键词行为决策与脑，社会互动，跨文化差异，消费与投资，幸福感。分类号B849;C934;C912.6;G04;F20

2、2;F406.13自由、宽容、进取(Free,TolerantbutAggressive)课题组文化1行为决策ABC行为决策研究人们如何进行判断与选择。该学科希望能在描述决策的过程中帮助人们更好地进行决策。《组织行为和人类决策过程》（OBHDP）期刊前主编Naylor说[1]:“任何科学研究领域都有其历史意义上的基准。在‘决策与判断’领域，其基准便是WardEdwards于1954年发表在〈〈PsychologicalBulletin》上的文章：Thetheoryofdecisionmaking[2]”。对行为决策进行研究，已有

3、3位学者（HerbertSimon，1978年；MauriceAllais,1988年；DanielKahneman,2002年）因此获得了诺贝尔经济奖。据美国国家科学院（研究简报，1986）报告，“没有哪一项基础科学的研究目标能比‘了解人类是如何思维、解决问题、做出决定、并且如何改进我们解决问题和制定政策的能力’这一研究目标更有前景、更为重要。”**行为决策是多学科交叉的研究颂域，它采用了心理学、经济学、统计学以及其他学科的概念和方法。在过去50年里，行为决策在探索中迅速发展，对会计、金融、市场营销、组织理论以及其他应用领域（

4、譬如医学和法律）都产生了重要影响。如今，了解和改善人们的决策行为依然是一个重要的研究領域。2课题组的研究基础行为决策是一门年轻的学科，行为决策课题组又是心理研究所里最年轻的课题组之一。题头“自由、宽容、进取”这6字箴言，是首次招收“行为决策”研究方向的研究生后拟建设的组织文化。展开来说，自由即要求课题组成员“Befreebrainstorming”;宽容乃要求‘‘Betolerantofopinionsdifferentfromone'sown”;进取则要求“Beacademicallyaggressive”。与课题组相关的研究

5、工作可追溯到1993年我在《行为决策期刊》(JBDM)发表的文章:“WhatiswrongwithAllais1certaintyeffect?”。之后，主要工作是发展了一个适用于确定、不确定及风险状态下的行为抉择模型[3〜7]。该模型认为决策者不是无限理性的，最终的决策只能在有限的维度上进行。该模型和随后发表的一系列论文对风险状态下的决策行为提出了“齐当别”(Equate-to-differentiatetheory:Acoherentbi-choicemodelacrosscertainty,uncertaintyandri

6、sk)的抉择见解。如，对Allais确定效应的质疑[8~10];对Kahneman和Tversky决策加权函数的质疑[11,12];对Kahneman和Tversky违背不变性(invariance)原则的框架效应(framingeffect)的质疑[13〜15];对转移性(transitivity)公理的质疑[16];对透明性能否在违反独立性原则中起作用的质疑[5,17];对抉择与投标之间偏爱颠倒的质疑［18］;对期望法则是否适用于一次博弈还是多次博弈的质疑［19］;对规避不确定(uncertaintyaversion)的质疑

7、［20］;对囚犯困境(Prisoner'sDilemma)中的分离效应(DisjunctionEffect)的质疑［21］。这些研究对两位诺贝尔经济奖获得者(Allais和Kahneman)的观点提出了直接或间接的质疑，并且引发了经济学和心理学学者对我的研究发表专文评论［22］和重复验证实验［23］o3课题组新近的主要发现在课题组组成1周年之际，我们谨以课题组成员完成的7篇CSCD和9篇SSCI论文［24〜39］祝贺我们的起步。这批论文当是我们实践“自由、宽容、进取”文化的写照。我们在行为决策及其跨文化比较研究中的最新主要发现归

8、结如下。3.1期望法则不是指导风险决策的原则许多决策学者都认为，人们在进行风险决策时会理性地对各选项进行计算(如：EV、EU、SEU、WU等)，并在此基础上，挑选其中诸如EV=*xipi>WU=Sw(pi)u(xi)之类或者更复杂的最大期望值选项。但也有不少决策