传统经济学假设经济人具有稳定的、前后一致的偏好,并能理性地使其偏好效用最大化。但行为经济学家发现,一件事物可以有很多的面向,人们认知判断上可能会随时因环境的改变而改变。还有许多的发现都使人们更加怀疑选择是否能够反映稳定、明确的偏好。在过去几年里,行为经济学家已经广泛研究了“偏好逆转”的现象:当人们遇到一对期望值大约相等的赌博组合时,他们会经常选择其中之一,然而另一个的标价却更高。特沃斯基 (Tversky)和泰勒列举了这样一个事例:H赌注有8/9的机会赢得4美元和1/9的机会分文不得,L赌注有1/9的机会赢得40美元和8/9的机会分文不得。大部分测试者选择了H赌注。但是当要求他们给出自己愿意出售赌金的最低价钱时,大多测试者对L赌注订的价格更高。总之,人们会选择更有机会赢得的选项,但对于赢大钱的机会很小的赌金却会以高价出售;而传统经济学理论却预言这两种不同的诱因程序应该得出偏好相同的结论。无意的观察,白省及心理学研究都证明时间一致性假设是极端错误的。当我们今天觉得明天最好不要暴饮暴食时,明天我们可能会倾向于暴饮暴食,当我们今天认为明天必须写一份仲裁报告时,明天我们却可能拖延。这说明我们追求短期的及时行乐与长期偏好在现实中可能会并不一致。
行为经济学家认为,人们常常有低估他们自身行为和外生变量对未来效用的影响,从而夸大了未来偏好与现在偏好相似的程度。由此产生了预测偏差。行为经济学家在研究中发现,一个人的现在福利不仅受其现在消费的影响,还受其他因素的影响,比如受他过去行为、偏好中暂时的变动以及环境中的变化等因素的影响。行为经济学家还规范了人们对未来效用预测偏差的含义,他们认为人们倾向于低估其状态中的变化效果,从而错误地预测了未来偏好,而且会导致动态选择环境中的系统性偏差。预测偏差是广泛存在的,而且产生预测偏差的环境是多样的。人们还经常低估偏好中短期的短暂变化,低估依赖于先前选择的偏好中的变化。预测偏差意味着预测的效用不必与实际效用相符,人的行为也不必与正确的效用最大化相符。
行为经济学的上述研究成果证实,人们对未来的事件,不可能像新古典主流经济学假定的那样能计算出一个确定的风险概率,预期具有主观性,而且影响人的行为,使人的行为带有浓厚的非理性色彩。同时,现实中的人们即使明确知道最佳选择方案,也可能无法做出这种选择。而且人们往往是基于短期利益而非长期利益做出选择的。这些行为都与主流经济学的理性经济人假设不符。
传统经济学假设人类行为都是自利的,这一自利的行为还会导致个人和社会整体福利水平的最大化。但行为经济学认为,纯粹的自利已无法解释自愿捐献、干旱时的自愿节水、储蓄能源以解决能源危机以及牺牲金钱从而对不公平的待遇进行报复等社会现象,无法解释人类生活中许许多多的“非物质动机”和“非经济动机”。因为人类经济行为的动机不仅仅只是“自利”,也有情感、观念导引和“社会目标”引致的成分。因此,很有必要将社会动机的一种形式——利他或是人们对他人福利的关心纳入经济分析中。行为经济学家在实验中发现,由于人们偏离了狭义的自利,他们会选择那些不会最大化自身收入的行为,当这些行为影响他人收入时,人们会在交易中牺牲金钱以惩罚那些对他们不利的人,或是与那些没有要求分配的人分享金钱,以及自愿为公共物品做贡献。对此,从已经建立了的“社会偏好”模型来看,它们都是假设人不仅有一种自利的愿望以得到高收入,而且也会关心他人的收入。
现存的“社会偏好”模型可以分为两个范畴,分别是厌恶差异偏好和互惠性偏好,厌恶差异偏好模型假设人们只关心收入分配,他们试图减少自己与他人收入的差异,当他们盈利时会做出牺牲以帮助他人,而当他们亏损时则会不帮助任何人,甚至伤害到一些人,也就是所谓的帕累托损害的牺牲,这种偏好称之为“厌恶差异”。而在互惠性偏好模型中,一方是基于他对另一个人是否公正对待他的信念来增加或降低另一方的收入的。行为经济学家还运用了具有二元选择的简单博弈对“社会偏好”模型进行了直接的检验,其结论支持了流行的“拟极小极大偏好”(指采用使收益的极小值达到极大的博弈策略),即人们做出牺牲以提高全体特别是最低收入者的收入。另外,行为经济学家还认为互惠性也是人类的动机之一,即人们不愿意做出牺牲以交换商品,除非是为中立方做出牺牲;当其他人不愿意牺牲时,人们也不愿意以牺牲来达到一个公正的结果。基于以上观点,被视为“厌恶差别”的行为实际上是互惠性和类似极小极大的偏好的组合,每个人都愿意做出牺牲以只将类似极小极大的分配给予那些追求这种分配的人,并会做出牺牲以惩罚不公正的人。行为经济学的这一研究结论证明,人的自利是受到限制的,理性经济人的假定强调了“自利”是首要的第一位的动力,但这并不能完全排除“非经济动机”的存在。
百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读,免费范文网,提供经典小说经济学行为经济学对传统主流经济学的挑战(5)在线全文阅读。
相关推荐: