KNOWECON WIKI

ARTICLE

概率权重函数

概率权重函数（Probability Weighting Function）是前景理论（Prospect Theory）和累积前景理论（Cumulative Prospect Theory, CPT）的核心构件之一，由 Kahneman 与 Tversky（1979, 1992）提出。它描述了个体在风险决策中对客观概率的主观扭曲：人们并非以线性方式对待概率，

浏览 0 更新 2025-11-13

概率权重函数（Probability Weighting Function）是前景理论（Prospect Theory）和累积前景理论（Cumulative Prospect Theory, CPT）的核心构件之一，由 Kahneman 与 Tversky（1979, 1992）提出。它描述了个体在风险决策中对客观概率的主观扭曲：人们并非以线性方式对待概率，而是系统性地高估小概率事件、低估中高概率事件。这一函数是行为经济学挑战期望效用理论（Expected Utility Theory）的关键武器——它解释了为什么同一个人既买彩票又买保险：小概率中大奖被高估，小概率遭大灾也被高估。

起源与动机

期望效用理论假定决策者以客观概率线性加权各结果的效用。但大量实验证据（始于 Allais, 1953）表明这一假设严重偏离实际。Allais 悖论中，人们从 (A) 确定获得 100 万法郎 转向 (B) 以 10\% 概率获 500 万、89\% 概率获 100 万、1\% 概率获 0 时，偏好反转无法用线性概率解释。Kahneman 与 Tversky 意识到：问题出在"概率"被对待的方式上——决策权重并非概率本身，而是概率的某种心理变换。

在原始前景理论（1979）中，概率权重直接作用于单个结果的概率；在累积前景理论（1992）中，Tversky 与 Kahneman 将其修正为作用于累积概率分布，从而解决了随机占优违反问题。CPT 中的概率权重函数分别处理收益域和损失域，分别记为 w+(p) w^+(p) 和 w−(p) w^-(p) 。

心理学基础

概率权重的扭曲有深刻的认知心理学根源。Kahneman（2011）在《思考，快与慢》中将其归因于以下机制：

  1. 可能性效应（Possibility Effect）：从 0 到 0.01，或从 0.99 到 1.00，概率的微小变化引起不成比例的心理冲击。从"不可能"变为"有可能"，或从"很可能"变为"确定"，这些边界跨越被赋予极高权重。这就是确定效应（Certainty Effect）与可能性效应共同作用的后果。
  1. 分母忽视（Denominator Neglect）：人们在评估概率时过度关注分子而忽略分母。例如，"10 人中 1 人死亡"比"1000 人中 100 人死亡"更让人恐惧，尽管后者死亡率相同。这种认知偏误使小概率事件的叙述性描述（如"千分之一的中奖概率"）比抽象数字更具冲击力。
  1. 情感显著性与可得性启发：小概率事件（如空难、中彩票）因其戏剧性和生动性在记忆中更易被提取，导致主观概率被高估。反之，中等概率事件的"平淡日常"特征使其被低估。

函数形式

概率权重函数 w(p):[0,1]→[0,1] w(p): [0,1] \to [0,1] 通常满足 w(0)=0 w(0)=0 ，w(1)=1 w(1)=1 ，且呈反 S 形：在低概率区域位于 45° 线之上（w(p)>p w(p) > p ），在高概率区域位于 45° 线之下（w(p)<p w(p) < p ）。交叉点大约在 p≈0.35 p \approx 0.35 –0.40 0.40 附近。

Tversky-Kahneman（1992）形式

累积前景理论中采用的概率权重函数为：

w(p)=pγ(pγ+(1−p)γ)1/γw(p) = \frac{p^\gamma}{(p^\gamma + (1-p)^\gamma)^{1/\gamma}}

其中 γ \gamma 控制曲率。Tversky 与 Kahneman（1992）通过实验估计得到 γ≈0.61 \gamma \approx 0.61 （收益域）和 γ≈0.69 \gamma \approx 0.69 （损失域）。γ<1 \gamma < 1 意味着函数先陡升后平缓——正是反 S 形的数学刻画。γ \gamma 越小，扭曲程度越大；当 γ=1 \gamma=1 时退化为线性 w(p)=p w(p)=p 。

Prelec（1998）形式

Prelec 提出了一种更灵活的参数化：

w(p)=exp⁡(−β(−ln⁡p)α)w(p) = \exp(-\beta(-\ln p)^\alpha)

其中 α \alpha 控制曲率（α<1 \alpha < 1 为反 S 形），β \beta 控制仰角。当 α=β=1 \alpha = \beta = 1 时退化为线性。此形式在数学上具有公理化基础——Prelec 从"复合不变性"（Compound Invariance）推导出该形式，且能同时刻画四种典型模式：反 S 形、S 形、乐观型、悲观型。

Gonzalez-Wu（1999）形式

w(p)=δpγδpγ+(1−p)γw(p) = \frac{\delta p^\gamma}{\delta p^\gamma + (1-p)^\gamma}

在 Tversky-Kahneman 的基础上增加 δ \delta 参数控制仰角（elevation），使函数可同时调节曲率和整体高度，更灵活地拟合个体差异。

核心性质

概率权重函数最显著的特征是反 S 形（Inverse S-Shape）：

  • 次可加性（Subadditivity）：在低概率区域，w(p)+w(q)>w(p+q) w(p) + w(q) > w(p+q) （当 p,q p, q 很小时），即两个小概率分别加权之和大于其合并概率的权重。这解释了人们愿意为"覆盖恐怖袭击"和"覆盖洪水"分别支付比合并保险更高保费的现象。
  • 次确定性（Subcertainty）：w(p)+w(1−p)<1 w(p) + w(1-p) < 1 （在原始前景理论中）。即互补概率的权重之和小于 1，反映了人们对不确定性的普遍厌恶。
  • 次比例性（Subproportionality）：w(pq)w(p)≤w(pqr)w(pr) \frac{w(pq)}{w(p)} \leq \frac{w(pqr)}{w(pr)} ，即对固定概率比的权重比随概率水平升高而递减，这是 Allais 悖论的数学根源。

经验证据

Camerer 与 Ho（1994）、Wu 与 Gonzalez（1996）、Abdellaoui（2000）等大量实验研究一致支持反 S 形概率权重。Abdellaoui（2000）采用无参数方法直接引出个体概率权重曲线，发现几乎所有被试都呈现反 S 形扭曲。但在极端概率处（如 p<0.05 p < 0.05 或 p>0.95 p > 0.95 ），权重估计的噪声较大，部分被试表现出对极高概率的低度敏感（即 w(p)≈1 w(p) \approx 1 仅在 p p 非常接近 1 时才成立）。

概率权重函数的形状在不同决策领域（金钱、健康、时间）和不同文化背景下具有稳健性，但个体差异显著：部分个体（尤其是专家决策者）的 γ \gamma 更接近 1，即更接近线性概率加权。

理论意义与应用

概率权重函数不仅是解释实验室异常（Allais 悖论、共同比率效应）的核心机制，还被广泛应用于：

  • 保险需求：小概率大损失被高估，解释了过度保险购买（如手机碎屏险、航班延误险的市场成功）。
  • 彩票市场：小概率大收益被高估，解释了彩票需求——即使彩票的期望值为负，概率权重扭曲仍能使主观期望价值为正。
  • 金融异象：IPO 长期低概率暴富叙事、期权市场中的"灾难溢价"均可由概率权重解释。
  • 公共卫生传播：小概率风险的叙述方式（百分比 vs. 频数表述）通过影响概率权重而显著改变行为决策，为风险沟通设计提供依据。
  • 法律与规制：对小概率灾难性风险（如核事故、气候灾难）的规制决策中，概率权重的扭曲可能导致过度反应或理性忽视，需要成本收益分析中的审慎校正。

小结

概率权重函数是行为经济学取代期望效用理论线性概率假设的基石。它以数学简洁的方式捕捉了人类风险感知的核心偏误——小概率事件的过度敏感与中大概率事件的相对迟钝。尽管参数形式和神经基础仍在研究中（Hsu et al., 2009 的 fMRI 研究暗示其与前额叶-纹状体回路相关），作为描述性模型的概率权重函数已成为风险决策研究的标准语言。其反 S 形的优雅曲线，深刻地提醒我们：面对不确定性的未来，人类既不是纯粹理性的"期望值计算器"，也不是全然非理性的赌徒，而是在演化与认知的夹缝中，形成了一套独特而系统化的概率感知模式。