利用前景理论的描述性来改善期望效用的规定性使用

本文提出了一种对标准效用提取程序的定量修改，例如概率和确定性等值方法，以纠正对期望效用的常见观察违背。传统上，决策分析不仅假设期望效用用于计算最佳决策的规定性目的，也用于提取效用的描述性目的。然而，期望效用的描述性违背会影响效用提取。不同效用提取方法之间的系统性差异表明，在期望效用下应该得到相同的效用，因此这些偏差的有效性变得明显。由于目前尚不清楚如何在未进一步了解其大小或性质的情况下纠正这些偏差，因此大多数效用提取仍然通过期望效用公式计算效用。本文通过利用前景理论所建议的概率变换和损失厌恶的定量评估，推测了这些偏差及其大小。它为概率和确定性等值方法提供了定量修正。如果无法进行交互会话以纠正偏差，则作者建议在最佳决策的规定中使用修正后的效用，而非未修正的效用。在一项实验中，作者的提议消除了概率和确定性等值方法之间的差异。