现代经济学在风险和不确定性决策问题上的传统理论模型是期望效用模型（Expected Utility Theory）。该模型由Von Neumann and Morgenstern（1947）等人，继承18世纪数学家Bernoulli对“圣.彼得堡悖论”（St.Petersburg paradox）的解答并进行严格的公理化阐述而形成。模型的基本内涵是：不确定情景下最终结果的效用水平是通过决策主体对各种可能出现的结果加权估值后获得的，决策者谋求的是加权估值后形成的期望效用最大化。期望效用理论作为标准的描述不确定性下的决策模型统治了经济学几十年。EU作为个体选择的标准理论和博弈论的核心组成部分，它是许多经济理论的关键组成部分。虽然EU是经济大厦的一个很重要的一块基石，但后来不断出现很多问题，经济学实验已发现了许多方面都与传统理论的背离。如阿莱悖论、偏好逆转和框定效应等。EU无法解释实验的结果导致许多理论家们构建了其它期望效用理论。如加权效用理论（Weighted Expected Utility，由Soo Hong Chew & Crimmon(1979)提出）、前景理论（Prospect Theory，由Kahneman and Tversky (1979)提出）、Quiggin（1982）提出的依赖排序期望效用理论、“外展（fanning out）”假设（由Machina（1982）提出）、“混合展开”(Mixed Fanning，由Conlisk（1989）提出)假设，以及失望理论（Disappointment Theory），该理论由David Bell（1985）和Loomes & Sugden（1986）提出。从八十年代中期开始，许多学者将他们的注意力转移到检验扩展的期望效用理论中去。这些理论已经逐个地引起了新一轮的实验来检验究竟哪个理论更有效。这些实验检验的是以前观测到的违反EU的现象的稳健性和新理论预测力的准确性。由于证据中大多数是由实验参数获得，有很多不同解释使得判断变得很复杂。过去判断理论的正规检验通常是数和该理论相一致的反应的数目而忽略了不一致反应的系统变化。David W﹒Harless & Colin F﹒Camerer(1994)构建了一种最大似然估计法，它能使用数据中的所有信息来得出检验统计，这些检验统<WP=3>计能在各研究间总计起来，并能判断效用理论的预测力，即其合适度和节俭度（fit and parsimony）。论文由五章构成，分析框架如下：引言主要介绍了论文的研究目的、论文的分析框架结构。论文的主要内容由三部分组成，共三章。第一章针对风险条件下的选择问题，阐明传统的风险偏好理论EU的形成和其基本思想。第二章说明选择理论的现代发展对期望效用理论的挑战。第三章阐明不同期望效用理论的检验方法和比较。结束语对全文进行总结。本文的主要内容如下：第一章主要阐述传统的效用理论的形成。阐明了始于期望效用模型之前的是期望价值理论（Expected Value Theory），进一步指出Daniel Bernoulli提出和传统相反的例子——圣彼得堡（St.Petersburg）游戏，在这基础上提出期望效用理论。二十世纪五十年代， John Von Neumann 和Oskar Morgenstern（1947）表明期望效用假设能由一系列的偏好公理获得。这些偏好公理假定分别是：完备性、传递性、连续性和独立性。EU的简单和节俭使它成为一个强大的模型分析工具。第二章阐述的是期望效用的现代发展。首先通过早期的实验悖论阐明了期望效用理论的局限性。主要有两方面：一是违反独立性公理，二是违反偏好假设。Allais是第一个发现系统性违反独立性公理的人。他提出著名的“阿莱悖论”（Allais，1953）。在以前的传统理论中都有两个偏好假设：一是程序不变（procedure invariance）,即偏好期望独立于诱出它们的方式，而“偏好逆转”解释了程序不变的失败；二是描述不变（description invariance），即偏好期望只是结果的概率分配函数，且不依赖于分配是如何描述的，“框定效应”解释了描述不变的失败。其次，阐明了扩展的期望效用理论的构建。大多数扩展的期望效用理论是沿着传统的偏好路线去解释选择行为，在引入概率三角形模式这个工具并进行“外展”假设的基础上，本文介绍了加权效用理论、失望理论、依赖排序期望效用理论等；有些扩展的理论则沿着非传统路线，沿着该路线的理论更关注的是心理上而非经济学上的概念，如前景理论等。第三章阐明不同效用理论的检验方法和比较。针对究竟哪个理论对人们现<WP=4>实的决策和预测更有价值这个问题，研究员们提出各种检验方法。过去判断效用理论的方法是用数数的方式，即数和该理论相一致的反应的数目，但该方法忽略了不一致反应的系统变化。后来出现了z统计检验，它同时考虑到了某一个理论可以解释的方式和该理论所允许的方式，然而这种检验还是放弃了一些信息。David W﹒Harless & Colin F﹒Camerer提出了最大似然估计检验方法，该方法能使用数据中所有信息来进行统计检验，以判断各效用理论的预测力。该检验方法的强大检验能力在于能利用所有信息，这些信息都在所有观测到的选择方式上获得(大多数早期的检验都丢弃了一些重要的信息)，并且所获得的检验统计能在许多研究间相加，整合数据，进一步增加说服力，从而给出一个权衡许多效用理论合适度和节俭度的方法。该检验得出一组理论。这些理论是：混合展开，前景理论，期望效用理论和