Structural Estimation of Higher Order Risk Preferences

高阶风险态度（审慎和节制）的强度度量在期望效用理论（EUT）中有完善的理论基础，但关于其实证量级，学界所知甚少。已有实验研究几乎全部依赖二元风险分配任务（risk apportionment tasks），仅能识别高阶导数的符号（正/负），无法估计其强度。本文做出两大核心贡献。（1）实验设计创新：作者修改了 Eeckhoudt 和 Schlesinger（2006）的经典风险分配任务，在保持奖金额度不变的前提下，系统性变化概率分布——生成 81 个审慎任务（独立变化 p 和 q，0.1–0.9）和 156 个节制任务（独立变化 p、q、z），共 237 个二元选择任务。该设计使所有四个矩在任务间具有充分变异，从而能够结构性分离识别风险厌恶、审慎和节制。（2）计量方法创新：采用非参数效用函数——为每个奖金额度（100–700 丹麦克朗）分配独立效用参数，使用有限效用差分构造连续导数的离散模拟量，在不施加参数限制的条件下计算绝对风险厌恶（ARA）、绝对审慎（APR）和绝对节制（ATM）指数。模型采用随机系数设定（logistic-normal 分布）处理未观测偏好异质性，配合 Contextual Utility 随机选择模型处理行为误差。基于 123 名受试者（每人 200 个选择，共 24,600 个观测值）的实验室实验数据，主要发现包括：（a）ARA 在收入上无单调模式，APR 呈 U 形变化（从审慎变为非审慎，再回到审慎），ATM 单调递减（从节制变为放纵）——这些独特模式被幂函数和指数效用函数遮蔽；（b）参数效用函数天然将风险厌恶者归类为审慎和节制者，产生严重偏误；（c）EUT 和 RDU（秩依效用）在低阶风险任务中的预测风险溢价差异显著（均值 7.2% vs. 1.4%），但随着风险阶数升高逐渐趋同，在四阶任务中几乎完全重合；（d）上述结果在仅使用前 50 或 100 个选择任务的子样本中保持稳健，表明该方法可嵌入更广泛的实验设计中。