做决定时，幸福是否胜过一切？宾夕法尼亚大学沃顿商学院运营与信息管理学教授 Alex Rees-Jones 表示，幸福很重要——即使对于那些影响远超单纯获得满足感的决定也是如此。但正如俗话所说，幸福并非一切。人们常常明知某个选择能带给自己最大的愉悦，却仍会放弃它，转而选择符合其他理想或对自己重要因素的选项。
在一篇新论文《能否从幸福数据中推断边际替代率？住院医师选择的证据》中，Rees-Jones、康奈尔大学教授 Daniel J. Benjamin 和 Ori Heffetz，以及密歇根大学教授 Miles S. Kimball，以医学生人生中的一个重要时刻——“匹配”住院医师项目——为切入点，考察幸福在多大程度上能够有效预测决策。
以下为经编辑的访谈文字稿。
关于幸福与权衡
从非常宏观的层面来说，我们希望了解人们愿意做出的权衡，与决定他们幸福感的权衡之间的关系。更具体地说，我们关注的是这样一些情形：你掌握了哪些因素能让人们幸福的数据，却没有人们如何选择的数据，而你希望尝试利用这些幸福数据，预测他们的决策过程。
简单介绍一下背景：经济学界越来越常见的一种做法，是利用幸福数据来补充通常基于选择的分析。举个具体例子，假设我们要考虑如何评估一项公共政策，并估算某个人愿意为实施这项政策支付多少钱。一种近似估算方法是：利用现有的幸福数据，估计过去类似政策对幸福感的影响，估计金钱如何影响幸福感，然后算出这两者之间的权衡。在假设选择与幸福感相一致的前提下，我们可以据此确定一个人愿意为实施该政策支付的金额……目前一些经济学家正在采用这种做法。我们感兴趣的是对其进行评估，并弄清这两种权衡是否真的相互反映。
“如果……未来的住院医师正在考虑两个选项，[并且]他认为其中一个会让自己更幸福，那么他有 70% 到 80% 的可能会选择它。”
医学生能告诉我们什么：幸福与选择
我们对参与住院医师匹配的医学生开展了一项大规模研究。年轻医生从医学院毕业后，会经历数年的阶段，在其专业领域接受非常深入的实践培训，这一阶段称为住院医师培训。他们必须经过一个复杂的流程，才能从医学院匹配到住院医师项目。此时你可能会问，我们为什么要谈医学生？刚才谈的不是幸福和幸福数据吗？我们之所以关注这一特定场景，是因为它具备一些非常有利的特征，让我们能够同时获得高质量的选择数据和高质量的幸福数据。
为了完成我刚才介绍的匹配流程，医学生必须经历面试阶段，并仔细考虑自己愿意做出的权衡，例如学校声望与城市位置之间的取舍，然后确定这些学校的选择顺序，并说：“这是我的第一志愿学校，这是我的第二志愿学校”，依此类推；他们还要实际列出清单，并提交给一个集中式匹配机构。这份清单用于决定每个人最终将去哪里。该机制经过精心设计，以确保如实报告偏好符合学生自身的最大利益。我们借助这一现成的实地机制，获取了他们的选择顺序，并将其与出色的调查数据结合起来；这些调查数据涉及他们认为自己在不同选项下会有多幸福，以及他们做决定时进行的权衡。
为获取幸福数据，我们在医学生参加 2012 年住院医师匹配期间开展了一项大规模调查。在匹配开始前，我联系了美国几乎所有医学院，并说服 23 所学校同意参与。在这些学校，参加匹配流程的学生有机会参与一项网络调查，报告他们的前四个选择。我们可以看到他们的选择顺序，也可以询问他们：“如果你去这个住院医师项目，你觉得自己会有多幸福？如果你去另一个项目呢？”此外，对于这些住院医师项目，我们还收集了他们做决定时需要权衡的所有特征，例如声望，或者配偶对身处某个特定地点的重视程度等。
有了这些数据，我们就拥有了所需的一切，可以将幸福数据与选择数据并列，比较利用这两类数据分别能够进行怎样的分析。我们的主要发现有两点：第一，在这一场景中，幸福数据实际上相当有助于预测选择。如果你知道一位未来的住院医师正在考虑两个选项，[并且]他认为其中一个会让自己更幸福，那么他有 70% 到 80% 的可能会选择它。
为什么幸福并非一切
我们知道人们喜欢幸福——这并不令人意外。但另一方面，这种特定情形下的决定，我们并不认为一定只是为了幸福而做。没有人是为了寻开心才选择住院医师培训的。这是人生中一项重大投入和重要决定。即便如此，幸福数据仍然非常有助于预测。因此，在经济学情境中使用幸福数据，也有积极的一面。
我们的数据也有不那么积极的一面，这就是第二个主要发现。如果你试图利用幸福数据推断人们愿意做出的权衡——例如他们如何在声望与城市品质之间取舍——我们发现，根据幸福数据估算出的权衡，与根据选择数据估算出的权衡存在相当显著的差异。不同因素在决定这两者时所占的权重大不相同。这给许多经济分析带来了一些问题，因为对于经济学家提出的许多问题，理解权衡确实是关键。我们试图理解如何为各种事物定价、如何在某种商品的不同属性之间取舍，诸如此类。而对于这类问题，幸福数据无法为我们提供所需的答案。
总体而言，整个项目的主要目标，是更好地了解如何在经济应用中使用幸福数据，以及这种数据能发挥多大作用。我们得到了一些积极结果：[幸福数据]确实有助于直接预测选择。但也有一些消极结果：[幸福数据]并不擅长回答细致的问题，例如如何在面临的选项的不同属性之间进行取舍。
“对于经济学家提出的许多问题，理解权衡确实是关键。”
我们如何看待权衡
从幸福数据和选择数据所反映的权衡方式中，可以看到差异的一个维度是家庭福祉或配偶福祉等因素的重要性。比如，如果比较配偶的幸福感对你的选择有多重要，它对决定你的选择实际上远比对决定你预测自己会有多幸福重要得多。假设你要权衡选择一个声望更高、但配偶不那么喜欢的住院医师项目，你在做选择时更可能……更看重配偶的意见，而不是在预测自己未来会有多幸福时看重的程度。从某种意义上说，这可能表明，在这类决定中，人们愿意牺牲自己的幸福来让配偶受益。
这项研究对营销人员意味着什么
我是从经济学家的角度着手研究这个问题的，但它对于人们如何开展一般性的营销活动也有许多启示。经济学家和营销人员都会遇到这样的情况：我们掌握了大量有关客户满意度、幸福感等的数据，并试图据此推断人们如何评价我们想要销售的产品的不同属性，以及他们如何在各种经济环境中做出权衡。我刚才谈到的、对经济学家而言的研究结果，同样直接适用于营销环境中的类似决策。
如果你想预测消费者会选择什么或喜欢什么，我们的研究结果表明，幸福数据可以帮助你准确做出这类预测。不过，如果你想深入推断一些问题，例如顾客如何在你要销售的产品的不同属性之间进行权衡，我们的研究结果表明，幸福数据不足以让你完整估算这类权衡。
研究揭示的认知误区
这项研究有助于纠正光谱两端的认知误区。一端是一些人认为幸福几乎就是一切——最大化幸福是我们所有行动的终极目标。我们的研究表明，至少就目前调查中衡量幸福的方式及类似方法而言，事实并非如此。幸福对人们非常重要，也是他们追求的重要目标，但人们会明确地以追求幸福为代价，转而追求其他目标。
光谱的另一端，我认为有些人觉得幸福对经济分析并没有多少参考价值。许多经济学家持有这种看法——他们认为幸福不过是一种无关紧要的心理变量，与我们如何做出选择并无根本联系。我们的研究结果表明，这种看法也不完全正确。即便在这种毫无疑问非常严肃、非常重要、绝不是为了寻开心而做的决定中，了解或获得幸福数据，也确实能帮助我们理解决策过程如何形成，并预测人们会做出什么选择。
“幸福对人们非常重要……但人们会明确地以追求幸福为代价，转而追求其他目标。”
这项研究的独特之处
我的研究与其他探讨选择与幸福是否一致的分析相比，有几个不同之处。主要在于，我们采用了略有不同的视角。已有大量研究表明，人们并不总是选择能让自己幸福的选项。但通常人们会把这种现象描述为人们犯了某种错误，或者不擅长预测。其思路是，他们试图最大化幸福，而阻碍他们的只有两种可能：要么他们在决策中出了差错，要么他们错误地判断了什么最能让自己幸福。因此，选择数据与幸福数据之间的全部差距，都可以归因于这些错误预测。
我们的出发点略有不同。我们认为，错误预测或许很重要。但也有可能，人们并不一定是在努力最大化幸福。他们或许只是把幸福视为自己追求的众多目标之一，并明确地在这一目标与其他目标之间做出权衡。因此，我们选择考察这样一种情形：人们做出的决定经过深思熟虑、审慎考虑，而且利害重大；在这种情形下，我们不太担心观察到的偏差是由错误造成的。我们想看看在这种情形中是否仍然存在差距——当然，我们确实发现了。
通过考察这种特定环境，我们能够更好地了解选择与幸福之间的差距，有多少是由人们最初的意图造成的，又有多少只是因为他们错误预测了什么实际上会让自己幸福。
下一步计划
关于下一步，我们正在考虑继续这条研究路线，继续探究幸福数据与选择数据之间的关系；后者是经济分析中更常见的研究对象。我们希望继续思考，仅凭幸福数据能够推断出多少有关选择如何形成的信息。
我特别感兴趣的一个方向，是尝试将幸福数据纳入更标准的价格理论经济分析。因此，与其把幸福仅仅视为人们试图最大化的目标的近似指标，不如把它看作一种抽象的商品：从某种意义上说，人们愿意购买它，也会明确地将它与人生中的其他目标进行权衡。我们正着手研究一种对此进行建模的理论方法，并思考如何更好地利用这一框架，将心理学数据和幸福数据引入经济分析。
经授权转载自 Knowledge@Wharton，这是宾夕法尼亚大学沃顿商学院的在线研究与商业分析期刊。刊载本文并不意味着世界经济论坛认可其中的观点。
关注论坛：议程 订阅我们的每周简报。
作者：Alex Rees-Jones 是沃顿商学院运营与信息管理学教授。
图片：2013 年 7 月 20 日，在上海以南的金山海滩，一名男子使用手机扫描二维码贴纸。该贴纸用于分享个人信息。路透社/Carlos Barria。
