揭示地震风险偏好：来自土耳其 2023 年地震的证据
机器学习
2026-04-02 v2 统计方法学
机器学习
摘要
风险偏好及其在自然灾害期间可能的变化已是近期研究的热点话题，但研究结果呈现出矛盾现象。常被提议的解释 Specifically 区分了实现损失和未实现损失对风险偏好的相反作用。此外，高阶风险偏好及其与灾后行为的关系仍未被探讨，尽管理论上可能具有重要含义。我们通过对土耳其 2023 年灾前地震后 600 名个体进行实验来弥补文献中的这些空白，具体包括被迫迁居者、未被迫居者以及对照组。结果表明，受灾程度较大的个体在风险承担方面显著高于未受灾个体。我们的结果特别由受灾女性所驱动。我们发现使用 2012 年数据，地震区和对照区之间在风险偏好上不存在事前差异。在受灾人群中，更高的房屋损伤（作为实现损失的代理变量）会增加风险规避。关于受地震重大影响个体的高阶风险偏好，我们发现谨慎与自我保护行为（具体为内部迁移和/或迁居）呈正相关。尽管预防性储蓄最初不显示与谨慎的相关性，但当考虑到谨慎也与职业选择相关时（拥有稳定收入且储蓄的人更谨慎），正相关性便显现了。我们的结果为理解灾害如何影响风险偏好提供了见解，同时旨在解决文献中关于矛盾发现的问题，同时呈现了谨慎与自然灾害后行为之间关系的新证据。
引用
@article{arxiv.2406.15904,
title = {Learning When the Concept Shifts: Confounding, Invariance, and Dimension Reduction},
author = {Kulunu Dharmakeerthi and YoonHaeng Hur and Tengyuan Liang},
journal= {arXiv preprint arXiv:2406.15904},
year = {2026}
}