フレーミング効果｜意思決定分析

🎓 レベル：標準　|　重要度：A（必須）

📎 前提：プロスペクト理論　|　関連：ナッジと選択アーキテクチャ・重み付けと感度分析

要点（BLUF）

フレーミング効果：論理的に同一の選択肢でも、利得として表現するか損失として表現するかで選好が反転する現象。
典型はアジアの病気問題：利得フレーム（助かる人数）ではリスク回避（確実を選ぶ）、損失フレーム（死ぬ人数）ではリスク追求（賭けを選ぶ）。
これはプロスペクト理論の参照点依存の直接の帰結。フレームが参照点を動かし、同じ結果が利得にも損失にも見える。記述的に頑健で、規範（記述の不変性）に反します。

1. 記述の不変性が破れる

期待効用理論は暗黙に記述の不変性（description invariance） を仮定します——「論理的に同じ選択肢は、どう表現しても同じに選ばれる」。合理性の当然の前提に見えます。

ところが現実は違う。同じ問題を言い換えるだけで選好が変わる。これがフレーミング効果で、規範理論の見過ごしていた前提を突き崩します。重要なのは、これが「説明すれば直る誤り」ではなく、表現を変えられると気づかぬまま選好が動く頑健な現象だということです。

2. アジアの病気問題

Tversky & Kahneman の古典的実験。600人が死ぬ病気の対策を選びます。

利得フレーム（助かる人数で表現）：

プログラムA：確実に200人助かる
プログラムB：1/3の確率で600人助かり、2/3の確率で誰も助からない

損失フレーム（死ぬ人数で表現）：

プログラムA’：確実に400人死ぬ
プログラムB’：1/3の確率で誰も死なず、2/3の確率で600人死ぬ

A と A’、B と B’ はまったく同じ結果（200人助かる＝400人死ぬ）。期待値もすべて等しい。なのに、利得フレームでは多数がA（確実）を、損失フレームでは多数がB’（賭け）を選びます。

import numpy as np

# 期待値はどのフレームでも同じ
print("利得フレーム: A=確実に200人助かる / B=1/3で600人,2/3で0人")
print(f"  期待値 A={200}, B={(1/3)*600:.0f}  -> 多数はA（リスク回避）")
print("損失フレーム: A'=確実に400人死ぬ / B'=1/3で0人,2/3で600人死ぬ")
print(f"  期待値 A'={400}, B'={(2/3)*600:.0f}  -> 多数はB'（リスク追求）")

# プロスペクト理論の価値関数で選好を再現（参照点=現状、助かる=利得・死ぬ=損失）
alpha, beta, lam = 0.88, 0.88, 2.25
def value(x):
    return x**alpha if x >= 0 else -lam*(-x)**beta

V_A  = value(200)                                   # 確実に+200
V_B  = (1/3)*value(600) + (2/3)*value(0)            # 賭け（利得側）
V_Ap = value(-400)                                  # 確実に-400
V_Bp = (1/3)*value(0) + (2/3)*value(-600)           # 賭け（損失側）

choice_gain = "A" if V_A > V_B else "B"
choice_loss = "A'" if V_Ap > V_Bp else "B'"
print(f"\n価値関数: V(A)={V_A:.1f} vs V(B)={V_B:.1f} -> {choice_gain}（利得は確実を好む）")
print(f"価値関数: V(A')={V_Ap:.1f} vs V(B')={V_Bp:.1f} -> {choice_loss}（損失は賭けを好む）")

出力：

利得フレーム: A=確実に200人助かる / B=1/3で600人,2/3で0人
  期待値 A=200, B=200  -> 多数はA（リスク回避）
損失フレーム: A'=確実に400人死ぬ / B'=1/3で0人,2/3で600人死ぬ
  期待値 A'=400, B'=400  -> 多数はB'（リスク追求）

価値関数: V(A)=105.9 vs V(B)=92.8 -> A（利得は確実を好む）
価値関数: V(A')=-438.5 vs V(B')=-417.7 -> B'（損失は賭けを好む）

出力の意味：期待値はすべて等しい（A=B=200人助かる、A’=B’=400人死ぬ）のに、プロスペクト理論の価値関数で評価すると選好が割れます。利得フレームでは確実なAが勝ち（105.9 > 92.8）、損失フレームでは賭けのB’が勝つ（−417.7 > −438.5）。同じ現実を「助かる」と語るか「死ぬ」と語るかで、確実を選ぶか賭けるかが反転する——これがフレーミング効果の数値的な姿です。

3. なぜ反転するか：参照点と価値関数の形

反転の根はプロスペクト理論の価値関数の形にあります。

利得フレーム：参照点は「600人全員死ぬ最悪状態」。そこから「助かる人数」が利得。利得側は凹（リスク回避） なので、確実な200人を、不確実な期待200人より好む → A。
損失フレーム：参照点は「現状（誰も死んでいない）」。そこから「死ぬ人数」が損失。損失側は凸（リスク追求） なので、確実な400人の死を避けて賭けに出る → B’。

フレームが参照点を動かし、同じ結果が「利得」にも「損失」にも見える。価値関数が利得側で凹・損失側で凸だから、参照点が変わるとリスク態度が反転する。フレーミング効果は、参照点依存と価値関数の屈折というプロスペクト理論の2要素から、必然的に導かれます。

数式の直観的意味：不変性公理を破る「記述の自由度」

期待効用が満たすべき記述の不変性は、 $\text{選好}(L) = \text{選好}(L')$ whenever $L \equiv L'$ （論理同値）という公理です。フレーミング効果はこれを破ります。数理的には、人の評価が「最終状態の確率分布」 $L$ だけの関数でなく、「参照点 $r$ と、そこからの変化」 $v_r(L)$ の関数になっているため。

\text{選好} = f\big(v_r(x_1), \dots; r\big), \qquad r = r(\text{フレーム})

参照点 $r$ がフレームに依存する以上、同じ $L$ でも $r$ が変われば評価が変わる。規範理論は $r$ という自由度を認めなかった（最終富だけが意味を持つとした）が、人の心は変化を感じるので $r$ が効く。これは、評価が経路・表現に依存しない（合理的意思決定のプロセスの一貫性）という合理性の理想が、記述レベルで崩れることを意味します。実務的には、この自由度は危険（操作されうる）でもあり機会（良い方へ誘導できる、ナッジと選択アーキテクチャ）でもあります。意思決定の質を保つには、重要な決定は複数のフレームで言い換えて確かめる——重み付けと感度分析の感度分析を、確率や重みだけでなく「表現」に対しても行う、という姿勢が要ります。

⚠️ よくある誤解

「フレーミングは騙しのテクニックだけ」ではない：意図せぬ表現でも選好は動きます。中立な表現は存在しにくく、誰もが何らかのフレームで提示しています。
「賢い人はフレーミングされない」ではない：効果は頑健で、専門家でも生じます。気づいて複数フレームで検算する手続きが対策で、意志の強さではありません。
「期待値が同じなら同じ選択」ではない：期待値が等しくても、利得/損失フレームでリスク態度が反転します。期待値の一致は選好の一致を保証しません。
「フレーミング＝確率加重」ではない：フレーミングは主に参照点（価値関数側）の効果。確率加重とは別の柱で、両方がプロスペクト理論を構成します。

対応シミュレーション

本文のコードで、価値関数のパラメータ（特に損失回避 $\lambda$ と曲率 $\alpha,\beta$ ）を変えると、選好反転が起きる条件が変わります。 $\alpha=\beta=1,\ \lambda=1$ （線形・損失回避なし）にすると反転が消える——フレーミング効果が価値関数の屈折に由来することを確認できます。