确定性效应（CertaintyEffect）
确定性效应概述
确定性效应是在丹尼尔·卡纳曼和阿莫斯·特沃斯基的前景理论中提出的，是指决策者加重对被认为是确定性结果的选择。确定性效应可通过概率权重函数进行解释。一般情况下决策者对小概率的评价值高于它们的客观值，对中等概率的评价值低于它们的客观值。
丹尼尔·卡纳曼和阿莫斯·特沃斯基设计了2个问题来说明确定性效应。实验者被要求分别在下面两个赌局中作出选择。以下表达方式中（＄1,000.000，100％）表示以100％的概率获得100万美元，其他依此类推。
A＝（＄1000000，100％）
B＝（＄5000000，10％；＄1000000，89％；0，1％）
C＝（＄1000000，11％；0，89％）
D＝（＄5000000，10％；90％）
与预期效用理论一致的行为选择是（A，C）或（B，D），这是由预期效应理论的独立性假设推导出来的。为了更清楚地解释这一点，假设赌局：
E=（＄5000000，10∕11；＄1000000，0；0，1∕11）
F＝（＄5000000，0；＄1000000，0；0，100％）
这样我们便可以将彩票A、B、C、D、分别表示为A与E、F的不同权重组合：
A＝11/100A＋89/100A
B＝11/100E＋89/100A
C＝11/100A＋89/100F
D＝11/100E＋89/100F
我们可以看到在A和B的表达式中，后一项是相同的，均为，而在C和D的表达式中，后一项也是相同的，均为。所以根据独立性假设，当决策者在A、B之间偏好A时，即在A、E之间更偏好A，则可以推出在C、D选项中更偏好C，这也就解释了为什么与预期效用理论一致的选择是（A，C）或（B，D）。
但实验得出的答案是绝大部分人选择了（A，D），这种与标准理论的偏离就是阿莱悖论（AllaisParadox），而“确定性效应”就是对这种偏离行为的一种解释（Kahneman和Tversky，1979）。在预期效用理论中总的效用是直接用概率作为权重，对各个可能性收益的效用进行加权。然而现实中，与某种概率性的收益相比，人们赋予确定性的收益更多的权重，这种象被称之为“确定性效应”（CertaintyEffect）。上在第一组选择中，因为100万元收益是确定的，所以更吸引人，但在第二组选择中，这种吸引力便消失了，因为100万元不再是确定的了。换句话说，与两个都是风险收益的情况相比，当其中一个是确定性的收益时，预期价值和风险之间的权衡关系会不同。