본 연구는 規範的 意思決定理論의 說明力 분석기법을 가지고 記述的 意思決定理論의 說明力 분석을 시도한 것이다. 不確實性下의 意思決定理論이 實用性을 갖기 위하여는 單純性과 함께 높은 說明力이 요구된다는 점에서 설명력 분석은 매우 중요한 의미를 갖는 것이다. 분석기법으로서는 Chew와 MacCrimmon이 개발한 HILO 構造를 사용하였다. Chew와 MacCrimmon은 이 HILO 構造를 사용하여 그들의 加重線形模型이 16개의 選擇樣態중 6개의 選擇樣態를 설명할 수 있음을 분석하였다. 한편 Becker는 HILO 구조를 사용하여 規範的 不確實性下 意思決定理論의 說明力을 높이기 위하여 제시된 프로스펙트이론(prospect theory)의 설명성을 분석하였다. 프로스펙트理論은 記述的 理論으로서 規範的 理論을 갖고 있는 수학적 모형을 갖고 있지 않기 때문에 제시된 가중함수의 성질을 이용하여 이 이론이 16개의 選擇樣態중에서 6개의 選擇樣態를 설명할 수 있음을 검증하였다. 여기서는 최근에 넓은 범위의 不確實性 狀況下에서의 선택행동을 설명할 수 있는 模型으로 제시된 벤쳐이론(venture theory)의 說明性을 분석하였다. 벤쳐이론에서는 프로스펙트理論의 價値函數(value function)가 그데로 사용되었으며 意思決定加重係數에 영향을 주는 변수들이 프로스펙트이론과 다르게 제시되었다. 이 이론은 사람들이 意思決定加重係數를 賦課하는 認知的 및 動機的 過程을 정착(anchoring)과 모의(simulation)로 설명한 것이다. 그리고 이 意思決定加重係數를 확률의 함수로 표현된 벤쳐함수(venture function)의 圖形들로 표현하였다. 분석방법으로서는 HILO 構造를 사용키로 하였으나 벤쳐이론이 意思決定加重係數(decision weight)를 몇 개의 벤쳐곡선으로 나타내고 있을 뿐이어서 현제로서는 이들 곡선을 근거로 분석할 수 밖에 없으므로 본연구에서는 圖形을 이용한 방법을 새로 개발하여 사용하였다. 분석결과 이들 벤쳐곡선이 HILO 구조의 16개 選擇樣態중 12개를 설명할 수 있음이 검증되었다. 한편 77명으로 구성된 조사집단을 대상으로 설문조사한 결과 이 들 중 93%에 해당하는 被調査人(subjets)이 벤쳐곡선이 설명할 수 있는 12개의 選擇樣態를 선택하였다. 이는 벤쳐이론의 설명성을 뒷받침하는 것이다.