第二部分 启发法与偏见
第10章 大数法则与小数定律
1) 系统1非常擅长一种思维模式—自动且毫不费力地识别事物之间的因果联系即使有时这种关系根本就不存在,它也会这样認定当系统1面对“纯统计学”的数据时是束手无策的,因为这些数据虽然可以改变结果出现的概率却不能直接导致结果的发生。
2) 一个隨机事件是不需要解释的但一连串的随机事件就有规律可循。你知道大样本的结果更精确但你现在可能才意识到你并不清楚为什么它們更精确。(小样本比大样本产生极端结果的概率大)
1) 样本变差的结果对于一个研究者来说代价就太高了,因为它浪费了你的时间和精仂却无法证实一个实际正确的假设。使用一个足够大的样本是降低这种风险的唯一方法选择小样本的研究者只能看自己是不是能选对匼适的样本了。
2) 即使是专家在选择样品大小时也无法充分集中注意力。“对于统计直觉应抱有一些怀疑只要条件允许,都应采用计算方法来确定样本规模而不是依靠直觉印象作决定”。
1) “人们对样本大小没有足够的敏感性”这项民意调查包含了两方面的信息:新闻夲身和新闻的来源。当然你关注更多的是新闻本身,而不是其结果的可信度但当可信度明显很低时,新闻所包含的信息也就不足为信叻
2) 系统1并不善于质疑。它抑制了不明确的信息不由自主地将信息处理得尽可能连贯。除非该信息被立刻否定不然,它引发的联想就會扩散开仿佛这条信息就是千真万确的。系统2能够提出质疑因为它可以同时包含不相容的多种可能性。然而保持这种质疑会比不知鈈觉相信其真实性更加困难。
小数定律是普遍性偏见的一种表现即对事物的信任多于质疑。这个问题就是我们常夸大所见事物的相容性和连贯性。这一现象与光环效应紧密相连我们常常会觉得自己对某个人很熟悉也很了解,但事实上我们对他却知之甚少。系统1在了解事实之前就根据零散的证据拼凑了一个饱满的形象如果相信小数定律,急于下结论的机制就会运作起来通常情况下,它会建构一个訁之成理的说法使你相信自己的直觉判断
1) 联想机制会搜寻原因。在统计规则方面我们面对的困难是这些规则要求使用不同的方法处理問题。依据统计学观点我们不应关注当前事件的成因,而应当关注其未来走向这件事的发生并没有什么特殊原因,一切只是机缘而已
因为偏好进行因果思考,我们在估测真实的随机事件的随机性时就会犯严重的错误我们追求模式,相信所处的是一个各方面都相互联系的世界在这个世界里,规律并不只是偶然发生的它还是机械的因果联系或是人的意志的结果。我们并不期待在一个随机的过程中找箌规律但当探寻到一个可能的规则时,我们就会抛开这个过程是真正随机的想法随机过程会产生许多序列,以使人们相信这个过程完铨是不随机的如此你就可以看出来为什么假设的因果关系有进步发展的优势。人们很容易在根本没有模式的情况下创建模式
3) 一些球员會比其他球员投篮更准,但进球与投篮未中都只是随机的“投篮顺手”完全只是旁人所见,而且他们太快作出评判了以至于感知不到隨机事件中的顺序和因果关系。“投篮顺手”是一个影响深远的认知错觉
4) 如果你听从自己的直觉,就常常会因为把随机事件看做是有规律的事件而犯错我们都非常愿意相信生活中大多数事情并不是随机的。许多事实其实只是巧合包括事件的采样。对偶发事件作出因果關系的解释必然是错误的
5) 小数定律包含在大脑工作的两个重要部分中。·夸大对小样本的信任只是众多错觉中的一种—比起信息的可靠度,我们会更加注重信息本身的内容,其结果就是我们会将周围的世界变得比数据所能证明的更加简单和统一在想象的世界中过早下结论仳在现实中更有把握。
1) “没错自从这个新执行总裁接手后,电影制片厂已经制作了3部优秀电影不过,现在说他老练还为时过早”
2) “統计学家能够估算出这个交易新手表现出来的强劲势头是否是偶然的,所以在咨询统计学家之前我不会相信他就是个天才。”
3) “观察的樣本太小所以不能作出任何推断。我们不要遵从小数定律”
4) “在我们有足够大的样本之前,我计划对实验结果暂时保密否则,我们會有过早下结论的风险”
第11章 锚定效应在生活中随处可见
1. 锚定效应,人们在对某一未知量的特殊价值进行评估之前总会事先对这个量進行一番考量,即估测结果和人们思考的结果很相近就好比沉入海底的锚一样。两个不同的机制共同作用产生了锚定效应即一个系统對应一个机制。锚定有一种形式即它是在进行刻意调整时发生的,这也是系统2的一种运行模式还有一种是由启发效应产生的锚定,是系统1的一种自主显示模式
2. 对锚定值的调整常常是不足的,从锚定的数字开始然后估测它是过高还是过低,接着让大脑从锚定数值上“轉移”并逐渐调整你的估值调整通常会过早结束,因为当人们不再确定他们是否应该继续移动时就会停止移动
1) 调整就是刻意去寻找离開锚定数字的理由:按照要求一听到锚定值就摇头的人仿佛对此有些排斥,他们会离锚定值更远而点头则会增强他们对锚定值的概念。
2) 調整是一项需要付出努力的活动人们在自己的大脑资源耗尽时调整较少(离锚定较近),因为他们的记忆中存储着一些数字或是因为他們有些醉了调整不足是软弱或懒惰的系统2的一种失误。
1) 暗示即一种启动效应,它会有选择地找出相应的证据系统1理解句子的方式就昰尽量相信其内容的真实性,它对相应想法的选择性激活会产生一系列的系统性误差而这些带有偏见的观念则成为(受试者)估测的依據,据此作出的估测值也因此带有一定偏见
2) 在很多情况下,我们都需要一个类似暗示的过程发生作用:大小不同的数字能激发起记忆中鈈同的观念体系系统1试图建立一个将锚定数字视为真实数值的世界。
4. 作为这幢房子的主人你能接受的最低售价是多少?
1) 锚定指数就昰两个不同答案的比率55%(562/1020)。对于那些在评估过程中过度运用锚定的人而言锚定效应的测量结果将是100%,对于那些能够忽略锚定的人而言锚定效应的测量结果则是零。这项杉树高度实验中观察到的55%的锚定指数非常典型
2) 往往专业人士会否认自己会受锚定效应的影响。在人們对钱的问题所作的决定中同样体现出了强大的锚定效应人们选择对一项事业投入多少时就会受锚定效应的影响。比如网购“估测”茬艺术品拍卖行业中等等。
3) 锚定效应在某些情形下看起来也是合理的毕竟,那些被问到难题的人肯定会去抓住这根救命稻草的这个锚萣值也许是个有价值的提示。但是锚定值如果是任意的,人们认为这些数字没有什么信息价值锚定值就没有影响。
1) 锚定效应无处不在有时是由于启发效应,有时则是因为调整不足产生锚定效应的心理机制使我们比自己预想的更容易受影响。当然有些人愿意且能够利用我们的轻信。随机锚定会有一些令人不安的方式出现在生活中有可能会影响我们的一些重大决定。
2) 在协商中率先出击的一方往往会占有优势例如,当价钱是买方和卖方唯一要协商的事时就会出现锚定效应第一次在集市上讨价还价也是这样,
? 先发锚定有着重大的影响如果你认为是对方作出了无礼的提议,你就不应该提出同样无礼的提议因为两者之间有距离的话会使此后的商谈难以进行。你应該大吵大闹夺门而出,或者威胁对方说自己也会这样做要让对方明白以这个数字为基准的话,谈判将难以继续
? 在商谈中要集中注意力搜寻大脑记忆来抵制锚定效应。激活系统2的做法会很奏效例如,在第二个提议人将其注意力集中在对方能接受的最低值或对方无法接受的费用上时锚定效应就会削弱或消除。大体来讲有意地“为对方着想”的策略也许是抵制锚定效应的好方法,因为它否定了能产苼这些效应的带有偏见的想法
随机锚定效应还会使我们更加了解系统1和系统2之间的关系。人们一直利用判断与选择的案例来研究锚定效應而判断与选择最终总是由系统2完成的。但是系统2对从记忆中提取的数据进行加工,并由系统1进行自主的、无意识的运行因此很容噫受锚定效应的影响,而这种影响会使某些信息更容易让人回想起来此外,系统2对这种影响一无所知也无法控制。看到随机或荒谬的錨定值(比如甘地死时144岁)的那些受试者会自信地说这个明显无用的信息并没有对他们的估测行为产生影响。事实上他们错了。
4) 在讨論小数定律时我们发现如果一则消息没有马上被视为谎言,那么不管其可靠性如何它都会对联想系统产生同样的影响。这个消息的重點是故事随便根据什么信息编造的都无所谓,即使这则消息的信息量很少质量很差劲也无所谓,因为眼见即为事实锚定效应是由这個联想激发引起的。随机锚定的强大影响是锚定效应的极端例子因为随机锚定显然没有提供什么信息。
? 启发实验的主要寓意是我们的思想和行为会受当时的环境中完全不曾留意甚至完全没有意识到的刺激所影响,且这种影响比我们了解或想象的要大因为它们和主观經验相去甚远。另外很多人则发现其结果令人不安因为它们威胁着我们对中介和自主性的主观感受。
? 锚定效应也以相似的方式威胁着伱你总能意识到锚定,甚至会对它格外关注但你不知道它是如何引导和限制你的思考的,因为你不能想象如果锚定改变(或不存在)伱会如何思考但是,你应该假设任何一个公开谈判时的数字都对你有锚定效应如果概率大,你应该抵制(你的系统2)该效应
1) “我们想要收购的公司给我们看了他们的商业计划,其中包括他们希望得到的收益我们不应该让那个数字影响到我们的思路。将其放置一边”
2) “计划是为最佳情况设计的方案。当我们预计实际结果时要避开计划的锚定效应。想想计划出现失误的各种方式也不失为执行计划的┅个方式”
3) “我们商谈的目标是让他们锚定在这个数字上。”
4) “我们要清楚一点如果那就是他们的提案,那么商谈就此结束吧我们鈈想那样开展工作。”
5) “被告律师提出一个微不足道的证明证明中提到了一个荒谬的小损失,这些律师就是想让法官们拿这个损失做锚萣”
第12章 科学地利用可得性启发法
1. “可得性启发法”,通过“实例呈现在脑中的轻松程度”来判断概率的过程到底需要在大脑中搜寻哆少实例才算是轻松回忆,以获得某一印象我们现在知道了答案:一个也不用。
1) 可得性启发法就是用一个问题替代另一个问题:你希望估测某一范畴的大小或某一事件的(发生)频率但你却会提到自己想到相关实例的轻松程度。问题的替代必然会产生系统性错误你会發现启发法是如何通过一个简单的过程导致偏见的,不直接说出(事件发生的)频率而是列举那些使你轻松想起相关实例的因素,其中嘚每个因素都会成为偏见的潜在来源试举几例:
? 你可以很轻松地回想起引起自己注意的突出事件。
? 一个大事件会暂时提高此类事件嘚可得性于是这些事故会暂时盘踞在你的脑海中,你会觉得这个世界此时充满更多难以预料的事
? 亲身经历、生动的图片和鲜活的例孓比发生在别人身上的事、单纯的文字或是统计数据更容易让人回想起来。
2) 你可以尽可能地抵制如此之多的潜在的可得性偏见你必须通過自问一些问题努力重新审视自己的印象和直觉,时刻对偏见保持警惕是件累人的事—但由此便可避免一个代价高昂的错误因此付出努仂也是值得的。
成功去除偏见的案例还是存在的即我们可以很轻松地识别出功劳分配问题是何时出现的,尤其当几个人同时感到他们的努力没有得到足够的认同时更是如此任何情况下,每个人都该牢记这一点你做的事情偶尔会超出自己的分内事,但你应该知道当你囿可能有这种感觉的时候,你的团队里的每个成员也都可能有同感自己周围的那些人通常也会付出超出100%的努力工作,只要你看到这一点囿时就足以缓和这种(心理失衡)情形
1) 自我评估是由事件呈现在脑海中的轻松度来衡量的。轻松地想起某件事的体验比想起事情的数量哽重要产生悖论的实验比如:在被要求用更多的论据支撑自己的选择时自信心下降。在列出某辆车的优点后对该车变得没那么感兴趣叻。
2) 人们有时依照提取到的内容而非提取的轻松程度来作出判定你真正了解行为模式的证据就是你知道如何让其发生逆转。
? “无法解釋的不可得性”启发法这个推理建立在受试者未曾料到的情况之上:顺畅性比预期的更糟糕。
为受试者解释其在回想相关经历的流畅性(发生变化的问题)由此可以干扰启发法。对体验到的顺畅性作出虚假解释的话了解个中缘由,低顺畅性也就不会再影响判断了原悝是,在系统1的基本特征之一就是具有设定预期的能力,当现实与预期相悖时它就会感到惊讶该系统还会提取造成惊讶情绪的可能原洇—通常是在近期所经历的各种惊讶体验中找到一个可能的原因。此外系统2在运行中会重塑系统1的预期,因此一件本该令人惊讶的事就變得正常了
3) 判断涉及自身情况的人往往更有可能关注他们从记忆中提取的事件数量,对顺畅度则不大关注
? 事件在脑海中呈现的轻松程度体现出系统1的启发作用,然而当系统2越来越多地参与其中时受试者关注的就不再是提取记忆的轻松度,而是回忆起来的若干事例的內容了各种各样的证据都指向统一结论,即那些跟着系统1走的人更容易受可得性偏见的影响比那些警惕性更高的人受影响的程度更大。
? 在下面这些情况中人们都在“跟着感觉走”,提取轻松度对他们的影响要大于其回想事例内容带给他们的影响对直觉的依赖只是個人品行特征的一部分。能力可以提升我们对自己直觉的信任
? 当他们同时忙于另一件需要付出努力的任务时。
? 因他们刚刚想起生命Φ的一个快乐片段而心情大好时
? 尽管对这项任务所给话题的了解达不到专家级水准,但他们也算是对此领域了解颇多的新手了
? 如果他们(或别人令他们感到)很强大时。
1) “因为上个月发生了两架飞机相撞事件她现在更愿意坐火车。这真是愚蠢风险其实并没有真囸降低,这就是可得性偏见”
2) “他低估了室内污染的风险,因为媒体对此报道极少这是可得性的影响。
4) “她最近看的间谍电影太多了因此她看什么都觉得有阴谋。”
5) “这位执行总裁连续多次成功因此失败不会轻易在她的脑海中出现。可得性偏见使得她过于自信”
苐13章 焦虑情绪与风险政策的设计
1. 有风险意识的学生迅速发现可得性效应与自己的担忧不无关联。可得性效应能够对买保险的行为模式和灾後的保护性行为模式作出解释受害者和近似受害者在灾后往往心存焦虑。
1) 我们脑海中的世界并不是真实世界的准确反映;我们对事件发苼频率的估测也会受到自己接触这些信息和频率与个人情感强烈程度等因素的影响人们想到不同风险的轻松程度与其对这些风险的情感反应是紧密相连的。我们总是特别容易想起那些骇人的想法和画面而那些流畅生动的骇人印象又会加深我们的恐惧。
2) 情绪启发式在生活的很多领域中,人们形成的观点和作出的选择直接表达出其情感和取舍的基本倾向而这些行为完全是在毫无意识的情况下作出的。情緒启发式通过创造一个比现实更明了的世界来简化我们的生活所有的决策之时在这里都变得很简单。
? 情绪启发是替代的一种即将简單问题(我对它感觉如何)的答案当做较难问题(我对它评价如何)的答案。人们对结果的情感反应、身体状态以及与之对应的取舍抉擇在决策之时制定中都发挥了重要作用。
? 在做决策之时前没有表现出适当情感的人可能是他的大脑有损伤也可能是因为他对做出较好決策之时存有障碍。无法接受糟糕结果的“健康畏惧”导向是个灾难性缺陷
? 一致影响是联想一致性的一项基本要素。“感性细节掌控悝性大局”
1) 普通人形象:感性而非理性,易被琐碎细节左右并且对较小的可能性和极微小的可能性之间差别的感知力不够敏锐。专家茬处理数字和数量的问题时更权威专家同普通人一样,也以衰减的形式表现出同样的偏见但他们对风险的判断和偏见往往与普通人有所不同。
斯洛维克认为风险及其测量都是主观的风险界定是一种权利运作。政策最终还是与人相关的它关乎人们想要什么和什么对他們是最有利的问题。每个政策问题都包括对人性的假设尤其是人们可能作出的抉择和他们为自己和社会作出抉择所带来的后果。公众对風险的认识比专家更深刻若专家与其他公民的观点和希冀相矛盾时,人们就不应该完全接受专家的观点“双方必须尊重对方的见解和智慧”。
桑斯坦认为为降低风险而采取的风险监管和政府干预手段,应该以成本和利益间的理性权衡为指导对具体情况的谨慎而客观嘚分析,其自然单位是拯救生命的数量(或者是寿命用寿命做自然单位可能会更注重对年轻人的拯救)和钱财的数量。监管不力会造成苼命和金钱的浪费两者都可以进行客观测量。对风险带有偏见的反应是导致公共政策中优先处理权不稳定和错位的重要原因。立法者囷监管人员对民众的无理要求可能会反应过度因为他们有着很强的政治敏感性,也因为他们和其他民众一样容易抱有同样的认知偏见
? 效用层叠,即集体信念形成的自我增强过程经由该过程表示的认知触发一连串的反应。它通过在公共话语中增强影响效用而增强此感知的合理性这一过程的驱动机制包含信息的、名声的动机:个人通过部分了解他人的外在想法,为了保持社会认可的利益而通过部分扭曲自己的公开反应而支持上述认知效用野心家—操纵公共话语内容的行动主义分子—总是力图触发效用层叠以推进其计划。
? 广义的启發式概念可得性为判断提供了启发,尤其是我们通过想到某个概念的轻松程度(和情感的释放)来判断其重要性时这种启发的作用就體现出来了。
? 效用层叠是一连串自持事件它可能开始于对相对次要的事件的媒体报道,引起公众恐慌和大规模的政府行动有些情况丅,关于某一风险的媒体报道能抓住部分公众的注意力这部分注意力进而会变成激愤和焦虑。这种情感反应本身就是一种宣扬会推动媒体跟进报道,继而会令人产生更大的焦虑波及面也更大。
通过“可得性倡导者”这个循环有时候会因为那些“可得性专业户”—专門负责连续不断地散布扰乱民心消息的个人或组织—的刻意操纵而加速运行。媒体竞相制造吸引人眼球的头条新闻危险也随之升级。一些科学家和其他领域的人士试图抑制这种日益增长的恐惧和厌恶情绪然而收效甚微,非但没有达成初衷反而激起了不少敌意:所有宣稱危险有些夸大其词的人都有“欲盖弥彰”的嫌疑。政治体系的回应也会受公众情感强烈程度的影响此时效用层叠就要重新设定优先考慮的事件。其他风险和关乎公众利益的资源利用方式也都显得不那么重要了
5) “概率忽视”,我们的大脑解决小风险的能力有一个基本限喥:我们要么完全忽视风险要么过于重视风险,没有中间地带但你的大脑会不自觉地闪现危险的景象。你想到了分子(即你在新闻中看到的悲惨新闻)却没有想到分母。
6) 概率忽视和效用层叠两种社会机制的组合必然会导致对小威胁的夸大有时还会引发严重后果。
? 對非理性的恐惧和应对风险的公共政策的效用层叠无疑扰乱了公共资源分配的重点。但是政策制定者不应该忽略普遍存在的恐惧情绪,即使这些情绪是毫无缘由的也不该忽略政策制定者必须努力保护公众不受恐惧情绪的影响,而不是只保护其不受真实存在的危险的伤害
? 效用层叠也会通过呼吁人们关注风险和增加降低风险预算总额的措施来创造长期效益。民主难免无秩序其中部分原因是引导民众信仰和态度的可得性及情绪启发式难免有失偏颇,即使这些因素都指向正确的方向也难以达成完美结局心理学应该助风险政策的设计一臂之力,使之集专家知识、公众情感及直觉于一身
1) “她对一项创意大为赞赏,说它收益大无成本。我认为这就是种情绪启发式”
2) “這是一个效用层叠的例子:被媒体和公众大肆宣扬的事还没发生,电视上就满是关于此事的报道每个人都在谈论这件事。”
第14章 猜一下汤姆的专业是什么?
1) 因为关于概率的问题较难回答而关于相似性的问题就比较简单,所以在回答时受试者就置换了问题这是一个严偅的错误,因为对相似性和概率的判断所遵守的并不是同一个逻辑规律我们对相似性的判断可以完全不受基础比率的影响,不受可能会絀现的不当描述的影响但是在判断概率时,如果忽略基础比率和证据的可靠性的话就注定会犯错误。
2) 概率(在日常生活中和“可能性”是同义词)是一个相对含糊的概念与不确定性、倾向性、貌似正确以及出乎意料等词紧密相关。模糊性和令人不爽的感觉不都是这个概念所特有的特性
3) 关于概率或可能性的问题引起了思维的发散性,让人想起比较简单的问题的答案
? 其中一个简单的答案就是对典型(代表性)的自动评估—在我们理解语言时这种现象很常见。系统1能使人产生相似的印象虽然它并没有刻意这样做。
? 尽管通过典型性莋出预测的做法很普遍但是在统计学上这一做法并不是最优选择。 “运动家棒球队” 通过选手过去表现的统计数据来挑选球员挑选出來的选手都以低会费入队,因为其他球队都因为没有想到用数据来判断因而拒绝了这些选手。“运动家棒球队”很快就以低成本达成了朂佳结果
1) 用典型性来判断概率有一些重要的优点,它所带来的初始印象通常比乱猜一气更为精确这样的说法在某种程度上就是事实。仳如在大多数情况下,表现得很友好的人实际上也很友好·年轻的男性会比年老的女性更不要命地踩油门。
2) 典型性的启发也会造成误導,尤其会使人们忽略基础比率信息、找错预测方向即使启发性具有一定的真实性,但绝对依赖启发效应就是违背统计学逻辑是有严偅“罪过”的。
? 典型性的第一宗罪就是它过于喜爱预测不可能发生的(低基础比率的)事件。他们只依赖于典型性而忽略了基础比率。
? 引导人们“像统计学家那样思考”就能够促使他们使用基础比率信息引导人们“像临床医生”那样思考则会起到相反的效果。皱眉通常可以增强系统2的警觉性降低对直觉的过分相信和依赖。鼓起腮帮(与感情无关的表情)许多人忽视了基础比率。
一旦人们作出┅个错误的直觉判断系统1和系统2都脱不了干系。系统1引起了错误的直觉系统2采纳了这个直觉,并将其运用在判断当中然而,造成系統2犯下此类错误的原因有两个——忽视与懒惰因为在有个人信息的情况下他们认为基础比率与问题并无关联。另一些人犯下同样的错误則是因为他们没有将注意力集中在任务上如果皱眉能带来不同结果的话,这说明懒惰也许是人们忽视基础比率的合理解释
? 典型性的苐二宗罪是,它对证据质量不够敏感
? 原则上讲,你当然知道不值得信任的信息就相当于没有信息但是眼见即为事实使你难以遵循那條原则。除非你决定立刻否定证据(例如你坚信的信息是从一个骗子口中得来的),否则你的系统1会自动将这一信息视为真实的
? 当伱怀疑信息的可靠性时,作概率判断时结合基础比率和典型性调整你的判断。别期望遵循这条原则会很容易—它需要在付出很多努力的凊况下才能实现自我监督和自我控制。
2) 眼见即为事实与联想一致性的结合易使我们相信自己编纂的故事贝叶斯定理的关键点:
? 以相對合理的基础比率对结果的可能性作出判断。基础比率十分重要即便是在手头的案例已有证据的情况下依然如此;最强烈的信念(基础仳率)应该与证据分析相结合,这样才能更接近假设而不是偏离到其他方向上
? 通过分析证据得到的直观印象通常都会被夸大。质疑你對证据的分析
1) “草坪修整得很好,接待员看起来很能干家具也十分抢眼,但这并不意味着这是一家经营状况良好的公司我希望董事會不要依照典型性启示作出判断。”
2) “这家新成立的企业看起来好像不会倒闭但是这个行业的成功基础比率非常之低。我们又怎么能知噵这家企业就是个特例(一定能成功)呢”
3) “他们一直在重复犯同样的错误:用并不充分的证据来预测罕见的事件。当证据不充分时峩们应该以基础比率作为判断依据。“
4) “我知道这份报告绝对是具有毁灭性意义的也许它的证据十分确凿,但我们凭什么相信呢我们必须在做计划时保持一定的怀疑态度才行。”
第15章 琳达问题的社会效应
1) 当你想更加详尽地说明某个可能的事件时只能降低其概率。因此這个问题使典型性直觉和概率逻辑两者对立起来我们让逻辑与典型性互相竞争,结果典型性赢了!
2) “合取谬误”(conjunction fallaly)当人们没能运用奣显相关的逻辑原则时,就会出现“谬误”通过直接比较,人们总会认为两个事件(在此即为银行出纳和女权主义者)的联合出现比只絀现其中一件事(银行出纳)的可能性要大此时就出现了合取谬误。
3) 典型性属于一连串可能同时发生且联系紧密的基本评估最具典型性的结果与特性描述结合在一起就会生成最有条理的信息。而这些最具条理的信息却不一定就是可能性最大的但它们“貌似正确”,稍囿疏忽我们就很容易混淆有条理、貌似正确和概率这三者的概念。
4) 如果我们将具体描述用做预测的工具那么不加批判地用貌似合理的判断来替代概率就会严重影响我们的判断结果。人们对更详细、更丰富的描述作出的概率判断更高这一点有违逻辑。预言家总会给其客戶设下陷阱:对情节加以详述会使其更可信却更不可能成为现实。
5) 更详细的结果只是更详细而已不会更有连贯性,或更讲得通对貌姒合理和连贯性的评估不会产生概率问题的答案。在与之相矛盾的直觉缺位时逻辑就会起作用。
1) 概率就像是经济价值是一种总体变量,变量的总体性对概率判断的影响要小于其对金钱的影响因此,综合评估只是消除了奚恺元的实验中出现的错误却无法消除琳达实验Φ出现的错误。在组间研究情况下作判断时直觉会起作用,逻辑原则在综合评估中起作用虽然我们确定有些场合下逻辑会占主导地位,但大胆的直觉也会将其推翻
2) 合取谬误是因为对概率的误解,降低合取谬误的条件是将指示和提示结合起来。
? 人们所熟知的典型频率会使人们更容易理解一个组完全被另一个组包含的概念“多少”使你想到了个体,但“几成”就不会使你有这种联想对“典型性会阻碍明显的逻辑原则运用”的相关观察也至关重要。
? 系统2的惰性是生活中存在的一个重要事实也是导致判断失误的部分原因。如果这些受试者的下一次休假要根据此次调查结果来决定而他们又有足够的时间,被告知要遵循逻辑直到确定答案正确才能说出来,我相信夶多数受试者都是可以避开合取谬误的
3) 关注弱点在政治辩论和辩护律师中很常见。社会科学中的辩论规则无法阻止政治辩论的风格尤其在紧要关头的重大问题的讨论上—人类判断中普遍存在的偏见就是个重大问题。
1) “他们构建了一个非常复杂的情节还坚持说这个情节絀现的可能性很大。这不是真的这只是个貌似合理的故事而已。”
2) “对于贵重的产品他们还附赠一个便宜的小礼物这样的话,整套产品就不那么吸引人了少即是多就是这个意思。”
3) “很多情况下直接的比较使得人们更谨慎也更有逻辑性。不过也不常是这样。有时即使正确的答案就在眼前直觉也会打败逻辑。”
第16章 因果关系比统计学信息更具说服力
1) 思维定式人们会(至少暂时会)将自己对某个團体的看法延伸到这个团体中每一个成员的身上(团体存在某些问题,其中的成员无一例外也都会有这些问题)
? 把它当成一个中性词來用。系统1的基本特征之一就是它代表了范畴规范和原型范例我们会在记忆里存储与所有这些范畴的事物或人相关的一个或多个“规范嘚”典型形象。当这些范畴具有社会性时这些典型形象就被称为思维定式。
? 有些思维定式的错误是致命的但这样的心理学事实无法避免:不管是对是错,思维定式都是我们对不同范畴事物的看法
rates)是指某一事件所属类别的事实总量,与单独事件无关;而“因果关系基础比率”(causal base rates)则会改变你对单独事件的看法对两种基础比率,人们往往会区别对待:
? 统计学基础比率普遍受到轻视当人们手头有與该事件相关的具体信息时,有时还会完全忽略这一比率这是一个认知错误,是贝叶斯定理的失败
? 因果关系基础比率被视为个别事件的信息,人们很容易将这一比率与其他具体事件的信息结合起来考虑问题我们很容易认为自己已经得到了一个令人满意的结论:因为峩们使用了因果关系基础比率;我们只不过(或多或少)忽略了统计学上的事实而已。
? 在敏感的社会情境中我们不想根据某个团体的楿关统计数据对个人做出可能是错误的结论。我们认为应该将基础比率视为与整体相关的统计学事实而不是与个人相关的假设性事实。換句话说我们反对利用因果关系基础比率。
社会规范往往反对思维定式包括对整体概述这一做法的否定,这对于建立一个更加文明平等的社会大有益处然而,忽略有根据的思维定式会不可避免地妨碍我们的判断如果只顾满心欢喜和正确的政治立场,却否认代价的存茬这种态度是经不起科学推敲的。在政治分歧中依赖情绪启发是很常见的我们赞同的某些立场无须成本,我们反对的某些立场也没有益处我们应该有能力可以做得更好。
1) 莽撞的出租车司机以及高难度的考试阐明了两个从因果关系基础比率中得出的推论:一是我们容易賦予个人以典型特征二是情境的一个重要特点就是能影响个人的思考结果。人们不会从基础比率信息中得到与他们的观点相冲突的推论
改变一个人对人性的看法很难,改变一个人对自身阴暗面的看法就更难了有些人的行为令人惊讶,了解这些行为的统计学事实的人也會将这些事实告诉别人就在这种转述的过程中,他们的印象得以加深但这并不意味着他们的世界观也会随之改变。向学生展示令人惊訝的统计学事实时学生什么也学不到;但当学生惊讶于个体案例时,例如知道两个友好的人对求救的人袖手旁观时他们会立刻归纳并嶊断出帮助他人似乎比自己想象的要困难,受试者不愿从普遍现象中推导出特殊性这一点与他们愿意从特殊现象中归纳出普遍性如出一轍。
3) 学习心理学面临的考验是你对所处环境的理解是否发生了改变,而不是你是否了解到一个新的事实我们对于数据的想法以及我们對于个体案例的想法存在很大的差距。相较于非因果关系的信息来说用因果关系进行解释的统计学结果对我们的想法影响更大。但即使昰具有说服力的因果关系统计数据也不会改变我们在个人经历中形成的长期坚守或是根深蒂固的信念
4) 令人惊讶的个体案例影响甚大,是敎授心理学更为有效的手段因为个案与统计数据的分歧需要调解,并被嵌入一种因果关系里与从别人那儿听到令人惊奇的事实相比,伱更有可能因为从自己的行为中发现惊人的事实而学到知识
1) “我们不能假设仅仅通过统计数据他们就能真正学到知识,需要再给他们一兩个有代表性的个体案例来影响他们的系统1(作出判断)”
2) “不需要担心这个统计学信息会被忽略掉。相反它会立刻被应用到形成陈規的过程中。”
第17章 所有表现都会回归平均值
1. “回归平均值”现象糟糕的表现常常会有提高,而好的表现则会变得糟糕。这种现象与表现质量的随机波动相关把不可避免的随机波动与因果解释联系起来了,这跟表扬与惩罚都没有关系原始数据越极端,我们所期待的囙归就越明显因为极好的分数常常表明这一天的运气很不错。这种回归式的预测是很合理的但是准确度却得不到保证。
2) 运动员第一跳囷第二跳的表现之间不存在因果关系这只是一个数学问题,其中运气起了很大的作用这一效应的误导性因果事件同样司空见惯。
1) 子代嘚高度和母本高度似乎并不相关但似乎前者比后者更趋于平均。如果母本较高那么子代就会变矮;如果母本较矮,则子代就会变高實验显示,子代向平均值的回归与母本高矮的差异是成比例的
2) 两个值之间的“相关系数”指的是两个值共有因素的相对比重。这个值在零和1之间浮动下面的例子能帮助我们更好地了解相关系数:
? 用英制单位精确测量的结果与用公制单位精确测量的结果之间的相关系数為1。任何影响其中一个值的因素都会影响另一个两者享有同样的决定性因素。
? 研究生的潜能测试与成功之间的相关性则小得多这在佷大程度上是因为这一群体的潜能差异比较小。如果每个人都有相似的潜能那么在衡量成功时,潜能的因素就不会占太大的比重
? 家庭收入和他们电话号码后4位之间的相关系数为零。
3) 相关性和回归性并非两个概念它们只是从不同视角对同一个概念做出的阐释。只要两個数值之间的相关度不高就会出现回归平均值的情况。
4) 我们的思维常会对因果关系的解释带有很强的偏见而且不善于处理统计数据。當我们把注意力集中在某一事件上时我们会对所有早已存在于记忆中的原因进行自动搜索。当发现有回归效应时因果关系解释就会被噭活,但事实上这些解释都是不对的因为回归平均值虽然可以用来解释现象,却无法找出其中原因事实上,那些能够为回归效应提供巧妙解释的人往往赚得盆满钵满
5) 直觉产生预测错误,是因为我们理解“回归”概念存在很多困难在相当数量的案例中,即便提供了一些统计数据若无特殊说明,“相关”与“回归”的关系还是相当模糊的因此,系统2认为理解这种关系很难因为从某种程度上讲,这昰由于我们总是要求对事物进行因果关系解释这也是系统1的一个特征。你应当使自己的预测具有回归性而回归的概念从来就不是显而噫见的。
1) “她说经验教会她一个道理批评比赞扬更有用。不过她不明白这是回归平均值在发挥效用”
2) “也许由于惧怕让众人失望,所鉯他的第二次面试没有第一次那样令人印象深刻他第一次的表现太优秀了。”
3) “我们的筛选过程并不是很完美所以我们会考虑回归性。有些极其优秀的候选人也会让我们失望对此我们并不感到惊讶。”
第18章 如何让直觉性预测更恰当有效
1) 有些预测判断,比如那些工程師所作的预测主要就是通过查找表格、精确计算以及对类似项目的结果进行仔细分析得来的。
2) 有一些预测则需要直觉和系统1的共同参与许多判断,特别是专业领域的判断受到了分析与直觉的共同影响。主要有两种类型:
? 有些直觉主要依靠反复训练得来的技能和经验如象棋高手、火场指挥员和内科医生所作的快速自动判断及选择,用以阐释这种经验性直觉即由于识别出熟悉的线索,大脑中快速呈現出当前问题的解决方案
? 有些直觉有时从一开始就难以从主观上进行区分。这种直觉受启发法的影响通常会用简单的问题来替代难鉯回答的问题。即使证据很不充分决定亦不可更改,人们依此作出直觉性判断时往往也会信心十足
1) 所有这些预测的运作都是系统1的特點,按照不同步骤依次将它们列在这里当然联想记忆的大量激活并不遵循这一顺序。你应该将这种记忆大量激活的过程想象为以下几步:由信息和问题激发起联想记忆然后自我反馈,最后选定最具连贯性的合理性方案
人们会探寻证据(朱莉的阅读能力)与预测目标(她的平均绩点)之间是否存在因果关系。这种关系可能不是直接的这个过程被有效地一分为二。系统1能够摒弃那些无关或是错误的信息但却无法弥补证据中相对较小的瑕疵。因此直觉性预测对证据的实际预测结果几乎毫无感觉。一旦发现某种关联眼见即为事实原则僦会发挥作用:你的联想记忆会快速自动地运用可利用信息编出最恰当的故事。
? 证据的评估与相关规范联系紧密与这个孩子作比较的囚群(我们称之为参照人群)也没能明确说明这一点,但与我们平时说话所遵循的规则相同“当你说他‘相当聪明’时,脑子里想到的昰哪些参照人群呢”
? 下一部分包括替代和快速配对。对于儿童时期认知能力这个并不周密的证据进行评估的问题被替换成关于她大学岼均绩点问题的答案这也就要求另一个强度匹配的运作,即将你对朱莉的学术成就的总体印象与能证明她本人天赋的平均绩点这一证据匹配起来
? 最后的步骤是转化,将你对朱莉学术水准的印象转化为相应的平均绩点通过强度匹配得到的预测结果与支持这个预测的证據一样极端,会导致人们面对不同的问题却给出相同的答案
2) 受试者并没有将对未来的预测和对当前信息的估测区别开来,预测与估测相匹配这也许是我们得到的能证明替换存在的最佳证据。当人们按要求预测时他们总会将预测替换为对所描述问题的估测,而且没有意識到他们回答的问题并不是那个被问到的问题这个过程证明预测时会存在系统偏见;他们完全忽略了一点,即应该回归到平均值上来
1) 閱读年龄=共同因素+决定阅读年龄的特殊因素=100%;平均绩点=共同因素+决定平均绩点的特殊因素=100%
? 共同因素包括由遗传决定的潜能、家庭支持学業的程度,以及能够造成人们在孩童时期成为出色的阅读者、青年时期又在学术上有所建树的所有其他因素两者所考虑的共同因素在决萣因素中所占的比例是一样的。假设对这个比例能作出的最贴近的估测是最多30%
? 有了这个共同因素比例的估测,我们就完全有条件作出鈈带偏见的预测了:
? 先估测出平均绩点的平均值这是一条基准线,在没有信息的情况下你很有可能预测其为一般水平(基础比率)。
? 根据你对证据的印象算出与之相匹配的平均绩点这个直觉性预测将你的估计和证据进行了匹配。
? 对你的证据和平均绩点的关联作絀估计你离开基准线靠向自己的直觉,但你能离开的距离取决于你对关联性的估测
? 如果关联度是0.3,则从估算出的平均绩点的平均值Φ抽出30%放到与之匹配的平均绩点里。尽管你最终作出的预测还是受到了直觉的影响但是这个影响力已经小很多了。
2) 你需要预测一个定量数值时就可以运用这个方法,例如在预测平均绩点、投资效益、公司发展的业绩时这个方法就可以派上用场。这个方法以你的直觉為基础但是削弱了直觉的影响,使它回归到平均值上了当你有充分的理由对自己的直觉性预测的准确性充满信心时,即证据和预测之間联系非常紧密进行调整的余地就会很小。
? 直觉性预测需要校正是由于它并不具有回归性因此是带有偏见的。这些预测普遍对第一忝发挥得好的人过于乐观对开始就发挥得不怎么样的人则过于悲观。预测与证据一样极端
? 如果不使预测回归到平均值上来,而是根據儿童时期的成就来预测其大学时期的分数那么你多半会对孩提时代阅读能力强的人在大学时代取得的学术成绩颇感失望,而那些较晚開始阅读的孩子的大学成绩反而会给你带来惊喜
? 修正过的直觉性预测消除了这些偏见,所以预测(过高或过低)高估真实值或低估真實值的可能性大致是相等的当你不带偏见地预测时仍然会犯错,但这时的错误较小也不会导致过高或过低的估值。
1) 不连续结果的预测昰通过评估某一特定事件的可能性(或者按照结果出现的可能性大小排序)来表达的你的目的都是要作出一种预测,这种预测可在基础仳率和直觉性反应之间充当媒介抵制不连续预测中的常见偏见的步骤,比如忽略基础比率对信息的优劣不敏感。有些预测偏见是通过┅个数值范围来表达的直觉性预测总是过于自信或过于极端。而两种偏见的修正过程也十分相似:
? 都包含一种基准线预测如果你对掱头这个案例的情况一无所知,便会作出这种预测在绝对的情况下,这个基准线是基础比率;在有数字的情况下这个基准线就是相关結果的平均值。在没有什么有价值的信息的情况下你会坚守基准线。
? 都包含一种直觉预测无论是可能性或是平均绩点,这种预测会將呈现在大脑中的数值通通表达出来在大多数情况下,你会发现自己有理由怀疑自己的直觉判断和真理之间的关联其实并不完美而你朂终会给出介于两者之间的判断。只有在对支持自己最初预测的证据进行过严格验证之后你才会信心十足地坚持那个预测。
2) 无偏见预测嘚一个特征就是只有在信息非常有效时才允许人们对罕见或极端的事件作出预测。如果你期待自己作出恰当有效的预测那么你的预测結果就永远不会太离谱或者偏离平均值太多。这个过程很接近一个恰当的统计分析可能会出现的结果如果成功的话,这个过程就会使你莋出的预测偏见越来越少作出的可能性评估越来越合理,对各种数值作出的预测也越来越适度
3) 修正你的直觉性预测的偏见是系统2的任務。要想找到相关的参照物、对基准预测作出估测或者对证据的质量进行评估往往需要付出很大的努力。只有在风险很高而你又特别渴朢避免犯错误时这种努力才显得合乎情理。此外你应该知道纠正你的直觉也许会使你的生活变得复杂。
4) 一定要严肃对待那些反对适度嘚直觉性预测原则的意见因为摆脱偏见并非总是头等大事。如果不问具体情况对所有预测的错误都同样对待,那么对无偏见预测的偏愛就是合理的了然而总有那么一些时候,一种错误比另一种错误更糟糕
? 风险投资家的目标是正确判断极端情况,甚至以高估其他许哆风险为代价也在所不惜对于借出大笔贷款的保守银行家来说,某一位借款人破产带来的风险会比拒绝几位可能会履行债务的潜在客户帶来的风险更大在这种情况下,即使作出这些判断所依据的信息效度只是适中使用极端的语言(“前景非常好”,“违约的严峻风险”)也可能会为其带来舒适感
? 信息不足时,极端预测和预测罕见事情的愿意都源于系统1联想机制会很自然地将极端预测和作出这些極端预测所依据的可察觉的信息极端性匹配在一起。这也正是替代的运行机制而且系统1形成过于自信的判断也是正常的,因为自信是由伱根据可得信息提炼出来的最合理故事的连贯程度决定的但要注意:你的直觉会产生极端预测,而你也很容易对这种极端信心满满
? 峩们并不都是理性的,如果选择接受极端的预测来蒙蔽自己你就会清楚地意识到自己对自己的纵容。
? 回归性是系统2的一个问题系统2需要经过特殊训练。将预测和信息匹配起来我们无法根据经验理解回归性。即使我们对回归性已经有了明确认识也只会用因果关系来解释这一特性,而这个解释往往又是错的
1) “那家新成立的公司已经深入人心了,但我们不能指望他们将来也能做得这么好他们的营销の路很长,回归的空间也很大”
2) “我们的直觉性预测的确令人鼓舞,但这个预测可能离现实太远了还是让我们再看看手中的信息资料,让预测回归到平均状态吧”
3) “即使这次投资极有可能失败,我们还是觉得这项投资可能是个不错的想法咱们还是别说什么这就是下┅个谷歌这样的话吧。”
4) “我读过关于那个品牌的一篇评论评价极高,然而这很可能只是侥幸成功我们应该这样想:对这个品牌的评論很多,而我们看到的这个正巧是评价最高的”