|
我們在日常生活中更多的是使用一種快速,、無意識的思維模式。這種思維模式是人類生存所必不可少的,，但同時也會帶來各種認知偏差,。其中非常有意思的就是啟發(fā)式和偏差。 提到啟發(fā)式和偏差，就不能不提2002年諾貝爾經(jīng)濟學獎獲得者之一Daniel Kahneman 及其合作伙伴Amos Tversky (于1996年過世),。Kahneman是位心理學家,，卻獲得了諾貝爾經(jīng)濟學獎，這主要是為了表彰他“把心理學成果與經(jīng)濟學研究有效結合,，從而解釋了人類在不確定條件下如何作出判斷”,。簡單來說，在不確定條件下,，人類會采用一種啟發(fā)式的思維方法,，所謂啟發(fā)式說白了就是根據(jù)以往（相同的或類試的甚至是無關的）經(jīng)驗來對當前情況進行判斷。啟發(fā)式既可以得出正確的推理結果也有可能導致錯誤的結論,，也就是說過去的經(jīng)驗既可能有利于我們快速的作出判斷,，也有可能對我們的判斷產(chǎn)生干擾。常見的啟發(fā)式有代表性啟發(fā)法,、可得性啟發(fā)法和錨定,。 首先來看一下代表性啟發(fā)法（representiveness heuristic） 。1973年Kahneman及Tversky進行了一個名為“Tom W ”的著名實驗,，大概如下：給被試以下一段關于Tom W.的描述：“Tom W.智商很高,，但是缺乏真正的創(chuàng)造力。他喜歡按部就班,，把所有事情都安排得井然有序,，寫的文章無趣、呆板,，但有時也會閃現(xiàn)一些俏皮的雙關語和科學幻想,。他很喜歡競爭，看起來不怎么關心別人的感情,，也不喜歡和其他人交往,。雖然以自我為中心，但也有很強的道德感,?！保═om W. is of high intelligence, although lacking in true creativity. He has a need for order and clarity, and for neat and tidy systems in which every detail finds its appropriate place. His writing is rather dull and mechanical, occasionally enlivened by somewhat corny puns and by flashes of imagination of the sci-fi type. He has a strong drive for competence. He seems to feel little sympathy for other people and does not enjoy interacting with others. Self-centered, he nonetheless has a deep moral sense.） 然后要被試估計，Tom W.最有可能是以下哪個專業(yè)的學生：企業(yè)管理,，工程,，教育，法律,，圖書,，醫(yī)學，社會學,？想象一下如果你是其中一名被試,，你會怎么回答,。 結果，絕大多數(shù)被試都認為Tom W.最有可能是工程系學生,。相信你的答案也不多,。為什么呢？很有可能是因為Tom W.最像一個學工程學的學生,。也就是說,，對Tom W.的以上描述，與我們心目中一個理工科學生所應當具有的形象完全吻合（或者說代表了一個理工科學生的形象）,，所以我們認為Tom W.最有可能是工程系的學生,。這就是典型的代表性啟發(fā)式思維方式。當面對不確定的事件,，我們往往根據(jù)其與過去經(jīng)驗的相似程度來進行判斷或預測,。說簡單一點，就是基于（過去經(jīng)驗的）相似性來預測（當前事件的）可能性,。到底個體A是否歸屬于群體B,？如果個體A具有群體B的某些特征（具有相似性、代表性）,，則認為個體Ａ歸屬于群體Ｂ,。 如果我們在公共汽車上看到一個人鬼鬼祟祟，像個小偷,，則我們會認為他就是一個小偷，并提高警惕性,。有時相似性確實和可能性有關,，因此這種判斷是正確的，但有時則可能會因此忽略其它相關信息而做出錯誤的判斷,。 比如在Tom W.的實驗當中,，被試就完全忽略了學生在各個專業(yè)中的基礎比率（base rate）。就算上述7個專業(yè)的學生都一樣多,，那么任何一個學生是工程系的學生的概率和他是其它任何一個專業(yè)的學生的概率是一樣的,，即1/7。根據(jù)另外一組被試對所有學生在各個專業(yè)中所占的比率的估計,，學工程學的學生應該比學其他專業(yè)的學生要更少,，即還占不到1/7。如果考慮到這一點,，那么任意抽一個學生出來（比如Tom W.）,，他是學工程學的可能性應該是很低的。這種在判斷時忽略基礎比率而導致的謬誤就是所謂的基礎比率謬誤（base rate fallacy） ,。 關于基礎比率謬誤再舉一例,。假設在中國感染乙肝的概率大概為10%,，為健康著想你去醫(yī)院做了乙肝檢查，結果顯示為陽性,，醫(yī)生告訴你檢測結果的準確率高達90%,。你認為你感染了乙肝的概率是多少？ 這還用問嗎,？肯定是90%的可能性感染了乙肝,。但是請不要急著下結論。假設有1000個人去醫(yī)院做了乙肝檢查,，由于在中國患有乙肝的概率大概為10%（基礎比率）,，這1000人當中實際只有100個人是感染了乙肝，由于檢測的準確率為90%,，即可以檢測出其中的90個人,。剩下900個沒有感染乙肝的人，由于檢測的錯誤率為10%,，即其中會有90個人的檢測結果會顯示為虛假陽性,。所以在檢測出感染了乙肝的180個人當中，實際只有90個人是確實感染乙肝的,。因此當你的檢測結果為陽性時,，你感染乙肝的概率其實只有50%，這比90%的概率還是低了不少,。而且如果基礎比率越低,，則這種偏差就越大。 再看另外一個問題 ,，Linda,，31歲，單身,、坦率,，活潑，她學的專業(yè)是哲學,。當她還是個學生時,，就非常關注歧視和社會公正的問題，并且參加過反核武的示威游行活動,。（Linda is 31 years old, single, outspoken, and very bright. She majored in philosophy. As a student, she was deeply concerned with issues of discrimination and social justice, and also participated in anti-nuclear demonstrations.）問Linda更有可能是什么樣的人,？
1、Linda是一個銀行出納員,。 2,、Linda是一個崇尚女權主義的銀行出納員。 很多人都會選第二項,。因為從對Linda描述更符合我們心目中女權主義者的形象（或者說代表了我們心目中女權主義者的形象）,，所以我們就更傾向于認為Linda是一個崇尚女權主義的銀行出納員,。我們在這里就運用了啟發(fā)式的判斷，卻沒有注意到這樣一個基本道理：兩個獨立的事件同時發(fā)生的概率不可能高于其中單個事件單獨發(fā)生的概率,，從而犯了一個所謂的結合謬誤（conjunction falalcy）,。Linda是崇尚女權主義的概率可能很高，Linda是一個銀行出納員的概率可能不高,，但Linda同時既是銀行出納員又崇尚女權主義的概率就肯定低于前二者的概率了 ,。這個道理說出來很簡單，大家心里都清楚,，但一到實際中人們往往就不會運用,。我們會犯這樣一種錯誤的原因可能是因為對事件描述得越詳盡，就越容易讓我們產(chǎn)生聯(lián)想,，進而導致我們誤以為事件越容易發(fā)生,。 除此以外，在運用代表性啟發(fā)法進行判斷時還有可能會導致賭徒謬誤（gambler's fallacy）,，也稱為蒙地卡羅謬誤（The Monte Carlo Fallacy ）,，主要來源于這樣一個故事 ：  1913年8月18日，在蒙地卡羅的一間賭場里的輪盤 游戲中,，黑色不可思議的連續(xù)出現(xiàn)了十五次,，人們開始近乎瘋狂的沖著去押紅色。當黑色連續(xù)出現(xiàn)了二十次以后,，人們還進一步加大了他們的賭注,，因為大家都認為在黑色連續(xù)出現(xiàn)了二十次以后再出現(xiàn)黑色的可能性已經(jīng)不到百萬分之一了。結果黑色是創(chuàng)紀錄的連續(xù)出現(xiàn)了二十六次,！這間賭場因此掙得盆缽滿盈,。 大家都有這種感覺：似乎黑色已經(jīng)連續(xù)出現(xiàn)太多次，不可能再出現(xiàn)了,。這種想法很普遍。比如玩拋硬幣,，我告訴你前面拋的五次結果都是“正”,，要你猜一猜，下一次會出現(xiàn)哪一面,？肯定很多人會傾向于“反”面,。前面已經(jīng)出現(xiàn)過那么多次“正”面了，不可能還是“正”吧,？連續(xù)出現(xiàn)6次“正”面的概率太低了,。又比如人們在買彩票的時候，一般都不會選擇上一次中獎已經(jīng)出現(xiàn)過的號碼,，不可能連續(xù)兩次中獎都有同一個號碼,。其實這也是支撐賭徒一直賭下去的重要心理原素之一：我已經(jīng)輸了那么多次了,，無論怎么樣也應該會贏一次吧。 這其實也是一種啟發(fā)式的思維模式,。我們認為不可能連續(xù)出現(xiàn)6次“正”面或是極端的連續(xù)26次黑色,，或者連續(xù)兩次中獎號碼都有同一個數(shù)字，因為拋硬幣,、賭博,、彩票等事件是隨機的，這樣的概率實在是太低了,，根本就不像是隨機事件,，一個隨機事件怎么可能有這么多巧合？ 但到底怎么樣才叫“隨機”,？到底是“正反反正反正”還是"正正正正正正"更有可能出現(xiàn),？其實現(xiàn)實生活中隨機事件看起來往往都不像是隨機的，或者說隨機事件并沒有你想象的那么隨機,。所謂隨機也就意味著事件與事件之間在統(tǒng)計學意義上是獨立的（what makes a sequence random is that its members are statistically independent of each other）,，一件事情的發(fā)生在統(tǒng)計學意義上對另一件事情的發(fā)生沒有任何影響。（the occurrence of one has no statistical effect upon the occurrence of the other）,。隨機事件是沒有傾向性的,，是不可預測的，是沒有記憶功能的,。因此,，就算黑色已經(jīng)連續(xù)出現(xiàn)了N次，下一次是紅還是黑都是隨機的,，認為黑色不太可能再出現(xiàn)而瘋狂的去押紅色是沒有道理的,；不管“正”面已經(jīng)連續(xù)出現(xiàn)了多少次，下一次的結果要不是正面就是反面,，二者出現(xiàn)的概率都是50％,。 但是竟然會出現(xiàn)連續(xù)26次黑色或者連續(xù)6次正面這種情況，還是讓人難以接受,。這是因為有時小樣本不具有代表性,，樣本越小，與真實的數(shù)量相差越大,，統(tǒng)計的結果越不能反映真實的情況,。只有對總體進行統(tǒng)計的結果才是真正的結果，也就是說樣本的數(shù)量越接近真實的數(shù)量,，統(tǒng)計的結果也就越可信,。如果只拋十次硬幣，正反面出現(xiàn)的概率不一定是50%,，什么情況都有可能發(fā)生,，只有拋足夠多次,，才能得出正反面的概率是50%的結果。這提醒我們有時不要匆忙的作出判斷或下結論,，很有可能你看到的只不過是一個小樣本,。 |
|
|
