决策对人类生存的意义#

• 人类主宰地球并非依靠敏锐的感觉或强健的体魄，而是依赖于能够做出好的决策这一独特技能。
• 决策能力关乎技术发展与存亡，好的决策带来进步，坏的决策则可能导致灾难。

本书的研究焦点与核心发现#

• 焦点：研究人们如何决策，而非应该选择什么。
• 核心发现：
  1. 不同个体在不同情境下的思考方式具有共同性。
  2. 我们共享一套认知技能，但也存在普遍的局限性。
  3. 当决策任务与进化环境中的任务不同时，这种局限性尤为明显。

决策技能的习得与改善#

• 核心观点：明智的决策是一种需要学习的技能，会随经验而改善。
• 类比：学习决策如同学习游泳。
  1. 初始的错误本能（如学游泳时拼命将头露出水面）会导致不利结果。
  2. 改善技能的关键在于识别并消除不利的思维错误。
• 本书目标：
  • 描述并解释不利的思维习惯。
  • 提供改善决策技能的策略（而非告知目标、偏好或如何实施决策）。
  • 引入“对理性决策过程本质的分析”视角来理解决策。

生活是一门艺术，要在不充足的前提下得出充足的结论。——塞缪尔·巴特勒（英国作家）

我没有足够的权力建议你，应该选择什么，但如果你愿意聆听的话，我可以告诉你如何决策。——本杰明·富兰克林（1772年信件）

思维的本质定义#

• 定义：思维是针对并不存在于即时环境中的事物所创造出的心理表征。
  • 例子：想象墙被漆成蓝色（思维） vs. 看见绿色的墙（非思维）。
• 思维是知觉的扩展，用于填补感知图片的空缺并推测因果关系。

思维是一种“在已知现象中填补空缺”的技能。——弗雷德里克·巴特利特 (1958)

两种基本思维过程#

1. 自动思维
   • 特征：快速、无需意识努力、联想性。
   • 最简形式：单纯联结（一个想法激起另一个想法或记忆）。
   • 例子：开车时的预期与操作、直觉。
   • 原型：日常驾驶、专家直觉。
2. 控制性思维
   • 特征：有意识、需要努力、基于假设。
   • 形式：包括“如果……那么……”的形式运算思维、视觉想象、创造等。
   • 核心：认为“相比可能性，现实是次要的”（皮亚杰）。
   • 原型：科学推理、逻辑批评。

区分案例：虐待儿童者的推理谬误#

两种思维在复杂任务中的结合#

• 核心观点：任何伟大的智力成果都是两者的结合，比例难以简单区分。
• 企业高管：声称“直觉”决策，实则可能已系统考虑过选项。
• 国际象棋特级大师：
  • 研究发现（Simon & Chase, 1973）：其技能基础更多是自动化的即时视觉加工（在5秒内编码熟悉棋局的意义），而非随后的深度逻辑推理。
  • 他们依赖长时记忆中存储的大量棋局模式和经验（约需50,000小时练习）。

本书的基本观点#

• 人们在判断和选择时常使用自动思维，这可能导致较差的结果。
• 控制性思维并非永远完美或优于直觉。
• 目标是认识两种思维的相对优势，并知道在何种情境下信赖哪种思维。

认知科学的范式转变#

• 核心假设：通过将脑的活动描述成对符号的操纵，可以认识思维的本质。
• 重要提醒：这仅是类比（大脑与计算机功能相似，但内部结构截然不同）。

计算模型的核心：符号加工#

• 心算示例：展示了两种不同的内部计算策略，但都通过操作符号（数字）得到相同答案。
• 关键：思维过程具有“令人惊讶的灵活性”。
• 认知革命：使用计算机编程语言描述和模拟人类认知技能（如象棋、推理）。

编了程的计算机和问题解决者一样，都是隶属于“信息加工系统”的物种……环境的要求与信息加工系统的一些基本参数（尤其是系统记忆的特征）会产生交互作用，从而导致信息加工系统产生出各种复杂行为。——纽厄尔与西蒙 (1972)

人类信息加工系统的架构#

• 现代共识模型：包含多个加工模块和记忆缓冲器，围绕中央工作记忆运作。
• 三个关键记忆存储：
  1. 感觉输入缓冲器：短暂保存感觉信息。
  2. 短时工作记忆：容量有限，是大多数有意识思维的发生地。
  3. 长时记忆：容量（几乎）无限，存储事实、概念、程序。

记忆特性对决策的关键影响#

1. 工作记忆的有限容量
   • 是导致有限理性和偏离最优行为的主要原因之一。
   • 限制了人们能够同时考虑和操作的信息数量。
2. 长时记忆的知识存储
   • 专家（如象棋大师）与新手的核心差异在于长时记忆中存储的知识量与知识组织方式。
   • 解释了为何大师能快速识别有意义的棋局模式。

有限理性不仅源于“信息超载”（工作记忆限制），也源于自动联结等思维习惯。

20世纪中叶前的主导流派及其局限#

1. 精神分析理论
   • 焦点：无意识冲动、欲望与童年创伤。
   • 解释行为：通过防御机制将无意识冲动转换为行为。
   • 对纳粹主义的失败解释：试图用领导人的性心理变态等病态解释暴行（如对希特勒的分析），但缺乏证据且预测失败。
   • 关键忽略：个体的认知假设、思维风格和问题解决方式。

平庸之恶。——汉娜·阿伦特（针对阿道夫·艾希曼研究后提出）

认知心理学的兴起#

• 转折点：概念识别实验等研究证明，有意识的假设检验是学习的关键中介。
  • 莱文(1975)实验：证明如果概念不在被试的“假设集合”中，他们将无法学会。
  • 鲍尔与特拉巴索(1968)实验（交替反转程序）：即使强化模式混乱，被试仍能学会规则，这只能用主动的假设检验来解释。
• 基本假设：思想和信念导致行为。要理解行为，最佳途径是了解决策前的思维。
• 本书路径：利用认知科学概念理解判断与选择。

评价决策好坏的复杂性#

• 不能仅由结果判定。需考虑结果概率、结果对决策者的价值以及决策时的情境。
• 例子：在绝境中赌“蛇眼”（概率低）可能是理性的，因为它是唯一的出路。

理性的技术性定义（四条标准）#

一个理性的选择需要满足：

1. 基于决策者目前的资产（包括金钱、生理、心理、社会关系等）。
2. 基于选择的可能结果。
3. 当结果不确定时，用概率论基本原理评估可能性。
4. 在与结果相联系的概率、价值约束下，选择应具有适应性（即逻辑上一致地追求目标）。

理性在此是狭义的技术定义，用于判断决策过程是否逻辑自洽，而非评判目标或道德优劣。

为何需要理性标准？#

• 违背任何一条标准都可能导致矛盾的结论（如认为一个行为既可取又不可取）。
• 例子：若同时关注当前资产和与过去相比的资产变化，可能觉得继续一个亏本项目既明智又愚蠢。

常见的非理性决策程序#

人们常使用以下与理性标准无直接关联的程序：

1. 习惯：重复过去的选择。
2. 一致性：模仿大多数人或钦佩的人。
3. 宗教或文化原则：基于信仰或背景做选择。

期望效用理论#

• 起源：冯·诺依曼与摩根斯坦的《博弈论和经济行为》（1947）。
• 核心原则：理性决策者应选择期望效用最大的选项。
  • 期望效用 = 结果的概率 × 该结果对决策者的个人价值（效用）。
• 与期望值的区别：决策基于效用（主观价值），而非仅仅是货币价值的数学期望。

期望效用理论的检验与矛盾#

• 示例矛盾：
  1. 在 (a) 0.20概率赢$45 与 (b) 0.25概率赢$30 中选 (a)。
  2. 在 (a‘) 0.80概率赢$45 与 (b’) 确定赢$30 中选 (b’)。
• 逻辑矛盾：两组选择暗示了对U($45)/U($30)比值相互矛盾的要求。
• 意义：违背期望效用理论，即违背了理性的四条基本标准。

关于理性模型的两种观点#

本书的研究方法#

• 采用规范性（理性应如何）与描述性（实际如何）相结合的视角。
• 目标：理解理想理性与实际行为，洞察人性，并通过认识背离理性的情况来改进思维技能。

决策的基本含义#

• 核心比喻：如同行至岔路口，选择一条路径以达到渴望的目标或避免不愉快的结果。
• 进化基础：通过自然选择，人类具备了趋利避害的基本决策能力。糟糕的决策在进化史上会遭到严厉惩罚（即未能繁衍便死亡）。

有一些生物体，由于世代累积的一些错误来到这个世上，具有一种异常凄惨但又值得称颂的倾向，即在繁殖他们的后代之前死去。——W.V.O·奎因 (1969)

决策的三要素（科学定义）#

一个决策是特定情境中的一种反应，包含三个必要部分：

1. 行动方案：存在不止一个可供选择的行动方案。
2. 预期与信念：决策者对每个方案的结果和未来事件形成预期，常以信心程度或概率形式呈现。
3. 评估与价值：可能的结果可以根据当前目标和价值观在一个连续体上被评估（产生积极或消极的后果）。

决策的精髓在于信念（对客观事件的看法）与评估（对事件的主观价值判断）的整合。

决策的范畴与本书焦点#

• 范围：表2.1中的例子表明，决策通常是有意的、可意识到的心理过程，但也存在高度自动化的决策（如驾驶、眼动）。
• 本书焦点：主要关注有意的、可控制的决策过程。
• 延伸：对自主控制下具有长期结果的行为（如决定减肥），其初始行为事件被视为决策，但后续的坚持与执行过程不在本书主要探讨范围内。

记者：你还没有拿定主意？ 尤吉·贝拉：据我所知并非如此。

决策树的作用与构成#

• 作用：总结决策情境要素，便于应用决策理论原理，辅助选择最佳方案。
• 基本符号：
  • 方框 (□)：表示选择点（决策节点），决策者在此选择行动方案。
  • 从方框引出的线：代表不同的行动方案。
  • 圆圈 (○)：表示机会节点（事件节点），代表决策者无法控制的不确定结果。
  • 从圆圈引出的线：代表不同可能结果及各自的发生概率（标在线上）。
  • 最右侧：列出每个路径的最终后果及其个人价值（通常用0-100的数值表示）。

图解示例#

• 医疗决策（图2.1）：面临膝盖损伤，选择手术与否。后果价值从“手术失败”(0) 到“自然恢复”(+100)。
• 赌博决策（图2.2）：在（a）0.2概率赢$45与（b）0.25概率赢$30之间选择。用货币金额直接表示价值。
• 关键问题：在受控赌博任务中揭示的决策习惯，能否推广到复杂的现实生活决策中？

理性决策的计算方法#

• 理性预期原则：通过计算每个行动方案的期望效用来做出理性选择。
• 计算公式：期望效用 = Σ (概率_i × 价值_i)
• 计算前提假设：
  1. 能用数值表示概率和价值。
  2. 决策者的思维过程可用算术运算（加、乘）模拟。
  3. 决策者考虑了模型中所有的且仅有的选项、可能状态及后果。

计算应用#

• 医疗例子（图2.1）：
  • 手术期望效用 = (+80×0.65) + (0×0.35) = +52
  • 不手术期望效用 = (+100×0.30) + (+20×0.70) = +44
  • 理性选择：手术。
• 赌博例子（图2.2）（假设美元价值即个人价值）：
  • 选项 (a) 期望价值 = ($45×0.20) + ($0×0.80) = $9.00
  • 选项 (b) 期望价值 = ($30×0.25) + ($0×0.75) = $7.50
  • 理性选择：(a)。

现实中大多数决策并不符合该原则，但该模型为分析和改善决策提供了有用的起点。

现实中的非系统性思考#

• 问题：人们在重要决策时（如陪审团裁决），往往不进行决策树所体现的充分、一致的思考。
• 表现：通常只聚焦于一两个最吸引人的选项及其后果，而忽略其他选项的潜在收益与损失。
• 心理机制：
  1. 首因效应/确证性假设检验：初始印象控制后续思考，只寻找支持该印象的证据。
  2. 可得性偏差：想法被最易获得（可得）的经验所控制（如第1章心理治疗师的例子）。

沉没成本的定义与理性原则#

• 沉没成本：已经发生且不可收回的支出（金钱、时间、精力等）。
• 理性原则：理性的决策应仅基于未来的后果。沉没成本与未来决策无关，不应影响未来选择。

沉没成本谬误的表现#

• 现象：人们倾向于在决策时过度关注已投入的沉没成本，并因此继续投入，导致“赔了夫人又折兵”。
• 典型情境（图2.4）：
  • 滑雪案例：因已花费$90购买无法退款的滑雪票，尽管天气恶劣、体验糟糕，仍选择留下滑雪。
  • 核心谬误：将“避免浪费已花的$90”作为留下的理由。但从决策点看，$90已沉没，留下的唯一理由应是“留下比回家带来更多未来愉悦”。

对沉没成本关注的“理性”解释#

在特定情况下，关注沉没成本可能是理性的，因为放弃它可能带来未来的负面后果，例如：

1. 声誉损失：被视为浪费、愚蠢或懦弱（图2.5）。
2. 信号作用：在组织内，放弃项目可能被解读为缺乏决断力，影响未来权威。

但沉没成本本身不应是因素，只是因他人认为它重要，放弃才会带来问题。

对沉没成本谬误的理论解释#

1. 进化生物学视角：早期用“沉没投资”解释父母遗弃行为（Trivers, 1972）被修正。更合理的解释是对未来后代存活需求的敏感性，而非关注已投入的成本。
2. 过度概括行为准则：可能是对“俭以防匮”、“坚持到底”等有益行为准则的过度应用（Arkes & Ayton, 1999）。有证据显示成年人比年轻人更易犯此谬误。
3. 实验证据：Arkes & Blumer (1985) 的实验表明，购买全价剧院季票（沉没成本高）的顾客，比购买折扣票的顾客观看次数更多，排除了自然情境中的模糊解释。

应用建议#

• 可通过重构沟通框架来减少放弃沉没成本的社会阻力：强调是“明智地避免确定性的进一步损失”，而非“放弃一项事业”。
• 将注意力从过去的损失转移到未来的收益/止损上。

概率思维的核心#

• 基本原则：概率估计应仅参照未来事件。过去已发生的事件不影响未来独立事件的概率（如抛硬币）。
• 历史背景：该思想在文艺复兴时期随概率论发展而兴起。
• 经典问题：帕乔利（1494）的 balla 游戏奖金分配问题。
  • 错误方法：按已赢轮数比例（5:3）分配（关注过去）。
  • 正确方法（Peverone, 1558）：按未来获胜的概率（7:1）分配（关注未来）。

过去与未来的关系#

• 过去的合理作用：过去事件仅在能为估计未来状态的可能性提供信息时才相关（例如，一枚硬币过去20次有19次正面朝上，暗示其可能有偏）。
• 结论：理性决策建立在清晰区分过去与未来的基础上，基于对未来可能性和后果的评估，并放弃沉没成本（除非放弃会引发更严重的未来问题）。

决策研究的两个基本问题#

1. 何为好决策？
   • 传统标准：符合逻辑与概率论规则的决策。
   • 现代发展：开始纳入其他评估“好”的指标，并考察决策过程在复杂、对抗性环境中的稳健性与“生存能力”。
2. 决策因何困难？
   • 智力因素：选项数量、潜在损失、不确定性程度、权衡的复杂性。
   • 情绪因素：对价值观的威胁、决策伴随的情绪强度、时间压力等。

本书后续结构#

1. 判断心理学（第3-8章）：知觉系统的扩展，如何超越感官信息进行推断。
2. 价值与效用心理学（第9-10章）：如何知晓和预测我们的偏好。
3. 现代决策理论（第11-12章）：理性决策理论及其心理学的修正与发展。

本章主旨#

• 本章旨在介绍判断的心理机制，即人类推理、估计和预测未知事件的能力。
• 核心问题：我们的判断能力常受系统误差影响，其中最突出的是过度自信。

心理学已经忘却了自己是一门研究有机体和环境之间相互作用的科学，而演变成了一种只研究有机体的科学。这让人不禁想起了那些大男子主义膨胀的中世纪神学家，他们认为只有男性拥有灵魂，而女性没有。——埃贡·布伦斯威克（心理学家）

判断的重要性与复杂性#

• 人类大脑能超越感官信息进行复杂的推断（如三维视觉、疾病诊断），这是进化赋予的非凡能力。
• 判断过程常常是无意识的，难以被内省察觉（如“盲视”现象）。

透镜模型的提出与核心理念#

• 提出者：埃贡·布伦斯威克。
• 核心比喻：我们的感官通过介于外部世界与内部知觉之间的“透镜”（即线索）获取信息。
• 核心要求：完整的判断理论必须包含行为发生的环境。该模型是一个概念框架，用于组织判断情境的各个部分。

透镜模型的构成（图3.1）#

模型分为左右两部分，通过中间的“线索透镜”连接。

1. 左侧（环境/生态）：表示真实世界。
   • 效标 (Ye)：待判断的真实情形或目标（如一个人的真实年龄）。
   • 线索 (X1, X2…)：可观察的、与效标相关的信息（如头发、皮肤、步态）。
   • 生态效度：线索与真实效标之间的统计关系（通常为相关系数）。
2. 右侧（心理/认知）：表示判断者的心理过程。
   • 线索利用：判断者如何感知和整合线索以形成判断 (Ys)。
   • 线索利用系数：线索对判断的心理影响力。
3. 成就 (ra)：判断 (Ys) 与真实效标 (Ye) 之间的相关，代表判断的准确性。

透镜模型强调，判断是试图通过不完美的线索来洞察真实世界状态的过程。

应用案例：预测博士项目申请者#

• 研究：分析作者海斯蒂如何依据28条线索（测验分数、推荐信、大学质量等）评估申请者。
• 方法：使用线性回归分析其245份评估数据，构建模型预测其判断。
• 结果方程：准入资格 = 0.38*测验A + 0.34*测验V + 0.19*推荐信 + 0.09*大学质量
• 关键发现：
  1. 模型仅用4条线索就出色地“捕获”了海斯蒂的判断策略（模型预测与其实判断相关达0.90）。
  2. 模型的预测信度（0.90）接近其本人重测信度（0.88）。
• 局限：该模型描述了如何判断，但未说明应该如何判断（后者需要分析左侧的生态效度）。

使用透镜模型的研究策略#

1. 确定与测量线索：常需多轮试验，尤其对直觉判断（专家常无法报告所用线索）。
2. 对环境建模（左侧）：通常使用线性回归分析效标与线索的生态关系。
3. 对心理过程建模（右侧）：分析判断者如何利用线索，通常也使用线性模型。

关于人类（含专家）判断的典型发现#

1. 线索使用少：判断者通常只依赖3-5条线索。例外存在于有及时准确反馈的领域（如气象、牲畜评级）。
2. 策略多为线性：大多数判断策略是可加的、线性的，这与判断者自认为的复杂过程相反。
3. 缺乏自知之明：判断者，尤其是专家，无法准确洞察自己的判断策略（线索权重）。
4. 个体差异大：不同判断者之间的策略和一致性很低，这在医疗诊断等领域令人不安。
5. 无关信息增加自信：提供非诊断性信息会提高判断者的自信，但不会提高准确性。

专家的专业形象常令人失望，其判断水准可能与新手无异。但确实存在真正的专家，其价值在于知道“该使用哪些线索”。

里程碑式研究综述#

• 保罗·米赫尔 (1954)：对比约20个研究，发现统计模型的预测准确性均优于或等于临床（专家）判断。
• 杰克·索耶 (1966)：回顾45个研究，无一显示临床判断优于统计预测。即使专家拥有更多信息（如面试），其预测也不如基于客观数据的模型。
  • 案例：二战水手训练表现预测，仅用测验分数优于结合面试的判断。
• 埃·洛厄尔·凯利 (1954)：指出非结构化面试作为一种预测工具几乎无效。

总体结论#

对两种方法的预测准确性进行实证比较（包含136个涉及各种预测的研究），其结果表明，机械的方法几乎总是和临床方法不相上下，甚至更加优越。——格罗夫与米赫尔 (1996)

• 核心建议：向专家咨询该使用哪些线索，但让机械模型来整合线索并做出判断。

三大解释原理#

1. 数学原理：大多数单调（非交叉）的交互作用可以近似为线性模型。现实中，复杂的交叉交互作用非常罕见（图3.2）。
2. 自然原理：现实世界中，大多数变量间的交互作用本身就是单调的，因此线性模型能很好地拟合环境结构。
3. 心理学原理：人类很难同时整合多个不可比维度的信息，常采用“锚定与调整”策略（先关注最突出线索，再微调），这虽然高效但非最优。线性模型能公平、一致地校准所有线索。

专家优势通常在于知道“该注意什么”（线索选择），而非更优的“信息整合方式”。

核心主张#

• 广泛替代：一旦可能，应以线性模型判断替代人工判断（需经实证测试）。
• 效率与公平：统计模型比人类判断更高效、公平和准确。

令人惊讶的发现：“不合理”模型也有效#

• 道斯的研究：即使使用随机权重（仅符号正确）或单位权重（所有线索等权，仅符号正确）的线性模型，其预测力也平均是专家直觉判断的1.5至2.61倍。
• 启示：在整合线索时，系数的符号（方向）比具体的权重数值更重要。
• 自举引导式：收集专家的判断数据，为其拟合一个线性模型，再用此模型替代该专家进行判断。该方法总能胜过专家本人，主要归功于模型的稳定性和线性形式的强大。

反馈的偏差如何维持对直觉的迷信#

• 问题：我们对直觉判断的反馈是片面和有偏的。
  1. 选择性记忆：只记住成功，忽略或“解释掉”失败。
  2. 自我实现预言：判断本身可能影响结果（如服务员因预期小气而提供差服务，最终确实得到小费）。
  3. 结果缺失：无法得知被拒绝的申请者、被误诊的病人后来如何（“消失的效标”）。

接受不确定性的现实#

• 许多重要结果（如学业成就、疾病预后）本身包含大量“不可降低的不确定性”。
• 线性模型可能只解释了18%的变异，但专家判断可能为0%。“有缺陷的预测好过没有预测”。
• 例子：研究生表现受机遇因素（室友、教授、竞争环境）极大影响，形成“自我放大”的职业生涯路径。

线性模型在决策中的应用#

• 决策中的判断：决策常要求我们预测未来的偏好和结果。
• 富兰克林的方法：列出选项的利弊，权衡其重要性后加减，本质上是线性模型。
• 实用建议：在涉及多重因素的决策中，运用（即使是简化的）线性模型进行判断和选择，比依赖神秘的直觉更可靠。

最终立场#

• 核心信条：“只有数字才是真实的”。应克服对“神秘人脑”的迷信，像信任工程数字一样，信任经过检验的、可控的量化判断方法。
• 根本挑战：人类普遍存在的过度自信，阻碍了我们采用更优的、基于数字的决策工具。

本章主旨#

• 本章旨在深入探讨第3章线性模型背后的潜在认知过程，即锚定与调整这一基本判断策略。
• 核心观点：人们在判断时，倾向于从一个初始值（锚）出发，并进行不充分的调整，从而导致最终判断偏向该锚点。

锚的定义与来源#

• 锚：任何在判断过程中被作为起点的凸显的值。它可以是相关的信息，也可以是完全随机或无关的数值。
• 作用：在模糊或不确定的情境下，锚会戏剧性地影响估计结果，导致调整不足。

经典实验证据#

1. 随机锚的影响（Tversky & Kahneman, 1974）：

   • 任务：估计联合国中非洲国家比例（正确答案35%）。
   • 操纵：通过预设的“幸运转盘”让被试先接触一个随机数字（10或65），再判断比例是高于还是低于此数。
   • 结果：看到“10”的被试估计均值为25%；看到“65”的被试估计均值为45%。
   • 结论：即使锚是随机产生的，也会显著影响最终判断。

2. 顺序作为锚（Tversky & Kahneman, 1974）：

   • 任务：心算估计 8!（正确答案40320）。
   • 操纵：算式以两种顺序呈现：
     • 递增：1×2×3×4×5×6×7×8 → 估计中值 512
     • 递减：8×7×6×5×4×3×2×1 → 估计中值 2250
   • 结论：算式开头的数字（或其乘积）成为锚，影响了后续的估计（两个方向均严重低估真实值）。

锚的特性与影响强度#

• 极端锚也有效：即使是明显荒谬的锚（如“甘地是否在214岁去世？”）也会影响判断（Mussweiler & Strack, 2001）。
• 常见锚的类型：
  • 现状：当前状态是最常见的锚。
  • 折中值/平均值：当意见分歧时，平均值常成为讨论的新锚。
  • 自我产生的锚：由判断者自己回忆或计算出的初始值，其影响力尤其强（Epley & Gilovich, 2001）。

认知流程（图4.1）#

判断是一个序列过程，包含以下主要环节（偏差可能发生在任何环节）：

1. 选择性注意：有限的认知资源使我们一次只能聚焦于一条信息（线索）。
2. 锚定：将最初注意到的凸显值作为判断起点。
3. （不充分）调整：根据后续信息进行修正，但调整幅度通常不足。
4. 形成最终判断。

该过程自然导致首因效应：最先考虑的信息被赋予过高权重。

偏差产生的双重机制#

1. 调整不足的保守性：当新信息出现时，人们只对初始估计进行微小调整，而非彻底修正。
2. 选择性可及性：锚会激活记忆中与之相容的信息，使后续判断出现偏差（例如，高锚使人更易想起支持高估值的信息）。

与线性模型的关系#

• 锚定与调整是支持加权平均线性模型（第3章）的核心认知过程。
• 线性模型的成功部分源于人们以序列、锚定调整的方式整合信息，而线性代数能很好地近似描述这种计算过程。

财务与商业决策#

1. 房地产评估（Northcraft & Neale, 1987）：
   • 研究：专业房地产经纪人评估房屋价值。
   • 操纵：材料中的原始上市价格在真实市场价上下浮动12%。
   • 结果：上市价格显著影响了经纪人的评估和市场售价建议，尽管他们声称能识别出5%以上的偏差。
2. 随机锚与支付意愿（Ariely, Loewenstein, & Prelec, 2003）：
   • 研究：学生为商品（葡萄酒、书等）出价。
   • 操纵：出价前，先让学生看自己社保号后两位（一个随机数），并问是否愿以该价格支付。
   • 结果：社保号后两位与学生出价呈正相关（r≈0.40）。社保号大的学生出价显著更高。
   • 概念：这种由随机锚导致的需求一致性被称为“随机一致性”。

司法判决#

• 损害赔偿（Hastie, Schkade, & Payne, 1999）：
  • 模拟审判：原告要求的赔偿额（1500-5000万 vs. 5000万-1.5亿）直接影响陪审团判决的中值（分别为1500万和5000万）。
  • 结论：“要的越多，得到的越多”，即使法官已指示该要求仅供参考。
• 保释金设定：检察官的建议金额对法官设定保释金有重大影响，有时甚至成为唯一依据（Dhami & Ayton, 2001）。

偏好反转与“钱泵”#

• 研究（Slovic, Fischhoff, & Lichtenstein, 1982）：
  • 任务：对两个期望价值相近的赌博游戏进行出价和选择。
  • 赌博A：高收益（$16），低概率（11/36）。
  • 赌博B：低收益（$4），高概率（35/36）。
  • 结果：
    • 出价时：人们为赌博A出价更高（锚定在收益金额）。
    • 选择时：更多人选择赌博B（锚定在赢钱概率）。
  • 现象：偏好反转——同一人在不同任务下表现出不一致的偏好。
• “钱泵”悖论：
  • 理论上，主试可以循环利用这种不一致（按高价卖给被试A，用B换回A，再按低价买回B），像水泵一样抽取被试的钱。
  • 即使被试意识到这一点，仍会做出不一致的选择，评论如：“我知道这么做是愚蠢的……但是我确实喜欢这个。”

自我中心投射#

• 定义：在推断他人的想法、感受或行为时，以自身的反应为锚，再根据感知到的他人与自己的差异进行调整。
• 理论基础：

  如果你足够机智冷静，那么你可以坐在摇椅上，通过不断自问自己会有哪些反应来预测人们是如何反应的。如此一来，你会得到大量免费的实验样本。——托马斯·谢林 (1966)

“虚假共识效应”及其争论#

• 经典研究（Ross, Greene, & House, 1977）：
  • 任务：询问大学生是否愿意挂“忏悔”牌子在校园行走，并估计有多少比例同学会做同样选择。
  • 结果：
    • 愿意者估计：63% 的同行者。
    • 不愿者估计：23% 的同行者。
  • 结论：人们高估他人与自己观点或行为的一致性，即“虚假共识效应”。
• 适应性 vs. 偏差：
  • 适应性观点：在缺乏信息时，以自我为锚是推断他人的一个合理的启发式，因为人们之间本就存在相当程度的相似性。
  • 偏差观点：只有当人们在统计上过度依赖自我锚，权重超出合理范围时，才构成真正的认知偏差（Dawes, 1989）。证据不一。

视角采择的困难#

• 研究（Epley等, 2004）：指令发出者难以考虑接收者能看到被遮挡物体的不同视角，沟通协调失败。
• 讽刺理解：理解讽刺信息时，人们先锚定于字面意思（首次解释），需要额外努力才能调整到真实含义。

记忆受当前状态锚定#

• 原理：回忆过去时，我们以当前的信念、态度和感受为锚，对模糊的记忆痕迹进行重建，导致记忆出现系统性偏差，更接近现状而非历史真实。
• 态度回忆偏差（Markus, 1986）：
  • 纵向研究：追踪调查受访者1965、1973、1982年的政治态度，并在1982年让其回忆1973年的态度。
  • 发现：回忆的1973年态度与1982年当前态度高度相似，而与实际记录的1973年态度相差甚远。模型显示，回忆几乎完全由当前态度驱动。
• 行为回忆偏差（Collins等, 1985）：
  • 研究：追踪学生吸烟、饮酒行为。
  • 发现：当前饮酒量增加的学生，会高估自己过去的饮酒量（反之亦然），忽略了实际发生的变化。

对变化的普遍性失察#

• 人们倾向于认为自己的态度或行为比实际情况更稳定。
• 文化刻板印象（如“人越老越保守”）也会扭曲对自身变化的回忆。

毛毛虫变成蝴蝶之后，习惯性地认为它们在年幼时便已经是小蝴蝶。成熟让我们所有人变成了说谎者。——乔治·瓦利恩特 (1977)

本章主旨#

• 本章探讨支撑人类判断的两种基本认知启发式：可得性与代表性。这些是近乎自动化的能力，用于推断频率、概率和数量。
• 启发式：一种高效但可能不精确的解决问题或进行判断的心理捷径。
• 启发式源于基本认知能力（相似性评估、记忆提取、因果识别），是在经验中习得的认知工具。

启发式的性质与作用#

• 来源：来自于数学与计算机科学，与算法（精确但可能低效）相对。
• 功能：告诉我们在环境中选择什么信息以及如何整合信息，以推断无法直接感知的事物。
• 特点：
  • 通常快速、省力，在多数日常情境下有效。
  • 但有时会造成严重的系统性错误（偏差）。
• 核心机制：当判断对象（频率、概率、数量）难以直接评估时，我们会将其替换为一个更简单、更自动化的评估问题（如“这件事有多容易想起？”或“它有多像某个典型？”）。

基于记忆的频率估计#

• 人类拥有天生的频率估计能力，知觉和记忆系统会自动记录事件。
• 心理物理函数：当基于记忆估计事件频率时，主观估计与客观频率之间存在系统性偏差：
  • 对于低频事件：主观估计倾向于高估。
  • 对于高频事件：主观估计倾向于低估。
• 例证：对致命事件（如心脏病、车祸、自杀）发生频率的估计呈现出先高估、后低估的“回归”模式（图5.1）。

即时评估 vs. 记忆评估#

• 即时评估（如快速瞥见少量物体）：对1-5个项目可精确估计（“理解范围”）。
• 工作记忆局限：超过约7个项目时，需采用更审慎的策略，并开始出现低估倾向。

定义与流程#

• 可得性启发式：依赖信息从记忆中提取的便捷性（流畅性） 来判断频率或概率。
• 判断流程（图5.2）：
  1. 获取与存储信息。
  2. 保持与遗忘。
  3. 情境再认。
  4. 探测记忆（提供线索）。
  5. 提取或激活匹配信息。
  6. 评估提取便捷性（基于数量、速度、生动性）。
  7. 基于感知到的便捷性做出最终判断。

偏差来源#

• 流程中多个环节可能引入偏差：
  1. 存储样本有偏：记忆中的事件样本本身不具代表性。
  2. 记忆线索有偏：提取线索导向特定信息。
  3. 事件的凸显性/生动性差异：某些事件更突出，主导提取过程。

媒体效应与社会认知偏差#

• 案例：自杀 vs. 谋杀：多数人认为谋杀更常见，但统计数据（及自杀漏报）表明自杀更多。
  • 解释：谋杀得到媒体更多报道，因此在记忆中更“可得”。
• 研究：对各种死因的频率估计与其媒体报道频率高度相关，而非与实际发生率（飞机失事、恐怖袭击被高估；中风、胃癌等被低估）。
• 其他偏差：
  • 精神病与犯罪：媒体只报道罪犯的精神病史，导致人们高估精神病人犯罪比例。
  • 种族与犯罪：媒体报道过度关注少数族裔罪犯，实验显示人们更容易“认出”非裔美国人名字为罪犯（即使名单中无罪犯）。
  • 罕见特征的凸显：具有罕见特征（如左撇子、特定种族背景）的个体因其独特性更容易被记住和编码，导致对其群体比例的高估。

非理性概括#

• 人们容易从单一、非典型事件进行过度概括（归纳逻辑），而从一般规律到具体个案的推理（演绎逻辑）则应用不足。

  一个年轻女士跟我说：“与毛皮商打交道时我经历了最可怕的事情……他们全部是犹太人。”但是，为什么她选择去仇恨犹太人而不是毛皮商呢？——萨特 (1948)

提取过程本身的偏差#

• 案例：单词判断（Tversky & Kahneman, 1974）：
  • 问题1：有多少6字母单词以 _ _ _ _ n _ 结尾？
  • 问题2：有多少6字母单词以 _ _ _ ing 结尾？
  • 结果：人们认为以 -ing 结尾的单词更多。
  • 逻辑：所有以 -ing 结尾的6字母单词第5位都是 n，但反之不成立。实际上前者数量更多。
  • 解释：提取 -ing 单词更容易（更可得），导致判断偏差。
• 迷信与巧合：
  • 人们相信排队总选到慢队、解说员是“乌鸦嘴”等。
  • 解释：令人沮丧或巧合的事件在记忆中更突出、更容易提取，而平淡或无关的事件则不易记起。
  • 巧合在个人经历中罕见，但在大量人群的经历中普遍（阿尔瓦雷斯，1965）。

生动性效应#

• 研究：在模拟酒后驾驶审判中，将起诉方或辩护方的证据以生动（细节丰富）或贫乏的方式呈现（Reyes, Thompson, & Bower, 1980）。
  • 结果：使用生动证据的一方在裁决中占优，尤其是在延迟裁决后（记忆优势更明显）。
  • 应用：律师使用“示意证据”给陪审团留下深刻印象，正是利用可得性偏差。

情绪一致性效应#

• 当处于特定情绪状态时，更容易回忆起与当前情绪主题一致的事件，进而影响基于记忆的判断。
• 研究：
  1. 听到引发焦虑新闻的被试，会给出更高的风险评估（Johnson & Tversky, 1983）。
  2. 通过催眠诱导高兴/悲伤情绪，被试认为与情绪一致的事件更可能发生（图5.3）。

想象的便捷性影响判断#

• 定义：不依赖实际记忆，仅凭想象的难易程度来判断可能性或频率。
• 案例：
  1. 家庭威胁：想象孩子玩枪出事比想象孩子溺于泳池更容易，可能高估前者的风险。
  2. 组合问题：从10人中选2人成组 vs. 选8人成组，人们感觉前者更容易，因此判断组合方式更多。
     • 逻辑：两者组合数相等（选2人即自动生成一个8人组）。
• 启示：想象的便捷性受实际频率之外的因素影响，可导致频率和概率估计偏差。

次可加性与超可加性#

• 次可加性：对一个互斥且穷尽的事件集合中的各子事件进行单独概率估计时，其概率之和大于1。
  • 研究：医生估计病人四种预后结果的概率，单独估计之和为1.64（Tversky等）。
  • 解释：对每个子事件的描述（如“死于住院期间”）提供了生动的想象线索，而互补事件（“未死于住院期间”）缺乏具体线索，导致每个子事件都被高估。
• 超可加性：整体事件的概率估计大于其各子部分概率之和。
  • 发生条件：当子成分难以想象或回忆时。
  • 解释：“反向提取困难效应”——难以考虑的子事件被判断为更不可能。

现实案例：外星人绑架与个人贡献#

• 外星人绑架信念：一道调查问题提及“醒来感觉有陌生人”，显著提高了人们报告此类“经历”的比例（40% vs. 14%），支持了次可加性的解释（描述提供了提取线索）。
• 团队贡献评估：团队成员个人贡献估计之和远超100%，无论是积极还是消极贡献（Ross & Sicoly, 1979）。与回忆具体事例的能力相关，表明记忆可得性是原因之一。

次可加性等效应表明，对事件的描述方式（“解压缩”）通过影响认知可得性，能显著改变人们的概率判断，进而影响公共资源分配和政策制定。

核心思想与案例#

• 代表性启发式：根据客体或事件与某个范畴原型的相似性来进行分类或概率判断。
• 关键问题：过度依赖相似性，忽略基准概率和逻辑结构。

认知模型#

• 概念表征：类别在头脑中以属性列表（包括典型、相关但非定义性属性）方式表征。
• 相似性判断：常用“对比模型”，快速比对两个实体的匹配与不匹配属性。
• 判断流程（图5.5）：从刺激到激活类别原型，比较相似性，忽略基准概率，最终输出概率判断。

代表性思维的陷阱#

1. 忽略基准概率：不关心类别在总体中的基础发生率。
2. 忽略逻辑结构：如琳达问题中的集合包含关系。
3. 引发不当联想：一旦归类，会激活关于该类别的其他联想（可能是负面刻板印象）。
   • 现实案例：入学委员会因申请人拼错“工程学”单词而联想到“阅读障碍”；因申请人提到星座而联想到“占星术疯子”。这些联想忽略了“非阅读障碍者”和“非怪人”的基准概率更高。

代表性思维的本质问题是：相似性并不反映潜在的统计和因果结构。

比例规则：理清条件概率关系#

• 问题核心：人们常混淆 p(特征|类别) 与 p(类别|特征)，即混淆了“类别成员具有某特征的概率”与“具有某特征的人属于该类别的概率”。
• 数学关系（贝叶斯定理基础）： p(S|c) / p(非S|c) = [p(c|S) / p(c|非S)] * [p(S) / p(非S)]
  • 其中 S 代表类别，c 代表特征。
  • 逆反概率的比率取决于简单概率的比率和基准概率的比率。

现实中的混淆案例#

1. 辛普森案：德肖维茨称“殴打妻子的男人中只有0.1%会杀害妻子” p(谋杀|殴打)。但相关概率应是 p(丈夫谋杀|丈夫殴打且妻子被杀)，统计学家古德计算后者可能高达1/2或1/3。
2. 大麻与硬性毒品：标题“大部分吸食大麻者还使用其他致瘾药物”声称 p(硬性毒品|大麻) 高。但研究实际表明 p(大麻|硬性毒品) 高。两者因吸食大麻者远多于吸食硬性毒品者，而截然不同。
3. 驾驶安全：“大部分死亡事故发生在离家25英里内” p(死亡|近距离驾驶)，被误推为“离家越远驾驶越安全” p(近距离驾驶|死亡)，忽略了在近距离驾驶的概率本身很高。
4. CEO与宠物：94%的CEO童年养宠物，就推断养宠物导致成功 p(宠物|CEO)，但需要知道 p(CEO|宠物) 或养宠物孩子的基准概率。
5. 心理学与自尊：布兰登声称所有心理问题都源于低自尊 p(低自尊|心理问题) 高，就推断低自尊导致心理问题 p(心理问题|低自尊) 高，忽略了低自尊人群的基数可能很大。

何时会考虑基准概率？#

• 具有因果意义时：当基准概率能被赋予因果解释（如公交公司因管理不善导致事故率高），人们更可能使用它。
• 赤裸的统计数字：缺乏因果意义的基准概率常被忽略（如DNA统计证据在法庭上说服力有限）。
• 具体频率 vs. 抽象概率：人们更擅长用具体数字和频率而非抽象比例进行推理。

逃离由“现成性”主导的思维，去思考经验中不明显的关系，需要意志力和训练。

定义与经典案例#

• 合取概率谬误：错误地认为多个事件联合发生的概率，大于其中任何一个独立事件发生的概率。
• 本质：这是一种逻辑错误，因为多个事件同时发生的概率（联合概率）必然小于或等于其中任一事件的概率。
• 案例1：酗酒的网球明星
  • 问题A：一个酗酒的网球明星赢得8个月后锦标赛的概率。
  • 问题B：一个酗酒的网球明星参加戒酒协会并戒酒成功后，赢得8个月后锦标赛的概率。
  • 结果：多数人认为B（联合事件）的可能性更大。
  • 逻辑：赢得锦标赛的途径很多（如自己戒酒、运气好等），因此单独“赢得锦标赛”的概率必然高于“戒酒且赢得锦标赛”这一特定路径的概率。
• 案例2：P先生的身份（Tversky & Kahneman, 1983）
  • 任务：根据一份描述（曾是走私犯，正被调查），对P先生可能的罪行按概率排序。
  • 关键对比：
    • 选项A：P先生杀害过一名雇员。（平均排序：3.17）
    • 选项B：P先生杀害过一名雇员，以阻止其报警。（平均排序：2.9）
  • 结果：增加了特定动机（“为了…”）的联合描述，被认为比单纯的谋杀更可能发生。
• 案例3：医疗诊断（Tversky & Kahneman, 1983）
  • 任务：医生评估肺动脉栓塞患者同时出现两种症状的概率。
  • 结果：91% 的医生认为，两种症状（如“呼吸困难”和“不太可能的症状——偏瘫”）联合出现的概率，高于单独出现那个“不太可能”症状的概率。
  • 解释：两种症状的结合在医生心中形成了一个更合理、更连贯的“解释”。

合取谬误表明，一个情节连贯、解释力强的“好故事”会使人高估其真实发生的概率。

为什么“好故事”会误导判断？#

人们构建和相信连贯故事的过程，会导致对概率的高估（图6.1）。主要原因有三：

1. 概率的乘法效应被忽视：

   • 数学事实：多个独立事件联合发生的概率等于各自概率的乘积（p1 × p2 × … × pk）。
   • 心理现实：人们评估时，往往被其中“有代表性”的单个事件的较高概率所锚定，并进行不充分的向下调整，导致最终估计远高于真实概率。
   • 示例：即使每个事件概率都高达0.8-0.9，六个事件连续发生的真实概率可能只有0.37，但人们仍会高估。

2. 想象力的影响：

   • 对整体事件的生动想象，会使人更相信联合事件比独立事件更可能发生。
   • 示例：P先生为特定动机杀人，比他为任何动机杀人更容易在脑海中形成具体情景。

3. 可得性偏差的强化：

   • 戏剧性的、巧合的联合事件更易被关注、谈论和记忆，从而在认知上更“可得”，进一步放大了对其发生概率的高估。

陪审员决策的故事模型#

• 核心假设：陪审员通过构建故事来整合证据、理解案件，故事与裁决选项的匹配度决定最终判决（图6.3）。
• 研究证据（Pennington & Hastie, 1991）：
  • 陪审员会依据自己对证据的理解，构建一个按时间顺序排列的因果故事（图6.2）。
  • 不同裁决（如有罪/无罪）对应着截然不同的故事版本。
  • 故事越完整、具体、独特，陪审员对该裁决的信心越强。

故事的影响力：呈现顺序与种族因素#

1. 证据呈现顺序效应：

   • 实验：操纵原告与被告的证据呈现顺序。
     • 故事顺序：按事件发生的时间顺序呈现。
     • 目击者顺序：按审判中目击者出庭的顺序（混乱）呈现。
   • 结果：当原告使用故事顺序而被告使用目击者顺序时，78% 的陪审员判定有罪；反之，只有31% 判定有罪。
   • 结论：能以“故事顺序”更好构建叙事的一方，在裁决中占据巨大优势。

2. 种族与故事可信度：

   • 辛普森案分析：非裔美国人比欧裔美国人更可能相信“种族主义警察伪造证据”的故事。
   • 解释：个人的生活经历、背景信念（如对司法系统不公平的体验）会影响其对特定故事版本的接受度。

法律策略的启示#

• 最佳策略：在开场陈述中就提出一个连贯、可信的故事框架，引导陪审员依此解读后续证据。
• 警示：提出一个糟糕的辩护故事，可能比不提故事更不利。
• 因果推断：陪审员常使用“反事实思维”（“如果……那么……”）来检验因果关系，这成为故事构建的关键部分。

叙事性事实#

• 观点：在心理治疗中，来访者对其生活的叙述方式是理解问题的关键。
• 治疗目标：帮助来访者重构一个更具适应性、更合理的生活故事，即使这与历史真相不完全一致。
  • 弗洛伊德后期意识到，关键“病因”事件可能并未发生，但重构故事仍有助于治疗。
• 潜在问题：这种重构可能导致来访者将生活发现视为对“真实”自我的发现，而非一种有益的创造，从而可能形成自我限制的归因（如“我就是个自恋狂”）。

记忆为故事服务#

• 自传体记忆会受当前态度、信念和情绪影响，为维护一个连贯的自我叙事而被重构。
• 我们可能从文化原型、家族神话中提取元素，来实现预设的“生活脚本”。

情景思维的局限性#

• 问题：生动的、具体的因果故事（如“地震引发洪水致死千人”）会让人高估其发生概率，而低估更宽泛、更可能事件（如“任何原因导致洪水致死千人”）的概率。
• 本质：这仍是合取概率谬误——具体故事的逻辑概率更低，但心理概率却被抬高。

案例：核战争风险#

• 生动但片面的情景：人们容易聚焦于少数几个生动的核战触发情景（如恐怖分子偷运核弹），并错误地认为只有这些特定情景才会导致核战。
• 理性的概率思维：
  • 应系统考虑所有可能路径的长期概率。
  • 微小概率变化具有巨大长期价值：假设每年核战概率从0.02降至0.0133（降低1/3），则未来40年无核战的概率从0.44升至0.58——这个差异在生死攸关的决策中至关重要。
• 核心信息：

  理性分析要求对情境和可能结果进行系统全面的表征，以便评估事件发生的重大潜在概率。……与陷进一些少数几个扣人心弦的情景细节相比，概率评估更加有效。

后见之明偏差#

• 定义：在知道事件结果后，人们会错误地高估自己原先预测到该结果的可能性，并认为该结果本就“不可避免”。
• 别称：“渐进决定论”——事后看来，事情的发生似乎是注定的。

关键研究与证据#

1. 经典实验（Fischhoff, 1975）：人们在知道事件（如尼克松访华）结果后，回忆自己事前的预测时，会产生偏向实际结果的偏差。
2. 因果关系的作用（Wasserman, Lempert, & Hastie, 1991）：
   • 后见之明偏差主要发生在人们能为结果构建出有说服力的因果解释时。
   • 如果结果被归因于意外、无因果联系的事件（如反常风暴），则偏差减弱。
3. 现实案例：水门事件录音带（Neisser, 1981）：
   • 对比约翰·戴恩的证词与尼克松的秘密录音，发现戴恩的记忆虽详细但存在偏差，其证词更符合他作为证人时的情境，而非事件原貌。
4. 信念扭曲记忆（Conway & Ross, 1984）：
   • 研究：参加（无效的）学习技能项目的学生。
   • 结果：项目后，这些学生回忆自己项目前的技能比实际报告更差。
   • 解释：他们重构了记忆，以使其与“项目应能提高技能”的信念相一致，从而“证明”了项目的“效果”。
5. 心境与童年记忆（Lewinsohn & Rosenbaum, 1987）：
   • 发现：当前抑郁的人更倾向于将父母回忆为“排斥、无爱心”。
   • 抑郁治愈者与从未抑郁者的回忆无差异。
   • 挑战：这表明成年心理问题与痛苦童年记忆的关联，可能部分源于当前痛苦心境对记忆的偏差性重构，而非真实的童年经历。

定义与核心实验#

• 控制错觉：人们倾向于将偶然事件视为与技巧有关，从而相信自己能对其施加控制。
• 关键研究（Ellen Langer, 1975）：
  1. 彩票实验：
     • 设计：被试获得一张印有橄榄球员的彩票。一组自选球员，一组随机分配。中奖概率相同。
     • 结果：当实验者提出购买彩票时，自选组被试的要价平均是随机组的4倍。
     • 结论：自由选择增强了“控制感”，尽管它不影响实际概率。
  2. 抛硬币预测实验（Langer & Roth, 1975）：
     • 设计：让耶鲁本科生预测抛硬币结果，给予虚假反馈（30次对15次），但操纵前期/后期正确次数。
     • 结果：
       • 前期正确多的被试认为自己的预测能力“在平均水平之上”。
       • 超过25% 的被试报告表现会受分心物干扰，40% 认为可通过练习提高。
     • 结论：人们相信预测随机结果是一种可培养、可干扰的“能力”。

现实影响与后果#

1. 商业利用：赌场和彩票设计欺骗性的技巧元素（如自选号码、使用体育术语），以强化玩家的控制错觉。
2. 交通选择偏好：
   • 现象：人们偏爱开车而非坐飞机，部分源于认为开车“更有控制感”。
   • 风险事实：一次越洋飞行的死亡概率约等于开车20公里。
   • 悲剧后果：据估计，“9·11”后因改驾车出行而额外导致了约 1，500人死亡（Gigerenzer, 2006）。
3. 金融投资表现：
   • 研究（Fenton-O‘Creevy等， 2003）：投资银行交易员玩一个指数变动完全随机的游戏。
   • 结果：
     • 交易员普遍存在控制错觉（认为自己能影响随机指数）。
     • 控制错觉程度与绩效呈负相关：错觉强的交易员收入少约10万美元，对银行利润贡献更少，上司评价也更低。

对随机序列的错误直觉#

• 问题根源：我们对随机性的朴素概念包含过多的交替变化。当面对真正的随机序列时，会因其“看起来不够杂乱”（交替少于预期）而断定其为非随机。
• 代表性思维作祟：我们依赖对随机过程的刻板印象（认为小样本必须“代表”总体比例）进行判断。

具体表现与案例#

1. 赌徒谬误：
   • 定义：认为如果一个独立随机事件很久未发生，那么它“发生的时机就成熟了”。
   • 示例：抛硬币连续8次正面后，人们感觉第9次出现反面的可能性更大。
   • 逻辑：硬币无记忆，每次抛掷独立，概率恒定。
2. “祸不单行”与空难分析：
   • 普遍信念：空难会“扎堆”发生。
   • 数据分析（Vaught & Dawes）：1950-1970年空难间隔天数完美符合p值恒定的随机模型。随机序列本身就会产生“扎堆”，但人们会错误推断背后有因果（如“势头”）。
3. 篮球“热手”现象：
   • 定义：认为球员一次命中后，再次命中的概率会暂时提高（一种正反馈）。
   • 经典研究（Gilovich， Vallone， & Tversky， 1985）：分析费城76人队等球队数据，未发现热手效应。球员某次命中后再次命中的概率与投失后命中的概率无差异。
   • 调查：90%以上的篮球运动员和体育记者相信热手效应存在。
   • 后续分析（Koehler & Conley， 2003）：分析NBA三分球大赛数据，即使考虑解说员提到的“热手”，也未发现非随机模式。
   • “微波炉”文尼·约翰逊案例：有研究称发现其非随机模式，但复核原始录像发现数据记录错误，纠正后其表现仍符合随机模型。
4. 出生顺序的误解：
   • 实验（Tversky & Kahneman， 1974）：让人们估计不同生育顺序（如“女男女男男女” vs “男男男女女女”）的家庭数量。
   • 结果：80%以上认为交替多的序列更常见。
   • 事实：所有特定顺序的概率完全相同（(1/2)^6）。
   • 解释：交替多的序列“看起来更随机”，符合人们对随机性的错误刻板印象。
5. 伦敦轰炸地图（图7.1）：
   • 现象：二战时伦敦市民从V-1/V-2导弹落点图中看到了“集中打击区”。
   • 解释：市民推断德军有意避开间谍藏身处。
   • 数学分析：落点分布与随机泊松过程完全一致，不存在系统性意图。
6. “癌症集群”癔症与德州神枪手谬误：
   • 现象：社区癌症发病率异常升高，引发环境归因和公共调查。
   • 统计事实：在随机模型中，局部地区癌症发病率“异常高”是普遍现象。例如，加州有80种癌症，在5000个普查区中，超过2750个区至少有一种癌症发病率会“统计上显著过高”。
   • 调查结果：成千上万的“热点追踪”调查，几乎无一明确指向环境因素。
   • 德州神枪手谬误：先射击（事件发生），后画靶心（寻找解释）。这会导致浪费公共资源并错误建立关联。
   • 现实案例：马萨诸塞州沃本恩白血病集群，最终也未发现污染物与癌症间的可靠因果关系。

人们极易从随机数据中“看到”模式，并构建因果解释，而忽略这些模式完全可能（且经常）是随机波动的结果。

概念与统计必然性#

• 定义：在两个不完全相关（相关系数小于1）的变量中，对其中一个变量的极端值进行预测时，另一个变量的预测值会趋向于平均值，而非同样极端。
• 统计必然性：只要两个变量不是完全相关，回归就会发生。它是所有不完全相关关系的内在属性。
• 发现者：弗朗西斯·高尔顿（1886），命名为“后代趋中回归”。

机制解释（图7.2）#

• 以父亲与儿子身高为例。高个父亲群体的儿子平均身高仍高于常人，但低于其父亲的平均身高。反之，高个儿子的父亲平均身高也低于儿子。
• 原因在于身高并非完全遗传（相关非1），存在变异。因此，极端组的配对值会向均值“回归”。
• 回归程度指标：回归 = 完全相关(1) - 实际相关系数。相关系数越低，回归效应越强。

忽略回归导致的错误判断#

1. 《体育画报》封面厄运：
   • 现象：登上封面的运动员或球队随后表现下滑。
   • 解释：登上封面是因为取得了极端优异的成绩，随后表现向平均回归是统计必然，无需“骄傲”、“分心”等特殊解释。
2. 商业中的“卓越”陷阱：
   • 《商业中庸才的胜利》（赛克雷斯特，1933）与**《追求卓越》**（彼得斯和沃特曼，1984）：挑选当时极端成功的公司总结成功秘诀。
   • 后续：这些公司业绩随后普遍下滑（《商业周刊》，1984）。
   • 本质：选择了极端值，随后观察到向均值的回归，误以为是管理因素导致的变化。
3. 飞行教官的教训（Tversky & Kahneman, 1974）：
   • 情境：教官表扬出色表现后，学员下次往往变差；斥责糟糕表现后，学员下次往往进步。因此教官认为惩罚比奖励更有效。
   • 真相：这是纯粹的回归效应。极端好表现后会自然回归（变差），极端差表现后会自然回归（进步）。奖励与惩罚的效果被回归假象混淆。
4. 解雇教练/CEO的“效果”：
   • 情境：球队或公司表现极差时解雇领导，随后表现改善。
   • 问题：无法区分是领导更换的作用，还是从极端差表现向均值回归的作用。
   • 分析：谨慎的统计分析表明，大部分改善可归因于回归效应。
5. 临床评估的陷阱：
   • 错误做法：直接比较病人治疗前后分数（如MMPI量表）。
   • 后果：最初症状最严重的病人，因回归效应，改善分数可能最高，从而被误判为“治疗最有效”。
   • 正确做法：应基于前测分数与常模的相关性，做出回归预测，然后将后测实际分数与预测值比较。

在评估任何针对极端表现（好或坏）的干预措施效果时，必须将趋均数回归效应考虑在内，否则极易得出因果关系的错误结论。

从“内部观点”转向“外部观点”#

• 内部观点：决策者倾向于强调每个问题的独特性，陷入具体情境细节。
• 外部观点：将当前问题视为一系列类似问题中的一个，从整体分布和概率角度思考。
• 经典案例：课程设计项目（Kahneman & Lovallo, 1993）
  • 内部估计：团队成员估计项目还需18-30个月完成。
  • 外部观察：专家回顾类似项目，发现约40%会放弃，完成者则需7-10年，且当前团队资源低于平均。
  • 启示：外部视角的基础概率信息能显著纠正过于乐观的内部估计。

概率思维的基本要素与四种情境#

定义事件关系（以掷骰子为例）：

1. 简单事件：掷出一个1。
2. 合取事件：同时掷出1和6。
3. 析取事件：掷出1或6（或两者）。
4. 条件事件：已知点数和为7，其中一个骰子是1的概率。

用概率描述的四种情境：

1. 理想随机情境（如骰子、扑克）：可通过逻辑分析推断概率。
2. 定义明确的实证情境（如大学生特征）：可通过统计频率计算概率。
3. 中等明确的情境（如总统大选预测）：难以获得精确频率，但可系统列出相关事件和样本空间，进行因果推理。
4. 大量未知的情境（如未来国际冲突）：样本空间都难以建构，但系统分布表征仍优于直觉判断。

判断错误常始于对情境的错误理解（表征）。建立有效的外部表征（图示、符号）是理性分析不确定性的第一步。

问题表征的模糊性：两个经典难题#

1. 三张卡片问题（Bar-Hillel & Falk, 1982）：
   • 问题：三张卡（红-红、白-白、红-白），随机抽取一张且红面朝上，问该卡是“红-红”的概率。
   • 典型错误答案：1/2（认为排除了“白-白”，只剩两种可能）。
   • 正确答案：2/3。
   • 错误根源：基于“整张卡”表征问题（剩两张）。正确表征应基于“卡面”（图8.1）：红面朝上的等可能事件有三个（红-白的红面，红-红的两个红面），其中两个属于红-红卡。
2. 三门问题（蒙提霍尔问题）（vos Savant, 1991）：
   • 问题：三扇门后一轿两羊。你选1号门，知情人主持人打开一扇有羊的门（如3号），问是否应改选2号门？
   • 难点与争议：事件复杂性高，且对主持人行为规则的描述模糊。
   • 可能的规则：
     1. 主持人随机打开一扇你没选的门（可能开出轿车，游戏结束）。
     2. 主持人总是打开有羊的门，且不选你挑的门；若你已选中轿车，则随机开另一门。
     3. 主持人总是打开有羊的门，且不选你挑的门；若你已选中轿车，则有偏好（如开序号小的门）地开门。
   • 普遍接受的表征与答案（基于规则2）：应改选。改选获胜概率为2/3，不改选为1/3（概率树见图8.2）。

促进理性判断的工具#

• 图表表征：概率树、决策树、韦恩图，能有效理清事件关系。
• 频率框架：鼓励人们基于频率而非单一事件的可能性思考，可显著减少合取谬误等错误。（例：在频率框架下，“琳达问题”的错误率从86%降至约20%）。

评价判断质量的两个标准#

1. 准确性（与外部标准的一致性）：
   • 需要可衡量的标准事件、判断者与评价者对目标认识一致、偏差代价对称。
   • 基础是第3章的透镜模型。
2. 内部一致性（符合逻辑与概率规则）：
   • 当缺乏外部标准时，通过检查多个判断间的逻辑一致性来评价理性。
   • 例：认为琳达更可能是“女权主义出纳员”而非“出纳员”，违反了概率论，因而是非理性的。

• 判断错误的性质：许多错误被描述为“错觉”，因为仔细思考后人们能意识到错误，但未加控制时仍会本能地犯错。

理性评价的实践困难#

• 问题表征的客观性：将现实问题转化为可应用理性原则的形式常很困难（如三门问题的模糊性）。
• 目标明确性：了解决策者的确切价值取向以定义理性标准，通常并不容易。
• 现实约束：理想化理性在信息充分、时间充裕时最优，但现实决策常在嘈杂、信息不全的环境中进行，“快而省”的启发式有时更具适应性。

典型问题：乳腺癌预防性手术（McGee, 1979）#

• 新闻报道：外科医生罗杰斯博士为“高风险”女性实施预防性乳房切除手术。
• 依据：放射学家沃尔夫的研究称，93%的乳腺癌在57%的高风险女性中发现。
• 医生的推理：高风险女性患癌概率很高（暗示接近50%）。
• 理性分析（使用概率树，图8.3）：
  • 问题混淆了 p(高风险|癌症) 与 p(癌症|高风险)。
  • 基于报道数据计算：p(癌症|高风险) = 71/570 ≈ 0.12，而 p(癌症|低风险) ≈ 0.014。
  • 结论：高风险组患癌概率仅为12%，远非“每2到3人中就有1人”，手术理由的统计基础完全无效。

改善逆概率思维的方法#

1. 建立因果联系：当基础概率与结果有因果关系时，人们更可能使用它。（例：将出租车颜色比例表述为“肇事事故中15%是绿车”）
2. 使用代数符号：将问题转化为概率符号并应用公式（如比例规则、贝叶斯定理）。
3. 使用图表：概率树、韦恩图能直观展示关系（推荐按因果/时间顺序绘制）。
4. 频率思考：想象一个具体频数（如1000名女性）并逐步推理。

经典案例：乳腺癌诊断（Casscells等, 1978; Eddy, 1988）#

• 问题：40+女性乳腺癌患病率1%。X光检查对80%患者呈阳性，对10%非患者也呈阳性。问：一位阳性结果的女性，实际患癌概率？
• 医生典型答案：约75%。
• 正确答案：约7%。
• 计算（贝叶斯定理）： p(癌症|阳性) = [p(癌症)×p(阳性|癌症)] / p(阳性) = (0.01×0.80) / 0.107 ≈ 0.07 （其中 p(阳性) = 0.01×0.80 + 0.99×0.10 = 0.107）（概率树见图8.6）

错误根源与改进方法#

• 错误根源：
  1. 忽略基础概率（1%的患病率）。
  2. 忽视“假阳性”率 p(阳性|未患癌)。
  3. 被证据的诊断力 p(阳性|癌症)=80% 锚定。
• 改进方法：
  1. 使用贝叶斯公式组织思维：明确需要哪些信息（先验概率、似然率）。
  2. 图表表征：按因果顺序绘制概率树（图8.6, 8.7）。
  3. 频率思考：想象1000名妇女，逐步推算。

出租车辨色问题（Bar-Hillel, 1980）#

• 问题：85%蓝车，15%绿车。目击者辨色准确率80%。目击者称肇事车为绿色，问车真是绿色的概率？
• 典型答案：0.80（忽略基础概率）。
• 正确答案（贝叶斯计算）：0.41（计算见图8.7）。
• 启示：基础概率信息极易被具体的、生动的证据（目击证词）掩盖。

对体验效用的测量与启示#

• 峰-终评价原则（Redelmeier & Kahneman, 1996）：人们对一段体验的整体评价，主要取决于体验过程中最强烈的感受（峰值） 和结束时的感受（终值）。
• 时长忽略：体验的持续时间对整体评价影响甚微。
  • 经典实验：被试将手浸入冰水。一组浸入14°C水60秒，另一组先浸14°C水60秒，再浸15°C水30秒。尽管后者痛苦时间更长，但65% 的被试在需要重复体验时选择了更长的后者，因为其结束时痛苦较轻。
• 对“追求快乐”的理性建议：
  1. 了解局限：个体总体幸福感有约50%受内在的、相对稳定的“快乐设定点” 影响，如同体重有设定点。
  2. 主动提升：可通过特定练习（如表达感激、改善社会关系）提升快乐“容量”。
  3. 明智选择：选择内在满足感强且不易适应的体验；避免已知的“损害快乐的因素”。
• 决策动机的多样性：快乐并非唯一驱动力，还包括规则遵循（“好公民应该投票”）、冲动（赶时间而超速）、习惯等非结果导向的动机。

价值与效用的测量#

• 概念：价值常与货币等价物同义；效用或个人价值则指更广泛意义上的渴望性程度。
• 心理物理学起源：
  1. 韦伯定律：产生最小可觉差所需的刺激增量与原刺激强度成固定比例（韦伯分数）。
  2. 费希纳定律：心理感觉强度是物理刺激强度的对数函数（图9.2），解释了边际报酬递减规律。
• 经济学中的应用：丹尼尔·伯努利将边际递减规律应用于金钱的主观价值（效用），认为金钱的效用函数也呈对数形，即收益的边际效用递减。

预期理论的核心观点#

预期理论（Kahneman & Tversky, 1979）是一个描述性理论，解释人们在风险决策中如何实际评价结果。

• 两大核心特征：
  1. 参照依赖：人们根据结果与某个参照点（通常是现状）的差距来评价得失，而非根据最终总财富。
  2. 损失厌恶：价值函数在损失域比收益域更陡峭，即人们对损失的感受比等量收益更强烈（图9.3）。
• 框架效应与矛盾选择：
  • 收益框架：“已得200美元，选确定再得100美元，还是赌50%得200美元或0美元？” → 多数人风险规避，选确定收益。
  • 损失框架：“已得400美元，选确定损失100美元，还是赌50%损失200美元或0美元？” → 多数人风险寻求，选赌博。
  • 矛盾本质：两个问题的最终结果完全等价（确定300美元 vs. 50%得200/400美元），但因参照点改变（200 vs. 400美元），导致选择相反，违背了经典效用理论（应只关注最终结果）。
• 虚假确定性效应：
  • 例：选项a（20%得45美元）与b（25%得30美元）对比；选项a‘（80%得45美元）与b’（确定得30美元）对比。
  • 行为：很多人选择a（期望值更高）和b‘（确定性吸引）。当用两阶段形式呈现逻辑等价的选项a’‘与b’‘时，人们因将“进入第二阶段”视为心理现状，而对第二阶段的“收益”表现出风险规避，选择b’‘。
  • 本质：因问题表征方式（整体 vs. 分阶段） 不同而导致偏好逆转，是一种框架效应。
• 与Coombs模型的潜在冲突：Coombs的“坏的事物会逐渐升级”暗示负性结果的边际负效用递增，而预期理论的损失域仍是边际递减（只是更陡）。一种解释是，Coombs模型描述体验效用，而预期理论描述决策效用（对未来结果的预测）。

预期理论成功描述了直觉性、自动思维导致的决策模式，而经典效用理论则提供了理性决策的标准化基准。我们应认识前者，并在必要时运用分析性思维遵循后者。

三种评价启发式及其偏差#

1. 基于记忆的启发式：依赖过去类似经历的体验。
   • 偏差：记忆可能不准确或不具代表性。
2. 基于模拟的启发式：想象未来情景来预测感受。
   • 主要偏差：
     • 免疫忽略（Gilbert等，1998）：预测时忽略心理适应能力，高估好/坏事件对长期幸福感的极端且持久的影响（如获得/失去终身教职）。
     • 热-冷共情差距（Loewenstein，1996）：处于“冷”（平静）状态时，无法准确预测自己在“热”（情绪唤起、饥饿、性唤起等）状态下的行为和偏好，导致自我控制失败（如低估诱惑力）。
     • 伴随情绪的影响（Lerner等）：决策时无关的偶然情绪会系统性扭曲评价。如恐惧使人风险规避，悲伤使人愿花钱改变处境，厌恶促使人贱卖物品，愤怒使人冒险。
3. 基于计算的启发式：通过推理预测喜好。
   • 典型偏差：多样化偏差（Simonson，1990）：当为未来多次消费（如三次会议点心）做一次性选择时，人们会过度追求多样化；而为每次单独选择时，多样性需求降低。人们低估了自己在不同时间点偏好的稳定性。

典型策略举例#

• 多属性效用理论 (MAUT)：最全面、系统的补偿性策略。本质是线性加权求和，为每个属性赋予权重并评分，选择总分最高者。

  • “通过这种方式，各种支持或反对的理由同时呈现在思考范围内，接着我就开始尝试估计它们各自的权重……我了解到了全貌，因而我认为自己能够做出较好的判断……”——本杰明·富兰克林致约瑟夫·普利斯特列的信（1772），阐述其“德智代数法”。

• 满意决策 (Simon, 1956)：设定一个可接受的标准，搜寻并选择第一个达到此标准的选项，而非寻找最优选项。
• 排除法 (Tversky, 1972)：选定一个重要属性，排除所有不达标者，再换一个属性继续排除，直至剩一个或少数几个选项。
• 选最好的 (Gigerenzer et al., 1999)：从最重要属性出发，直接选择在该属性上明显占优的选项。

在信息有限、时间紧迫或有认知干扰的现实条件下，“快速而节省”的启发式策略常能达到接近最优策略的效果，展现出适应性。

满意决策与有限理性#

• 有限理性 (Simon, 1956)：决策者在认知能力、信息、时间有限的约束下，追求“满意”而非“最优”的理性。
• 关键问题：在满意决策中，搜索顺序至关重要，且常由与决策无关的因素决定，使选择可能被操纵。
• 有限理性策略的实用性案例：招聘秘书：
  • 情境：100人申请一个职位。
  • 策略1（深入评估前20人）：若随机排序，前5名优秀者中有1人出现在前20名的概率为0.68。此策略节省大量时间。
  • 策略2（最优停止规则）：先随机评估前37%的申请者（约37人），了解整体水平，之后选择第一个比这37人都优秀的申请者。此策略下选到最优候选者的概率最高（约37%），平均需评估约29人。
  • 结论：在现实约束下，采用事先设定的、有规则的有限理性搜索策略，通常优于试图评估所有选项的“完全理性”但不可行的做法。

七大公理及其理性内涵#

1. 可比性：对于任何两个选项A和B，决策者总能比较其偏好，即要么A≿B，要么B≿A，或两者同时成立（无差异）。
   • 争议点：现实中是否存在真正的“无法选择”？“显示性偏好”理论认为选择本身即定义了偏好，但选择可能受认知困难或情绪影响，未必反映真实偏好。
2. 传递性：如果A≿B且B≿C，那么A≿C。
   • 理性捍卫：违背传递性可能导致**“钱泵”** ——他人可利用其偏好循环无限榨取钱财。从康德哲学看，具有传递性的选择类似于为所有人制定永久性政策，更具宏观合理性。
3. 闭合性：如果A和B是选项，那么它们的任何概率混合ApB也是一个选项。
   • 这是构建理论的基础，要求决策者能将概率混合本身视为一个可评估的选项。
4. 概率的分布 (可化简性)：[(ApB)qB] ~ (ApqB)。
   • 要求决策者遵循概率论，将多阶段赌博简化为等价的一阶段赌博（见图11.2, 11.3）。
   • 行为违背：虚假确定性效应（见第9、10章）中，人们对逻辑等价的单阶段与两阶段赌博表现出不同偏好，违背此公理。
5. 独立性：如果A≿B，那么对于任何选项C和概率p>0，都有 (ApC) ≿ (BpC)。
   • 核心公理，争议最大。意为在两个选项中加入相同的“概率彩票”不应改变原有的偏好顺序。
   • 行为违背：虚假确定性效应也违背此公理（见图11.5）。此外，人们对结果分布的偏态（见图11.6）有偏好（如喜欢正偏态的彩票），这也与独立性公理隐含的“只关心期望值”相冲突。
6. 一致性：对于任何结果A和B，如果A≿B，那么A ≿ (ApB) ≿ B。
   • 理性上无可辩驳：如果偏好A甚于B，那么一个以一定概率得到A、否则得到B的赌博，其吸引力应介于A和B之间。
7. 可分解性 (阿基米德性质)：对于任何结果A≻B≻C，存在一个概率p，使得B ~ (ApC)。
   • 意味着不存在“无限好”或“无限坏”的结果，总能用概率混合在好坏结果之间找到一个无差异点。
   • 关键作用：此公理为测量效用值提供了方法（见下文）。

效用测量与应用#

• 测量方法：利用公理7，可以给最好和最坏的结果任意赋值（如100和0），然后通过调整概率p，找到使决策者对确定的中等结果B与赌博(ApC)无差异的p值，从而计算出B的效用值（例如，若p=0.8时无差异，则B的效用值为80）。
• 效用函数的形状：
  • 凹函数（边际效用递减）常对应风险规避。
  • 凸函数（边际效用递增）常对应风险寻求。
  • 效用函数的测量可用于解释和预测个体在风险决策中的行为。

Allais悖论#

• 情境：
  • 选择1：A. 确定得到100万美元；B. 10%得250万，89%得100万，1%得0。
    • 大多数人选A。
  • 选择2：A′. 11%得100万，89%得0；B′. 10%得250万，90%得0。
    • 大多数人选B′。
• 矛盾：根据期望效用理论，在第一组中选择A意味着U(100万) > 0.10U(250万) + 0.89U(100万) + 0.01U(0)。若设U(250万)=1, U(0)=0，则可推出 0.11U(100万) > 0.10。在第二组中，A′的期望效用为0.11U(100万)，B′为0.10。因此，偏好A应导致偏好A′，但实际人们偏好B′。
• Savage的分析 (见图11.9)：通过将结果按筹码颜色重新表述，显示出两组选择中“红色筹码”的奖励相同，选择应只取决于对“蓝色”和“黑色”筹码奖励的偏好，因此偏好不应反转。这凸显了对独立性公理的违背。

Ellsberg悖论#

• 情境：桶中有90个球，30红，60个不知比例的黑和黄。
  • 选择1：Ⅰ. 红球赢100；Ⅱ. 黑球赢100。多数人选Ⅰ（规避模糊）。
  • 选择2：Ⅲ. 红球或黄球赢100；Ⅳ. 黑球或黄球赢100。多数人选Ⅳ（仍规避模糊）。
• 矛盾 (见图11.10)：根据独立性，黄球结果相同的部分应不影响选择。偏好Ⅰ胜于Ⅱ意味着主观认为红球多于黑球；但偏好Ⅳ胜于Ⅲ意味着主观认为黑球或黄球多于红球或黄球，这又意味着黑球多于红球。两者矛盾，表明人们无法为模糊事件赋予一致的主观概率，违背了期望效用理论对概率评估的要求。

应用实例#

1. 夫妻乘飞机问题：
   • 情境：一对夫妻带孩子旅行，考虑是否分开乘坐不同航班以降低全家同时遇难的风险。
   • 分析：设两人同时遇难效用=-1，都安全=0，一人遇难效用=x。计算分开飞与一起飞的期望效用。结果发现，只有当 x > -0.5（即一人遇难的痛苦小于两人同时遇难痛苦的一半）时，分开飞才是更优选择。这促使决策者反思自己对风险的真实价值判断。
2. 医疗检查顺序问题 (Fryback & Thornbury, 1976)：
   • 情境：肾脏病变需做两项检查（抽吸法和动脉造影术），后者痛苦和风险是前者的10倍。医生通常在判断肿瘤概率>1/2时先做动脉造影。
   • 期望效用分析：计算表明，只有当肿瘤概率 > 10/11时，先做动脉造影才是最优。这远高于医生实际采用的阈值。分析促使医生调整决策，更常优先选择创伤小的检查。
3. 工厂自动化决策：
   • 情境：工厂主在引进自动化设备（提高利润但减少就业）上犹豫。
   • 决策分析：通过澄清其核心价值（提供就业、社区声望而非仅利润），分析显示自动化不符合其根本目标，从而解释了其不安并避免了错误决策。

决策分析的价值#

• 帮助决策者澄清和量化内在价值与目标。
• 促使行为与价值观保持一致，避免因沉没成本等非理性因素干扰。
• 并非强加价值观，而是提供工具使隐含的价值观显性化，从而做出更理性的选择。

编辑阶段：构架决策问题#

编辑阶段为决策构建认知表征，涉及以下关键操作：

1. 设定参照点：
   • 通常将现状设定为参照点（价值为0），用以区分获益与损失。
   • 参照点也可以是抱负水平（期望目标）、安全水平（可承受的最大损失）等。这些点影响信息搜索和满意度。
   • 案例：赛马赌博：一天快结束时，赌徒更倾向于押注赔率高（胜率低）的马，以期赢回损失，将“收支平衡点”作为参照点。
   • 商业决策：管理者常关注下跌风险（可承受的最大损失）、盈亏平衡点和生存点。
2. 整合与分离结果：
   • 人们倾向于分离获益（如，两个100美元的礼物比一个200美元的礼物更让人开心）和整合损失（如，一笔200美元的罚款比两笔100美元的罚款感觉更好）。
   • 这源于价值函数在参照点附近最为敏感的特性。Richard Thaler据此提出了心理账户概念。

评价阶段：计算选项价值#

评价阶段包含估价和决策加权两个核心计算过程。

1. 估价：价值函数 (见图12.1) 价值函数 v(x) 具有三个核心特征：

   • 参照点依赖性：价值基于与参照点的偏离（获益或损失）而定。
   • 敏感性递减：获益和损失的边际价值都递减。函数形式为：v(x) = x^α (若x≥0)； v(x) = -λ(-x)^β (若x<0)。其中α和β通常小于1（约0.88）。
   • 损失规避：损失带来的痛苦感大于等量获益带来的快乐感。系数λ（损失规避系数）通常约为2.25。

2. 决策加权：决策权重函数 (见图12.2) 决策权重函数 π(p) 将客观概率 p 转化为决策权重，呈反S型曲线，特征如下：

   • 对极低概率过度反应（曲线在0点附近陡峭）：解释了购买彩票或为消除极小风险支付过高费用的行为。

     “消除‘最后10%的风险’是毫无必要并且没有收益的尝试。”——美国最高法院法官Stephen Breyer (1993)，以新汉普希尔有毒废料清理诉讼为例，说明为消除极低风险花费930万美元是不合理的。

   • 对中等概率不敏感（曲线中部平坦）：人们对中等概率的变化反应不足。
   • 对高概率反应不足，但对确定性极为看重（曲线在1附近再次陡峭）：确定性效应解释了Allais悖论中的选择模式。
   • 函数形式为：π(p) = p^γ / (p^γ + (1-p)^γ)^(1/γ)，其中γ约为0.65。

• 决策流程图：图12.3总结了预期理论的决策过程。

经典案例#

1. 亚洲疾病问题 (Tversky & Kahneman, 1981)：
   • 生存框架：“如果采用A方案，200人将生还（72%选择）；如果采用B方案，有1/3机会600人生还，2/3机会无人生还（28%选择）。”
   • 死亡框架：“如果采用C方案，400人将死去（22%选择）；如果采用D方案，有1/3机会无人死去，2/3机会600人死去（78%选择）。”
   • 矛盾：A与C、B与D结果等价，但多数人在获益框架（生存）下风险规避，在损失框架（死亡）下风险寻求。
2. 医疗决策框架 (McNeil等, 1982)：
   • 向患者描述手术效果时，使用生存率框架只有18%的人选择放射治疗，而使用死亡率框架则有44%的人选择放射治疗。框架效应在医生、患者中均存在。
   • 现实问题：医生常避免与晚期患者坦率讨论预后。如何中立呈现信息成为挑战（建议同时呈现两种框架或使用视觉图表）。
3. 金钱选择问题：
   • 框架1（收益）：刚得到1000美元，选“确定再得500美元”还是“抛硬币赌1000美元或0美元”？多数人选确定选项。
   • 框架2（损失）：刚得到2000美元，选“必须返还500美元”还是“抛硬币赌返还0美元或1000美元”？多数人选赌博选项。
   • 两对选项实质等价，但偏好发生反转。

框架效应的性质与影响#

• 并非言语花招：有深刻的心理学原理支持，且效应持久。即使向被试指出其选择矛盾，他们仍可能坚持原选择或仅部分更改 (Lewis; Hawkins, Dawes, & Johnson, 1987)。
• 应用与解释：
  • 保险与彩票：购买保险可被构架为用小额确定损失规避大额可能损失；购买彩票可被构架为用极小成本博取巨大收益（尽管期望值为负）。
  • 安全带使用：人们将不系安全带视为小的舒适感收益，而低估事故带来的巨大损失。若将系安全带构架为保持现有幸福状态的保险，可能更有效。
  • 法律策略：原告律师用损失框架（要求赔偿伤害），被告律师用收益框架（讨论支付金额）。

禀赋效应#

• 定义：一旦拥有某物，个体对其的评价（卖价）会显著高于未拥有时的评价（买价）。
• 经典实验 (Kahneman, Knetsch, & Thaler, 1991)：给一半学生咖啡马克杯，拥有者的卖价中位数约为$5.25，而未拥有者的**买价中位数**约为$2.25-$2.75。这种差异在多种物品和实验设计中均稳定存在。
• 机制解释：
  1. 质询理论 (Johnson, Haubl, & Keinan, 2007)：卖者关注物品的用处，买者关注金钱的其他用途，不同的关注点导致价值评估差异。
  2. 情绪影响 (Lerner等, 2004)：悲伤情绪增加买价（“悲伤不吝啬效应”），厌恶情绪降低卖价。这可以用情绪评价理论解释：悲伤引发改变处境的动机，厌恶引发“驱逐”物体的动机。
• 市场含义：禀赋效应导致买卖双方心理价值存在差异，是市场交易效率低下（“棘手问题”）的部分原因。

其他表现与应用#

1. 风险不对称估价 (Thaler)：让人们暴露在0.001患病风险下，他们要求10000美元补偿；但让已携带病毒者为将风险从0.001降至0的疫苗付费，他们只愿出200美元。
2. 短视性损失规避 (Thaler)：解释为何人们不愿投资股票。
   • 现象：投资者过度偏好稳定债券而非长期收益更高的股票。
   • 解释：股票价格频繁波动带来痛苦（损失规避）。若频繁查看投资回报（如年度报表），人们更规避风险；若查看周期长（如30年总结），则更愿投资股票。
   • 含义：投资报告的频率影响风险偏好。

对不确定性的普遍厌恶与应对#

• 社会投入：社会花费巨大以消除不确定性，即使为消除最后10%的不确定性也可能付出不成比例的代价。
• “未知的未知” (拉姆斯菲尔德)：指我们毫无概念、无法系统分析的事物（如恐怖袭击），比“已知的未知”（如普通飞机失事）更令人恐惧。
• 构建解释系统：人们常发明“更高水平的基本原理”（如宗教道德叙事、占星学、塔罗牌）来解释随机事件，赋予其表面上的确定性，以缓解对不确定性的恐惧。
  • 案例：即使实验未发现任何超感官知觉证据，但对超感官知觉的信仰在学生中普遍存在 (Ayeroff & Abelson, 1976)。

高估技能与低估随机性#

• 即使在充满随机性的领域（如体育、投资），人们也倾向于高估技能成分，低估随机性（运气） 的作用。
• 案例：Abelson的棒球研究 (1985)：专业球迷估计棒球击球手的击球表现差异中，技能贡献约为25%。实际通过统计分析，技能的可解释变异比例仅为约0.5%。球迷高估了技能作用约50倍。

  “棒球迷倾向于将命中率为0.330的击球员视为英雄…而命中率为0.260的击球员是关键时刻的出局者。”——Abelson

• 启示：在许多重复情境中（职业评价、手术、判决），即使微小的判断偏差也会被数百次决策放大，产生巨大累积影响。

迷信行为与概率匹配#

• 迷信的产生：当结果混合了技能与机遇时，人们容易产生迷信，混淆因果。
• “赢——保持，输——转换”策略：一种强化迷信的学习模式，使个体无法区分适应性行为与纯粹巧合。
• 概率匹配实验 (Tversky & Edwards, 1966)：在70%概率出现蓝牌的随机序列中，理性策略是每次都猜蓝牌（成功率70%）。但被试倾向于按概率匹配，即70%猜蓝，30%猜红，导致成功率降至58%。
  • 核心发现：即使经过1000次反馈，并告知顺序随机，被试仍无法接受任务的内在不确定性，坚持寻找模式。
• Suppes的虚假反馈实验：被试收到与反应无关的、虚假的（10%、50%或90%）正确率反馈。
  • 虚假高成功率（90%）组：提出简单规则。
  • 虚假中等成功率（50%）组：提出复杂规则，并设想如何改进。
  • 虚假低成功率（10%）组：变成“方法论者”，思考如何找到规则。
  • 极少有人能正确认识到任务是不可能的把戏。
• 理论解释 (Einhorn, 1986)：直觉方法倾向于将概率事件视为决定性事件，从而忽略了基础概率的考量。这解释了为何统计（机械）预测方法常优于临床（直觉）判断。

享乐预测的偏差#

1. 预测准确性有限：我们只能中等程度地准确预测自己对未来结果的评价和情绪反应。
2. 结果的复杂性：结果本身比我们预期的更难预测和更复杂。
3. 过度估计影响：我们高估了特定结果对长期幸福的总体验影响。
   • 原因一：对回归均值趋势不敏感，导致对好坏结果的预期都过于极端。
   • 原因二：免疫性忽视 (Gilbert, 2007)：我们低估了自己的心理免疫系统，即从伤害中复原和适应好事的能力。

享乐设定点理论#

• 当前最佳幸福理论认为，大多数人有一个享乐设定点——快乐或抑郁的背景水平，由基因或早期经验决定，在个体间差异很大 (Diener & Biswas-Diener, 2008)。
• 重大生活事件（离婚、失业、中奖）会引起强烈的情绪波动，但通常在3到6个月后，个体的幸福感会回归到其设定点附近。
• 对决策的意义：我们花费过多认知资源预测未来的“快乐”，而更有效的策略可能是关注结果的其他实质性属性（如健康、安全、效率、经历），而非概括性的“快乐”预测。

病态解释：从不确定性到妄想#

• 案例：病人哈罗德：在经历失业、丧子等一系列打击后，哈罗德将所有事件解释为一个“帮助他的秘密组织”的策划，产生了精神病式的洞察力 (Arieti, 1974)。
• 社会层面的病态解释：将瘟疫归咎于“犹太人投毒”、将经济萧条归咎于特定群体等，都是试图用简单因果叙事消除复杂不确定性的病态努力。

归因偏差与“公正世界”信念#

• 健康人群的归因模式：倾向于将成功归因于自身，将失败归因于外部（如运气）。
• 抑郁症患者的归因模式：常表现为相反模式（将失败归因于自身）。
• “公正世界”信念 (Lerner, 1980)：认为世界本质是公正的，人们会得到他们应得的。这导致：
  1. 对受害者的责备：认为贫穷、患病或遭遇不幸的人“罪有应得”，从而减少帮助意愿。
  2. 受害者的自我谴责：在** hindsight bias **（后见之明偏见）作用下，受害者自己也倾向于寻找自己的“过错”。

后见之明与多原因解释的陷阱#

• 案例：埃克森·瓦尔迪兹号油轮泄漏事故：事故发生后，人们很容易构建一个连贯的因果故事（船长酗酒、人员不足、副手失误等）。然而，这些因素单独出现时大多并未导致事故。
• 核心问题：在低基础概率事件和多原因多后果的情境中，追溯性解释通常是不可靠的。前瞻性概率分析远比后见之明的叙事更有价值 (Dawes, 1993)。

虚幻控制信念的危害#

• 适度的控制感有助于激励行为（如员工绩效）。
• 过度的、虚幻的控制信念则是有害的：
  • 导致傲慢（将成功全归功于己）或抑郁（将失败全归咎于己）。
  • 案例：Taylor的乳腺癌患者：一位患者相信通过控制饮食（如吃芦荟）可以防止癌症复发。复发后，她才转而去做自己真正想做的事（写小说）。对虚幻控制的执着可能浪费了宝贵的时间和精力。
• 理性观点：我们只需要基于现实的控制能力。像成人一样生活，意味着接受我们对结果的控制是有限的、依赖于具体情境的，而非泛化的。

不确定性的积极价值#

• 希望之源：未来的不确定性孕育了希望。如果一切（如职业成功、疾病结局）都提前确定，生活将失去挑战和意义。
• 自由与道德的前提：只有当我们不知道确切结果时，才拥有真正的选择自由，并面临道德困境。

对确定性信息的矛盾态度：以基因为例#

• 人们对于获知可能导致严重负面结果的确定性基因信息（如阿兹海默症、亨廷顿舞蹈症基因）态度矛盾。
• 亨廷顿舞蹈症检测研究 (Sieff, Dawes, & Loewenstein, 1999)：
  • 主要发现：最令人失望的结果是无结论性的检测。携带致病基因者适应了坏消息（未普遍自杀或放弃生育），而未携带者也未过度狂喜。
  • 结论：人们会适应，但低估了自己的适应力。
• 艾滋病检测研究：类似地，人们高估了阳性或阴性结果对自己五周后情绪的影响，实际情绪比预测的更中性。
• 核心悖论：追求知识（减少不确定性）是人的天性，但终极的确定性可能并不令人愉悦。