《第二章认知心理与行为实验.doc》由会员分享，可在线阅读，更多相关《第二章认知心理与行为实验.doc（26页珍藏版）》请在三一办公上搜索。
1、第二章 认知心理与行为实验【本章精粹】实质理性和过程理性的区别。启发式偏差的内容。框定偏差产生的原因及其表现。“默认选项”如何与“维持现状偏差”联系在一起。在行为经济学理论体系产生的过程中，诺贝尔经济学奖获得者西蒙(HerbortA.Simon)的“有限理性”发挥了启蒙作用。在此之前，“理性经济人”是新古典经济学的重要假定，冯诺依曼(John Von Noumann)和摩根斯坦(Morgenstern)以及萨维奇(Savage)等建立的“预期效用理论”(expected utility theory)建立在“理性经济人”假设上，并以严格的数学方程将人类的认知及偏好形式化。而西蒙等人所倡导的研究
2、方法，强调人类决策过程中的真实心理活动对人类决策行为及结果的影响。以此为基础的行为经济学否定新古典经济学关于“理性经济人”的基本假定，认为经济行为的决策者不是纯粹理性的，而是有限理性的。因此，在人的认知过程中，会由于其处理信息时的非完全理性而产生种种偏差。本章将就人在认知过程中产生的心理偏差及其表现展开论述。矚慫润厲钐瘗睞枥庑赖賃軔。实质理性 过程理性 认知偏差 出租车案例 框定偏差 负面情感 维持现状第一节 认知理论及认知的有限理性一、人的认知过程：信息加工系统20世纪50年代，信息科学作为一门研究信息的产生、获得、变换、储存、处理、显示、识别和利用的新兴学科诞生了。随后，人们把这门科学中有
3、关信息的规律和理论推广到不同的研究领域。1978年，纽威尔与西蒙(Newell&Simon)将信息加工的观点引进了心理学研究领域，认为信息加工观点就是将人脑与计算机进行类比，将人脑看作类似于计算机的信息加工系统。事实上，纽威尔与西蒙所提倡的类比只涉及软件，即机能性质上的类比(即在行为反应水平上的类比)，例如记忆、思维和推理等。然而，纽威尔和西蒙认为人脑与计算机这两者不能在硬件上进行对比，因为人的物质结构是生物细胞，而计算机是电子元件；同时，他们又指出，人与计算机在功能上是有相似之处的，因为两者都有信息输入和输出、信息储存和提取的过程，两者都需要依照一定的程序对信息进行加工。据此，纽威尔和西蒙倡
4、导将计算机作为人的心理的模型，并试图对人的心理及计算机的行为作出某一种统一的解释。聞創沟燴鐺險爱氇谴净祸測。信息加工系统是指能够接收、存储、处理和传递信息的系统。这个系统由多个部分组成，纽韦尔(Newell)和西蒙为此提供了一个简洁的模型来表示信息的输入、编码、加工、存储的过程。信息加工系统的一般结构如图2-1所示。残骛楼諍锩瀨濟溆塹籟婭骒。从图2-1中可以看出，信息加工系统由记忆装置、加工器、效应器和接收器组成，其各自的功能与关系如下。记忆装置是信息加工系统中的重要组成部分之一。在记忆装置中，存储着大量的符号结构，它们由各种各样的符号按照一定的内在关系联结在一起而组成认知结构，而信息加工就是
5、对符号和符号结构的操作与处理的过程。酽锕极額閉镇桧猪訣锥顧荭。图2-1 信息加工系统加工器在信息加工系统中执行操作工作，按照特定的指令程序对信息进行控制或处理。一般包括3个方面：一系列基本的信息加工过程；短时记忆，即对输入和输出的信息进行加工处理；一套解释程序，即确定信息在信息加工系统中的先后顺序，以及需要执行加工处理的基本信息。彈贸摄尔霁毙攬砖卤庑诒尔。接收器和效应器具有输入和输出的功能。输入是指把信息输入信息加工系统的过程，也就是在记忆系统中建立代表外部事物的内部符号结构。输出则是与输入相反的操作过程，是指接收指令程序并作出反应活动的过程，其涉及与客观事物相互作用的功能，并通过信息加工系统
6、中的输入和效应器这两个部分来实现。謀荞抟箧飆鐸怼类蒋薔點鉍。认知心理学将人们的认知过程视为人脑的信息处理过程。该过程包括4个主要环节，即信息获取、信息加工、信息输出和信息反馈。这些环节均受到决策环境和行动后果的影响。行为决策者哈格斯(Hogarth) 提出的“判断的理论模式”很好地反映了人们的认知过程，如图2-2所示。 Robin M. Hogarth ed., Insights in Decision Making: Theory and application. Chicago: The University of Chicago press.厦礴恳蹒骈時盡继價骚卺癩。图2-2 判断的理论
7、模式二、理性认知的分类与基本模型(一) 实质理性和贝叶斯规则关于人类认知的普遍认识是：人是完全理性的，每个人尽力做到不犯错误，坚持正确的观点和信念。现代经济学中的“理性”主义思想的起源可以追溯到17世纪英国哲学家、经济学家约翰洛克(John Locke)，他在人类理解论中指出：“唯一的、确实的知识属于那种数理的、逻辑和演绎的性质如果间接地通过论证而看出的例如，一个三角形的三内角之和等于两个直角这是理性的知识”。 Locke, John.1997.The works of John Locke.London:Theommes Press.洛克提出的关于理性的概念不仅是一种理智的含义，他还加入一种
8、有关终极目的的感情的意义，我们可以称之为“幸福”，他认为“理性”和“上帝”“自然法则”以及“人类幸福”是同一的。茕桢广鳓鯡选块网羈泪镀齐。而今，大部分经济学家都在相同的意义上使用的“经济人”假说和“理性人”假说，即实际上新古典经济学基础的“理性人”假说，最初是由亚当斯密的经济人假说发展而来的。鹅娅尽損鹌惨歷茏鴛賴縈诘。亚当斯密在国民财富的性质和原因的研究一书中指出，一个只是盘算自己利益的人虽然既不打算促进公共利益，也不知道自己是在什么程度上促进公共利益，但是却会在看不见的手的指导下去尽力达到一个并非他本意想要达到的目的。他追求自己的利益，往往比在真正处于本意的情况下更有效地促进了社会的利益。
9、Adam Smith, LL.D.1776.An Inquiry into the Nature and Causes of the Wealth on Nations.Kennikat Press.他举例说明：我们每天所需的食物和饮料，不是出自屠夫、酿酒师或面包师傅的恩赐，而是出于他们自利的打算。受利己之心所驱动的个人，在看不见的手的指引下的利己行动却可以增进一般社会福利。这样的人就是经济人，斯密将其描述为自私的、更大个人利益的追求者。籟丛妈羥为贍偾蛏练淨槠挞。新古典经济学家则把“理性经济人”假设归纳为在数学上的约束条件下寻求极值的问题，借助数学中的导数、偏导数和拉格朗日乘数等工具，对经济问
10、题进行分析，使经济学走向形式化与严密化。而经济分析的精密化又反过来赋予“理性经济人”更明确的含义。具有完全理性的理性人对各种决策的结果具有完全而准确的了解，从而始终追求最优目标，作出最优决策，因而具有与决策相关的所有信息，其具有以下特点。預頌圣鉉儐歲龈讶骅籴買闥。(1) 理性人具有完全意志能力，能够保证其效用函数具有有序性和单调性。有序性保证理性人在不同行动方案下得到的效用是可以比较的。单调性则保证理性人能够在不同的效用之间判断出偏好程度的差异，并对其进行排列。渗釤呛俨匀谔鱉调硯錦鋇絨。(2) 理性人具有充分计算能力，即使存在不确定性，理性人也可以通过概率判断各种可能行动方案的预期效用，并比较
11、它们之间的大小。铙誅卧泻噦圣骋贶頂廡缝勵。(3) 理性人具有完全记忆能力，对影响决策的一切因素具有完全的信息。(4) 理性人的决策不需要任何时间，所有的理性人的决策都是瞬间完成。(5) 理性人使用边际分析的方法，通过比较边际收益和边际成本的大小进行决策。(6) 理性人是自私地单方面追求自己利益的最大化。(7) 理性人是没有喜怒哀乐、没有感情的人。(8) 理性人的决策不受道德影响，他是与道德观念绝缘的人。(9) 理性人作为决策主体不仅是指单个的消费者或者劳动者这样的主体，也包括家庭、企业以及其他组织等主体。擁締凤袜备訊顎轮烂蔷報赢。在“理性人”假说的基础上，人们对不确定条件下各种未知变量的认知是
12、基于主观概率的估计，这一估计方法的基础是贝叶斯规则。贝叶斯规则又称贝叶斯过程，它原是统计学概念，即人们根据新的信息从先验概率(prior probability)得到后验概率(posterior probability)的方法。它是一个理性的个人根据已经发生的事实修正其主观概率的模型，因此，也是大多数理性学习模型的基础。贓熱俣阃歲匱阊邺镓騷鯛汉。设p(h)为个体关于某一特定假设为真的主观概率，E是一个事件，被称为H为真的证据，那么一个理性的代理人如何根据证据E调整其相信H为真的概率呢？也就是说，在观测证据E条件下的H为真的概率是什么呢？坛摶乡囂忏蒌鍥铃氈淚跻馱。根据条件概率的性质，将观测中E与
13、H为真的联合概率写成p(H,E)=p(H | E)p(E)=p(E | H)p(H)整理方程，则可以得到贝叶斯规则：其中，p(H)为先验概率，即在观测证据前假设为真的概率；p(H | E)为后验概率，即在观测到证据E后假设为真的概率。贝叶斯规则把先验概率和后验概率联系在了一起。蜡變黲癟報伥铉锚鈰赘籜葦。下面举一个典型的出租车案例说明贝叶斯规则在理性推理过程中的应用。在一个小镇上有两个出租车公司，一个是蓝色出租车公司，另一个是绿色出租车公司。前者车身上涂蓝色，后者车身上涂绿色。绿色出租车在该镇出租车市场上的份额为85%；蓝色出租车在该镇出租车市场上的份额为15%。在一个冬天的夜晚，大雾蒙蒙，一辆
14、出租车擦边撞击了另一出租车，而肇事车驾驶员驾车逃逸。一位目击者说它是一辆蓝色出租车。执法人员在类似事发当晚环境下对目击者进行测验，结果5次测验中他有4次能正确地说出车的颜色。也就是说，不管他在大雾的晚上看到的是蓝车还是绿车，他有80%的时候能正确地辨别颜色。買鲷鴯譖昙膚遙闫撷凄届嬌。运用贝叶斯规则进行推理的过程如下。令G=随机挑选的一辆绿色出租车，即先验概率，于是有：p(G)=0.85。令B=随机挑选的一辆蓝色出租车，这也为先验概率，于是有：p(B)=0.15。令WB=目击者说出租车是蓝色的，于是有：p(WB | B)=0.8。又有p(WB|G)=0.2，因为目击者有20%的可能作出错误的回答
15、，所以，当出租车为绿色而他说是“蓝色”的概率为20%。綾镝鯛駕櫬鹕踪韦辚糴飙钪。我们计算一下p(B|WB)和p(G|WB)为多少，即在证人提供证词的情况下，肇事车为蓝车或肇事车为绿车的概率。驅踬髏彦浃绥譎饴憂锦諑琼。结论：肇事车是绿色的可能性更大。也就是说，尽管有证据证明此车是绿车，但先验概率同样起到了巨大的作用。贝叶斯规则在利用新的证据对主观概率的估测中具有以下意义。猫虿驢绘燈鮒诛髅貺庑献鵬。第一，贝叶斯规则突出了背景信息在推理中的重要作用。第二，贝叶斯规则正确地描述了新信息或新证据在知识更新中的重要作用。(二) 过程理性卡尼曼和特维茨基就以上案例做了心理测试，对于该肇事车到底是蓝车还是绿车
16、设定以下几种选择。(a) 肇事车是蓝车的概率为0.8。(b) 肇事车很可能是蓝车，但概率小于0.8。(c) 肇事车是蓝车和绿车的概率相同。(d) 肇事车很可能是绿车。心理测试的结果显示，大多数人均选择(a)或(b)，极少数人选择了(d)。也就是说在人们的认知过程中，并非像经济学家们所假设的能够以完全理性进行认知，以贝叶斯规则进行概率判断。事实上，人们的认知过程常常受到环境、情绪、价值观等因素的影响。锹籁饗迳琐筆襖鸥娅薔嗚訝。西蒙较早地注意到心理学关于人类认知行为的研究成果，并提出“有限理性(bounded rationality)”学说。 Simon H.A.1982, Models of b
17、ounded rationality. Cambridge, M.A:MIT Press.有限理性学说强调人类的决策过程更多的是过程理性，而不一定是实质理性。構氽頑黉碩饨荠龈话骛門戲。拉特斯(Latsis)在经济学中的情景决定论论文中讨论企业理论时提出了两种研究思路，一种为“情景决定主义”，另一种为“经济行为主义”。 Spiro J. Latsis.1972, Situational Determinism in Economics.这两种研究思路的根本不同之处在于，经济行为主义需要一种理性选择的心理学理论作为一个必要组成部分，而情景决定主义则不需要。从这两种研究思路的起源来看，情景决定主义确
18、实来自于经济学，而经济行为主义在很大程度上是来自于心理学。因此，经济行为主义思路中所采用的理性的概念是一个不同的概念，有其自身独立的心理学渊源。事实上，心理学界一直在对决策形成的过程进行研究。因此，西蒙将经济学中的“理性”称为实质理性，而将起源于心理学的“理性”称为过程理性。 Simon，H.A. 1956, Rational choice and the structure of environments. Psychological Review.輒峄陽檉簖疖網儂號泶蛴镧。当行为在给定条件和约束所施加的限制内适于达成既定目标时，行为在实质上是理性的。根据这一定义，行为的理性只在一方面取决于
19、行为者(或者说他的目标)；而一旦给定了这些目标，理性行为就完全是由行为发生时行为者所处的环境特征所决定，而与行为者的心理过程无关。这一实质理性的假设使经济学得以解放，而不依赖于心理学，经济学家就没有必要了解关于人类认知过程或人类选择的心理学理论。尧侧閆繭絳闕绚勵蜆贅瀝纰。而心理学家所使用“理性”一词通常是指过程理性。威廉詹姆斯(William James)在心理学原则一书中， William James.1980, Principle of Psychology.将“理性”用作“称为推理的特殊思考过程”的同义词。人们无论做什么都有自己的理由和动机，他们使用推理来对这些动机作出反应，以达成他们的
20、目标。在心理学中，行为如果代表着没有进行适当思考时对于影响机制的条件反射，就倾向于被描述为“非理性”。由于心理学首要关注过程而非结果，因此心理学家在讨论行为中的理性时，倾向于使用类似“认知过程”和“智力过程”等术语。识饒鎂錕缢灩筧嚌俨淒侬减。西蒙通过对心理学中所采用的适应性行为模型(例如学习理论)和经济学中所采用的理性行为模型进行比较研究发现，后者几乎在所有方面和前者相比，假设了选择机制上更多的复杂性，以及生物体获得信息和实现计算的更多的能力。并且在对这两种理论进行了有限情景范围的比较研究后发现，学习理论等心理模型相比经济学的理性选择理论更能与实际观测行为相吻合。其证据主要集中于人类解决复杂性
21、问题的计算效率，以及实验心理学中关于人类在风险环境下决策的实证研究成果。西蒙在其提出的有限理性学说中，指出了这些主要证据。凍鈹鋨劳臘锴痫婦胫籴铍賄。关于计算效率，我们所关心的是由一种系统来求解一个问题所需要计算的时间和复杂程度。其中的运算基本上是按顺序进行的，因此求解一个问题需要执行大量的顺序步骤，而对于每一次的基本运算，也需要以不加压缩的特定时间来完成，因此，可以认为人的思考过程类似于一种现代数字设备。然而人的基本处理速度，尤其是算术处理速度要比计算机慢得多。即使是计算机处理复杂问题也需要花费较长的时间，因此在经济学实质理性中假设人类具有超强的计算能力显然是不合乎现实的。恥諤銪灭萦欢煬鞏鹜錦
22、聰櫻。关于国际象棋游戏的心理学研究方面的文献中，曾提出了关于许多职业国际象棋选手的思考过程。 Simon,H.A.1982. Models of bounded rationality. Cambridge, M.A:MIT Press.鯊腎鑰诎褳鉀沩懼統庫摇饬。(1) 他们通过非常有选择性地搜索庞大的步数可能性树的方式以补偿其有限的计算能力，很少在决定下一步时考虑多过100个分支。硕癘鄴颃诌攆檸攜驤蔹鸶胶。(2) 他们在长期记忆中存储了大量棋子的共同模式的集合，以及启用这些模式的方法。(3) 一个选手会形成并修改他对局势的期望，这样他可以决定怎样的特定的步数是“足够好的”(满意的)，从而结束
23、他的搜索。阌擻輳嬪諫迁择楨秘騖輛埙。西蒙于1956年的研究成果表明，职业国际象棋选手对选择性搜索和他对重要模式的百科全书式的知识的直觉是他在选择一个国际象棋步数时的过程理性的核心。这个例子表明人们严重依赖过去的经验来发现自己所面临的形势的重要特征，这些特征和对可能的相关行动的记忆有关。一旦他们发现了满意的选项，就会终止搜索。氬嚕躑竄贸恳彈瀘颔澩纷釓。检验人类理性选择理论的另一种方法是在研究相对简单并构造良好的实验室情景下的选择行为。爱德华兹(W. Edwards)、拉帕普特(A. Rapaport)以及特维茨基等许多研究者都曾采用这种方法，检验当面对不确定性和风险时人类决策是否可以用统计决策理
24、论的规范概念加以解释。这些研究表明，尽管构造了足够简单和透明的博弈，使得绝大多数行为主体会以和主观预期效用理论一致的行为方式对它们作出反应，但即使在这种简单和透明的情景下，行为主体也产生了与理论预测的行为的偏差，或绝大多数主体的行为均不能由主观预期效应理论或贝叶斯模型来解释。尤其值得一提的是卡尼曼与特维茨基在1973年 Kahneman,D.and Tversky,A.1973.On the psychology of prediction, Psychology Review 80.所作的一项研究。我们知道将新信息和旧信息整合起来的理性过程是贝叶斯定理，即先赋予某一不确定事件一组的概率，而当
25、新的证据出现时，则贝叶斯定理提供了一种算法来修正先验概率。显然，运用贝叶斯定理的一种结果是，新证据越是丰富、可靠，其对新概率的影响就越大。另一种结果是新概率不应仅取决于新证据，而且还有赖于先验概率。但卡尼曼与特维茨基的研究表明，行为主体的估计和新证据的可靠性无关，而且看上去完全不像受到先验概率的影响。而爱德华兹在1968年描述了相当保守行为的大量实验证据，在这些实验中，行为主体对先验概率估计的修改并不接近于贝叶斯定理所要求的那样多。这表明，人类对新证据或是过度反应，或是忽视它，而这取决于确切的外部环境。釷鹆資贏車贖孙滅獅赘慶獷。由上述三点可见，人们在认知过程中，遵循的理性并不是传统经济学上所设
26、想的实质理性，而是心理学意义上的过程理性。怂阐譜鯪迳導嘯畫長凉馴鸨。第二节 认知实验及认知偏差一、启发式偏差及其实验研究人们的风险决策过程是一种重要的思维活动过程。思维作为认知心理学研究的一个课题，是通过判断、抽象、推理、想象、问题解决这些心理属性相互作用而进行信息转换，从而形成一种新的心理表征的过程。思维在思想过程三要素(包括思维、概念形成、问题解决)中范围最广，并具有综合而非孤立的特性。问题解决只能借助于思维来实现，且问题解决的策略多种多样。一个问题可以用不同的策略来解决，对于应用哪种策略而言既依赖于问题的性质和内容，也依赖于人的知识和经验。总体而言，人们所应用的问题解决策略可分为算法和启
27、发法两类。算法是解决问题的一套规则，它用于精确地指明解题的步骤。如果一个问题有算法，那么只要按照其规则进行操作，就能获得问题的解，这是算法的根本特点。启发法是拼接经验的解题方法，是一种思考上的捷径，是解决问题的简单、笼统的规律或策略，也称之为经验法则或拇指法则。算法与启发法是两种性质不同的问题解决策略。虽然算法能保证问题一定得到解决，但它不能取代启发法，这是因为首先不能肯定所有的问题都有自己的算法；其次，许多问题的算法过于繁杂，往往需时过多，实际上无法加以应用。因此，一般认为，人类解决问题特别是解决复杂但不需要特别精确的问题时，通常会应用启发法。谚辞調担鈧谄动禪泻類谨觋。那么在什么情况下，最有
28、可能导致人们使用启发法，而不是理性思考呢？奥尔波特(Allport) Allport,G.W.1968. The historical background of modern social psychology. Lindzey,G & Aronson,N. (eds.). The Handbook of Social Psychology.的研究结果表明至少存在四种情况。由于人类是认知吝啬鬼，因此：当人们没有时间认真思考某个问题时；当人们负载信息过多，以至于无法充分地对其进行加工时；当手中的问题并不十分重要，以至于我们不必太过思虑时；当人们缺乏作出决策所需的可靠信息或知识时，人们更容易使用
29、启发法作出判断。嘰觐詿缧铴嗫偽純铪锩癱恳。启发法主要有四种：代表性启发法、可得性启发法、锚定与调整启发法以及情感式启发法。运用这四种方法可能会得出正确的推理结果，也可能会导致错误的推理结论。错误的推理结果通常以心理偏差的形式表现出来，这就是所谓的启发式偏差(heuristic bias)，它是指智力正常、教养良好的人却一贯作出错误的判断和决策。熒绐譏钲鏌觶鷹緇機库圆鍰。(一) 代表性启发偏差及其效应卡尼曼和特维茨基经过研究认为，人们在不确定的情况下，会关注一个事物与另一个事物的相似性，以推断第一个事物与第二个事物的类似之处。 Tversky,A,Kahneman D.1982. Judgmen
30、t of and by representativeness.In:Kahneman D,Slovie P,Tversky A.ed.Judgment Under Uncertainty:Heuristics and Biases.Cambridge University Press,Cambridge.即人们假定未来的模式会与过去相似并寻求熟悉的模式来作判断，并且不考虑这种模式产生的原因或重复的概率。认知心理学将这种推理过程称为代表性启发法(representative heuristic)，它是指人们倾向于根据样本是否代表(或类似于)总体来判断其出现的概率。例如，若一个客体或个人所具有的显
31、著特征可以代表或相似于某一范畴的特征，则它容易被判断为属于该范畴。鶼渍螻偉阅劍鲰腎邏蘞阕簣。下面用一个例子说明代表性直觉。我们对一个人作如下描述：“斯蒂芬比较害羞、孤僻，对他人及现实世界没有兴趣，性情温和，注意细节，讲究整洁与有序。”现在要求从一连串可选的职业中(例如农民、推销员、图书管理员或物理学家等)来选择斯蒂芬所适合从事的职业。人们将如何对斯蒂芬可能从事的职业进行排序呢？实验心理学研究表明，人们在判断斯蒂芬从事某一职业(例如图书管理员)的可能性时，是通过评估斯蒂芬在多大程度上类似于人们观念中该职业的固定形象。纣忧蔣氳頑莶驅藥悯骛覲僨。代表性启发法与贝叶斯规则的预测在某些特定场合可能是一致
32、的，从而造成人们的概率推理遵循贝叶斯规则的印象。该思想在处理现实问题时存在这样的认知倾向：喜欢把事物分成典型的几个类别，然后在对事件进行概率估计时，过分强调这种典型类别的重要性，而不顾有关其他潜在可能性的证据。这种偏差导向的一个结果是，当证据明明是随机产生之时，人们仍然倾向于发现其中的规律，并对此感到自信。颖刍莖蛺饽亿顿裊赔泷涨负。一般情况下，代表性是一个有用的启发法，但它可能产生严重的偏差，由此所导致错误的原因可分为以下四种。1对先验概率的不敏感按照理性人假设下的贝叶斯规则，事件发生的概率由事件的先验概率和新证据的发生共同决定。新证据越是丰富、可靠，其对新概率的影响就越大。但卡尼曼和特维茨基
33、于1974年所做的实验研究表明，贝叶斯规则并不能刻画人们事实上对新信息作出的反应。 Amos Tversky,Daniel Kahneman.1974.Judgment under uncertainty: Heuristics and biases.Science,185:1124-1131.人们在修正其观念时，存在着忽视先验概率的偏差。下面以一个实例对此加以说明。濫驂膽閉驟羥闈詔寢賻減栖。在一个实验中，受试者被告知某人是随机从100人中选出的，这100人中有70名工程师，30名律师。那么对这个人进行如下描述：此人30岁，已婚，没有小孩；他的能力和激情都很高，因而他在该领域有望非常成功；他深
34、受同事们的喜欢。銚銻縵哜鳗鸿锓謎諏涼鏗穎。可以看出这个描述是“纯噪声”，因为它没有揭示任何与该人是工程师还是律师有关的信息。但在实验中受试者判断此人是工程师的概率是0.5，忽视了先前论述的在总人数中工程师的比率是0.7。换句话说，实验结果得出了与贝叶斯法则相违背的结论，这个结果显然是由于受试者在进行判断时，并没有考虑实验对象所在小组中工程师和律师的先验比率，而是直接依据所提供的介绍符合工程师的代表性特征的程度，来估计他是工程师而不是律师。此类偏差会造成人们在作出判断时不区分信息的重要程度，在有新信息出现的情况下，就忘掉了已有的重要信息。挤貼綬电麥结鈺贖哓类芈罷。2对可预测性的不敏感人们经常会对
35、一些事情进行预测，例如一只股票未来的价格、某商品的需求或一场足球赛的结局等。卡尼曼和特维茨基通过研究发现，此预测也是依靠代表性作出的。例如，假定将一个公司的情况描述给一个人，然后要求他就这家公司未来的赢利作出预测。那么如果将这家公司描述得非常好，则多数人会作出较高的赢利预测，显然这样的赢利预测也相应地最具代表性；如果将该公司描述得很平常，则人们作出的赢利预测也相应一般。很显然，这种判断模式是违背统计理论的，对公司所描述的好坏程度与对赢利预测的准确性程度是无关的。所以如果人们完全根据对公司描述有利的程度来对其未来的赢利作出预测，那么这种预测事实上忽视了作出预测所依据的相关事实的可靠性或者类似预测
36、预期的准确性。根据标准统计理论知识我们知道，如果对公司所作的描述并未提供任何关于公司未来赢利的信息，那么对所有这些被描述的公司，就其未来赢利值所作的预测应该是一样的。赔荊紳谘侖驟辽輩袜錈極嚕。3对均值回归的误解事实上，一些预测信息方法的预测能力是有局限性的，而人们往往忽视这一点，结果使他们往往作出“非回归预测”(nonregressive predictions)。换言之，人们只是利用线性的方式对问题进行预测与判断，而没有考虑到现实中由于种种因素的影响，事情的发展趋势往往会存在回归的倾向。下面是卡尼曼和特维茨基在1973年所做的一个实验。 D.Kchnoman and A.Tvevsky.19
37、73.On the psychology of prediction.Psychological Review, 80塤礙籟馐决穩賽釙冊庫麩适。这里有一份关于大学生的资料。据统计，对这些学生进行加总平均的高中平均成绩是3.44(标准差为0.36)，加总的大学平均成绩是3.08(标准差为0.40)。现在假设需要预测三个高中生未来的大学平均成绩，以便决定是否给他们签发大学录取通知书，而唯一能够得到的资料只有其高中平均成绩，如果他们的高中平均成绩分别为2.20、3.00和3.80，那么预测结果如何呢？裊樣祕廬廂颤谚鍘羋蔺递灿。通过对大量受试者的调查，得到了一份一致的结果，如表2-1所示。表2-1 对
38、受试者的调查结果高中平均成绩预测的大学平均成绩实际的大学平均成绩2.202.032.703.002.772.933.803.463.30我们从表2-1中可以看出，在预测的大学平均成绩单中，不论是最低的2.03，还是最高的3.46，都与较早计算的加总平均的大学成绩3.08相去甚远。而实际的大学平均成绩则更接近于加总平均的大学平均成绩3.08。人们的这一反应证明了人们在思维中不善于运用回归分析的方法。仓嫗盤紲嘱珑詁鍬齊驁絛鯛。均值回归是一个常见的统计方法。在这里，当学生考试得了很高或者很低的分数后，下一次总是倾向于获得一个较为平常的分数，就像高个子父母的孩子的身高一般要矮于父母平均身高，而矮个子父
39、母的孩子的身高一般要高于父母平均身高一样。绽萬璉轆娛閬蛏鬮绾瀧恒蟬。由短期结果导致推断过度的倾向，反过来会导致对“均值回归”的错误理解：由于人们看到很多情形都偏离正常状态，因此不会期望进一步的观察看起来更接近正常状态。卡尼曼和特维茨基同时引用了这样一个例子：在关于飞行训练的讨论中，有经验的教官注意到，对飞行员完成一次特别成功的降落给予表扬后，一般来说下一次训练结果将表现得较差，相反，如果在一次表现很差的降落后对其给予严厉的批评，该飞行员的下一次训练表现将会有所提高。因此教官得出结论认为，表扬对飞行技能的学习是致命的打击，而批评则是教导的良方。很显然，这一结论是不可靠的，根据均值回归的统计规律，
40、即使教官不给予任何表扬，一次出色的着陆后，接下来的降落表现通常较差，反之亦然。骁顾燁鶚巯瀆蕪領鲡赙骠弒。4小数定理的存在概率理论中存在着“大数定律”，就是说当样本很大时，事件发生的频率与概率有较大偏差的可能性很小。在实际应用中，当实验次数很大时，便可以用事件发生的频率来代替事件的概率。然而，人们的认知似乎更倾向于“小数定理”(law of small numbers)，即将同样的概率分布归结为小样本和大样本中的经验平均值，从而就违反了概率理论中的大数法则。“小数定理”具有以下几种具体表现方式。瑣钋濺暧惲锟缟馭篩凉貿锕。1) 对样本规模不敏感由于小数定理的存在，人们会对样本大小与概率大小的关系不
41、敏感，即会夸大一个小样本与总体密切相关的可能性，或者夸大产生这一样本的基本概率分布，认为一个小样本可以和一个大样本一样具有代表性。鎦诗涇艳损楼紲鯗餳類碍穑。针对这个问题，卡尼曼和特维茨基于1982年向受试者提出以下问题：某镇有两个医院，在较大的医院每天有45个婴儿出生，在较小的医院每天有15个婴儿出生。如我们所知，生男孩的概率为50%。但是，每天的确切比例都在变化，有时高于50%，有时低于50%。在一年的时间内，每个医院都记录了超过60%的新生儿是男孩的日子，你认为哪个医院有更多这样的日子？栉缏歐锄棗鈕种鵑瑶锬奧伛。22%的受试者认为较大的医院有更多这样的日子，而56%的受试者认为两个医院有相
42、等的可能性，仅仅22%的受试者正确地认为较小的医院会有更多这样的日子。猜对和完全猜错的比率居然一样。显然，受试者没有认识到每天婴儿出生的数量之间的重要关系。概率理论认为在小医院中超过60%的新生儿是男孩的天数的期望值比大医院的大得多，因为一个大样本更不可能偏离50%。这一基本的统计概念显然与人们的直觉是不符合的。辔烨棟剛殓攬瑤丽阄应頁諳。在个体夸大小样本与全体人群的相似性的同时，也会低估大样本与全体人群的相似性。卡尼曼和特维茨基发现，受试者普遍认为一天中出生的1000个婴儿中超过750个是男孩的可能性超过10%。而实际上这种可能性小于1%。夸张一点说，个体似乎对各种样本使用一个通用的概率分布，
43、这意味着个体对样本容量不敏感。峴扬斕滾澗辐滠兴渙藺诈機。2) 对偶然性的误解由于人们相信即使小样本也应该代表总体的概率，因此会产生对偶然性的误解。例如，在抛硬币时(下面以H表示头像，T表示反面)，人们错误地认为H-T-H-T-H-T这个结果比H-H-H-T-T-T这个结果更有可能出现，也比H-H-H-T-H-H这个不能代表硬币公平性的结果更有可能出现。这就是由小数定理引起的“局部代表性”。詩叁撻訥烬忧毀厉鋨骜靈韬。局部代表性观念的一个结果是“赌徒谬误”(gamblers fallacy)。所谓赌徒谬误，是指对于那些具有确定概率的机会，人们会错误地受到当前经历的影响而给予错误的判断。如果抛一个相
44、同的硬币八次都是头像，那么第九次抛得反面的可能性是多大呢？抛掷一次得到头像的概率是1/2，连续八次抛掷都是头像的概率是1/256，如表2-2所示。则鯤愜韋瘓賈晖园栋泷华缙。表2-2 连续抛掷得到头像(H)的概率硬币出现的顺序概 率H1/2HH1/4HHH1/8HHHH1/16HHHHH1/32HHHHHH1/64HHHHHHH1/128HHHHHHHH1/256那么，连续八次出现头像后，下一次你估计会出现什么？很多人都会回答“反面”，因为太久没有出现反面了；也有人可能会回答“头像”，因为前面总是出现头像使人感觉出现头像的机会更大一些。事实上，这两种解释都不对，对第九次的判断与前面八次的结果没有
45、任何逻辑关系，也没有记忆，因此不应当受其影响。第九次投掷出现头像的概率仍然是50%。人们都有这样的印象，就是当一个相同的硬币被抛掷若干次后，最后的结果应该是头像的次数与反面的次数一样多。换言之，有代表性的模式是经过足够多次的实验后，出现头像与反面的次数会一样多。所以，当抛了八次头像后，人们根据经验法则通常趋向于预测第九次会是反面。因为他们相信小样本可以代表投掷硬币出现正反的相等概率，因而人们会将出现反面的可能性赋予更高的权重。胀鏝彈奥秘孫戶孪钇賻锵咏。(二) 可得性启发偏差及其效应可得性启发法(availability heuristic)是指，人们倾向于根据一个客体或事件在感知或记忆中的可得
46、性程度来评估其相对频率，容易感知到的或回想起的被判定为更常出现。可得性在评估频率和概率时是有用的线索，因为大集合(更容易得到的事件)的例子通常比小集合(不容易得到的事件)能更好更快地获得。因此，当事件的可得性与其客观频率高度相关时，可得性启发是非常有用的，然而依靠可得性进行预测也有可能会导致偏差。可得性启发偏差有以下四种。鳃躋峽祷紉诵帮废掃減萵輳。1以记忆力为基础的可得性以记忆力为基础的可得性是指依靠可获得的记忆能够被回想起来的容易程度。它与一些常见的记忆因素相联系，例如注意力的集中程度；印象的突出性；印象的鲜活性；对物品或时间的熟悉程度；空间和时间上的邻近程度。这些因素的取值越高，记忆的痕迹
47、就越清晰，可得性就越强。稟虛嬪赈维哜妝扩踴粜椤灣。例如，在一个实验中，受试者听到一个由男女人名组成的名单，随后要求对名单中是否男性名字比女性多进行判断。在一些名单中男性相对比女性更出名一些，而在其他名单中，女性则更出名。实验结果是，在每一张名单中，受试者都错误地认为更有名的人的性别占多数。陽簍埡鲑罷規呜旧岿錟麗鲍。2以想象力为基础的可得性如果某一个场景比其他场景更容易被人们想象出来，那么前一场景就会控制人们的思维。这样就产生了以想象力为基础的可得性。卡尼曼和特维茨基在1982年进行了一系列实验。在实验中，要求被测试者估计出从110中选择r个数字的组合是多少。其问题大致表示如下：第一个问题是，假
48、定你要从10只股票中选择两只作为你的投资组合，且这两种股票不能重复选择，那么有多少种包含两种股票的投资组合可供你选择？第二个问题是，假定你要从10只股票中选择8只作为你的投资组合，这8只股票不能重复选择那么又有多少种组合呢？结果，第一个问题的答案的平均值为70，而第二个问题的答案的平均值只有20，尽管事实上这两个问题的答案应该是一样的，等于45，因为选定两只股票的投资组合就限定了剩余8只股票所组成的投资组合。卡尼曼和特维茨基认为，出现这种差别是因为人们更容易想象到两只股票的组合。沩氣嘮戇苌鑿鑿槠谔應釵蔼。3与搜索效率相关的可得性还有一种和人的思维相关的可得性偏差，它与人的记忆搜索效率相关。不妨做这样一个实验：假设一个样本单词从一篇文章中随机抽出，那么该单词是以r为开头的可能性大，还是第三个字母为r的可能性大？钡嵐縣緱虜荣产涛團蔺缔嵛。通常，对这个问题的解答人们会通过回忆以r开头的单词和以第三个字母是r的单词来解决这个问题，并通过两种类型的单词出现在脑海中的容易程度来评估概率。因为通过第一个字母比通过第三个字母找单词更容易，所以人们认为以r开头的单词数比r处于第三个字母的单词
