鸿蒙文学网

手机浏览器扫描二维码访问

附录A 不确定性下的判断 启发法和偏见XINshuHaiGe com（第5页）

如果你挑选出了在其中一套能力测试题中表现最好的10个人，那么他们在另一套测试中的表现通常会让你失望。

相反，如果你挑选的是在其中一套能力测试中表现最差的10个人，你就会发现，他们在下一次测试中平均都比前一次测试表现得好。

一般来说，假设变量X和Y有相同的分布。

如果你挑选的X的平均分数偏离了X的均值K个单位，那么，Y的平均分通常偏离Y的均值的程度就会少于K个单位。

这些观察表明了一个普遍的现象，即回归平均值现象。

这个现象是高尔顿在100年前首次证明的。

在正常的生命过程中，你会遇到许多回归平均值的例子。

例如，在比较父亲与儿子的身高，丈夫与妻子的智力水平或是某个人连续测试的不同表现时。

不过，人们没能对此现象产生正确的直觉。

首先，人们不能预料一些肯定会发生回归平均值的情境。

其次，当他们辨别出回归平均值的发生时，总会捏造出虚假的因果解释。

有这样一个信念：预测结果应该最大程度代表输入信息，因此，结果变量的值也应与输入变量的值一样极端。

我们提出，回归平均值的现象之所以难以掌握就是因为与上述信念不相容。

未能意识到回归平均值的重要性将会带来严重的后果。

下面这个例子就说明了这一点：在一次关于飞行训练的讨论中，有经验的指导员注意到，若赞扬某位飞行员着陆非常平稳，该飞行员下一次着陆就会表现得糟糕；若某位飞行员着陆较差，该飞行员下一次着陆就会有很大进步。

这些指导员总结道，口头表扬对学习是有害的，而口头批评却大有益处，这与广为接受的心理学定律相左。

由于回归平均值的存在，这个结论是没有根据的。

就像其他重复的测试一样，每次表现糟糕以后总会有进步，而表现优异以后又总会变得糟糕，即使指导员没有对学员的第一次表现给予任何回应。

指导员形成了惩罚比奖赏更有效这个错误且有潜在危害的结论，因为他们正好在着陆表现优异后表扬了这些学员，在着陆表现糟糕后批评了这些学员。

因此，未能理解回归效应会导致人们高估惩罚的有效性，低估奖赏的有效性。

无论是在社会交往中，还是在训练中，表现得好都会有奖赏，表现得差也都会有惩罚。

因此，行为最有可能在惩罚之后得到改进，在奖赏之后变得更坏，这其实就是一种回归现象。

其结果就是：人们碰巧因为惩罚他人得到了奖赏，因为奖赏他人得到了惩罚。

然而，人们通常不会意识到这种偶然性。

事实上，难以掌握回归性主要是因为奖赏与惩罚带来的结果非常明显，因此，这个领域的学者也没有注意到它。

可得性

有时候，人们会通过能想到例子或事件的容易程度来评估这类事的频率或概率。

例如，你可能会通过回忆自己认识的人中有多少位是心脏病患者来估测中年人患心脏病的风险。

同样，你也可能会通过想象某个企业可能会遇到的各种难题来估测其倒闭的概率。

这种判断启发式被称为可得性。

可得性对于评估频率或概率来说，是个很有用的线索，因为相比频率较低的类别的例子来说，我们可以更好、更快地得到频率较高的类别的例子。

然而，可得性并不受频率和概率的影响。

因此，依赖于可得性会导致预测的偏见。

我接下来将说明其中的一些偏见。

因例子的可提取性导致的偏见。

当用某个类别的例子的可得性来判断该类别的大小时，例子很容易提取的类别会比频率相同但例子较难想到的类别显得更大。

在证明此效应的基本研究中，受试者听到了一串知名人士的名字，男女均有。

接着，他们需要判断这串名字中男性是否比女性多。

不同组的受试者听到的名字并不相同。