不确状况下的判断启发和偏差.docVIP

不确定状况下的判断：启发式和偏差 特沃斯基和卡尼曼 方文译 北京大学社会学系 许多决策，基于不确定事件的可能性的信念，这些事件，诸如一次选举的结果，被告的罪行或美元的未来价值。这些信念，常常以这样的陈述表现出来：“我认为…”，“机会是…”或“它是不可能的…”，诸如此类。偶尔，有关不确定事件的信念，以数字形式如几率（odds）或主观概率来表达。这些信念的决定因素是什么？人如何估计不确定事件的概率或者不确定量值的数值？本文将表明人们依赖数目有限的启发式原则，以把概率估计和数值预测的复杂任务，降低为较简单的判断操作。通常，这些启发式很有用，但有时，它们会导致严重的和系统的错误。 概率的主观估计，与物理量值如距离或尺寸的主观估计类似。这些判断，都基于效度有限的数据或资料，其加工依据启发式规则。例如，物品的表面距离，部分受制于其明晰度。物品看起来越清晰，它似乎越近。这个规则有一定效度，因为在任何给定视域中，较远的物品，比之较近的物品，看起来更不清晰。然而，在对距离的估计中，依赖这个规则，会导致系统的错误。尤其在能见度很差时，距离会被高估，因为物品的轮廓很模糊。而另一方面，在能见度很好时，距离会被低估，因为物品的轮廓很清晰。因此，依靠明晰度作为距离的指标，会导致惯常的偏差。而这些偏差，也会在直觉性的概率判断中发现到。本文将描述被用来估计概率和预测数值的3种启发式。我们将清查这些启发式所导致的偏差，并且讨论这些研究报告的应用和理论内涵。 代表性 人们所关注的许多概率问题，隶属于下列类型中的一种：物品A属于类别B的概率是多少？事件A源于过程B的概率是多少？而过程B产生事件A的概率又是多少？在回答这些问题时，人典型地依赖代表性启发式，即A代表B的程度或者A类似B的程度，来评估概率。例如，当A高度代表B时，A源于B的概率，就被判断或认为是高的。另一方面，如果A和B并不类似，A源于B的概率，就被认为是低的。 为了详细说明依据代表性的判断，请考虑这样的一个人，他以前的邻居对他的描述如下：“斯迪夫，害羞而畏缩，乐于助人，但对人或事没有兴趣。一个温驯而清洁的灵魂。他渴望秩序和结构，对细节充满激情。”人如何从一列可能的职业名单中（如农民、商人、驾驶员、图书管理员或物理学家）推测他的特定职业？按照可能性的高低，人如何排列这些职业？依照代表性启发式，斯迪夫是图书管理员的概率，通过他代表或类似图书管理员的刻板观念（stereotype）的程度，而被评估。事实上，这一类问题的研究已经证明，人用非常同样的方式通过概率和相似度（similarity）来排列职业（Kahneman Tversky, 1973, 4）。这种概率判断的路径，会导致严重的错误，因为相似度或代表性，并不受影响概率判断的几个因素的影响。 对结果的先验概率不敏感 对代表性没有影响但对概率有主要影响的一个因素，就是结果的先验概率，或者是结果的基率频率（base-rate frequency）。如就斯迪夫的例子而言，在总体人口中，农民比图书管理员要多得多，而这个事实，应该在推断斯迪夫是个图书管理员而不是农民的概率时，被合理地考虑到。然而，基率频率的考虑，并不影响斯迪夫和图书管理员或农民的刻板观念之间的相似性。因此，如果人通过代表性来估计概率，先验概率会被忽视。我们在一个实验中检验了这个假设，在其中，先验概率被操纵（Kahneman Tversky, 1973, 4）。给被试呈现几个人概要的人格描述，他们被宣称是从由工程师和律师组成的100人的群体中随机抽取的。要求被试基于每个描述来推测他是工程师而不是律师的概率。在一种实验条件下，告知被试群体中有70个工程师和30个律师；在另一种实验条件下，告知被试群体中有30个工程师和70个律师。在第一种条件下，任何特定描述属于工程师而不是律师的几率要高，因为其中工程师是多数。应用贝叶斯规则，每个描述的几率比率是（.7/.3）2即5.44。但结果严重违背了贝叶斯规则，两种条件下的被试的概率判断，本质上相同。很明显，被试评估特定描述是属于工程师而不是律师的可能性，是依靠这个描述对两种刻板观念的代表性状况来进行的，而没有关心范畴或类别的先验概率。 而当被试没有其它信息时，他们会正确地利用先验概率。没有概要的人格描述，他们在两种不同的基率条件下，依次判断特定对象是工程师的概率为.7和.3。而当描述甚至是完全无用的描述被引入后，先验概率则被严重地忽视。对下列描述的反应，明证了这种现象： 迪克30岁，已婚无孩子。他能力强，有干劲，要在自己的领域中成就一番。他受同事喜爱。 这个描述，本意上不包含与迪克是工程师还是律师有关的任何信息，结果应该是迪克作为工程师的概率和群体中工程师的比率相等，正如没有人格描述的那样。但被试不管群体中工程师的比率是.7还是.3，都把迪克是工程师的概