代表性启发式偏差量化.docxVIP

代表性启发式偏差量化

一、代表性启发式偏差的概念溯源与量化研究价值

（一）代表性启发式偏差的本质内涵

在不确定条件下的决策研究领域，代表性启发式是最早被系统识别的认知加工模式之一。按照经典的行为决策理论观点，人们在对不确定事件进行概率判断时，往往不会进行复杂的概率推演计算，而是会依赖过往经验中形成的认知原型，将判断对象与原型的相似程度作为判断的核心依据——如果对象和某一类别的典型特征越匹配，人们就越倾向于判断对象属于该类别。这种基于相似性的快速判断模式就是代表性启发，而当这种判断模式过度依赖相似性特征，忽略了其他影响概率判断的关键信息，最终导致判断结果系统性偏离客观概率时，就形成了代表性启发式