給定數量（比如，道瓊斯平均指數）的主觀概率分佈可以通過兩條不同的途徑得到：（1）要求受試者選擇與其概率分佈指定的百分數相符合的道瓊斯指數值；（2）要求受試者估測道瓊斯指數的真值會超過某些指定數值的概率。這兩種程序在形式上是等價的，而且應該產生同一種分佈。然而，研究人員建議對不同的錨定採用不同的調整模式。在程序（1）中，自然的起點是某個受試者對數量的最佳估測結果。另一方面，在程序（2）中，受試者會錨定在問題給出的數值上。受試者可能會錨定在對等的機率（即，50：50的機會）上，兩者可選其一。該機率是估測概率時自然的起點。對於這兩種情況，程序（2）應比程序（1）產生較小的偏差機率。
為了對比這兩種程序，研究人員為一組受試者提供了由24種數量（比如，新德裡與北京之間的空中距離）組成的系列，他們就每一個問題或者估測或者估測。另一組受試者得到第一組對這24種數量中每種的判定結果的中值，要求他們估測給定數值超出相關數量真值的機率。在沒有任何偏差時，第二組應該再次得到指定給第一組的機率，即9：1。然而，如果平均機率或者給定的值成為錨定，第二組的機率的偏差就應該較小，即，更接近1：1。事實上，對於所有的問題該組給定的機率中值為3：1。在對這兩組的判斷進行客觀校準檢驗時，發現第一組受試者的太過激進，這與早期的研究結果相吻合。他們所定義的概率為0.10的事件實際上在24%的情況下發生了。與此相對，第二組受試者太過保守。他們分配的平均概率為0.34的事件實際上在26%的情況下發生了。這些實驗結果說明了校準的程度決定於導出程序的方式。
註：subject--專業術語應為“被試”，文中為通俗起見譯做“受試者”。與此相對的是experimenter“主試”。
說明：文中空白處的符號分別為：
X90，X90，
Xn，X01，X99，X01，X99，
X01，X99，
X90，X10，X90，X10，X10，X90，
X10，X90
其中，數字為下標。
讨論（Discussion）
本文讨論了對用於判斷的歸納法的信賴而產生的認知偏差。這些偏差並非歸咎於一相情願或者報酬與懲罰造成的判斷失真這類動機效應（motivationaleffects）。實際上，盡管鼓勵受試者進行準確判斷並對正確的答案給予獎勵，還是發生了前面記錄的數個嚴重的判斷誤差。
對歸納法的信賴與偏差的普遍存在並非只局限於外行中。有經驗的研究人員在直覺化思維時也容易出現同樣的偏差。例如，不夠註意先驗概率而預測最能代表所給數據的結果，這種傾向已經在受過全面的統計學培訓的人所做的直覺判斷中觀察到。雖然統計學老手避免了象賭徒謬誤這樣的基本偏差，但是，他們在更複雜且更模糊的問題中所做的直覺判斷還是容易出現類似的謬誤。
毫不奇怪，象代表性和可得性這樣有用的歸納法被人們記住了，即使它們偶爾會導致預測或估測中的偏差。令人吃驚的或許是人們並沒有從畢生的經驗中推論出諸如向均值的回歸或樣本空間對抽樣變化的影響這樣的基本的統計法則。在日常生活中，盡管每個人都面對著大量的可能已從中歸納出上述統計學法則的實例，但是，只有極少的人獨自發現了抽樣和回歸的原理。統計原理並非得自日常生活的經驗，因為相關的事例並沒有進行合適的編碼（譯註：即轉換為數學語言）。例如，人們沒有發現一篇課文中連續幾行比連續幾頁的單詞的平均長度更加不同，因為他們只是沒有註意到每一行或每一頁的單詞的平均長度。因此，人們並不了解樣本空間與抽樣變化之間的關系，盡管學習這種知識的資料是豐富的。
缺少合適的編碼也解釋了為什麼人們通常無法發現其概率判斷中的偏差。可以想象，通過保持記錄分配了同一概率的事件中實際發生的事件的比例，某人能夠獲悉其判斷是否得到了客觀校準。然而，根據判定的概率對事件進行分類是不合理的。例如，在缺少這樣的分類時，個人不可能發現他分配了0.9或更高概率的預測實際上只有50%成為現實。
對認知偏差的經驗分析對於判定概率在理論和應用兩個方面都有啟示。現代決策理論認為主觀概率是一個理想化的人的量化的意見。尤其，某個給定事件的主觀概率用該人願意接受的對該事件的一系列賭註進行確定。如果某個人在賭註之間的選擇滿足某種原則（即，理論原則），那麼，該人就得到了某種内在一致的（或連貫的）主觀概率度量標準。允許不同的人對同一事件有不同的概率，在這個意義上，我們稱得到的概率是主觀的。這種方法的主要貢獻在於它為適用於單一事件的概率提供了一種精確的主觀說明，並深深植根於一般的理性決策理論之中。
或許他應該註意到，雖然有時候主觀概率可以從對不同賭註的偏好中得出，但是在正常情況下，主觀概率並不是以這種方式形成的。某個人對A隊而不是對B隊下註是因為他相信A隊更有可能取勝；他並非是從自己的下註偏好中得出這種信念的。因此，實際上是主觀概率決定了對不同賭註的偏好，而不是象理性決策的公理化理論所認為的是從不同的偏好中得出主觀概率的。
概率的内在主觀特性已導致許多學生相信一致性（或内在一致性）是用以評估所判定的概率的唯一有效標準。從規範的主觀概率理論的觀點來看，任何一種内在一致的概率判斷體系都與任何別的體系一樣有效。這種標準並不是完全令人滿意的，因為某種内在一致的主觀概率體系可能與個人持有的其他信念不相一致。我們來考慮一個人，該人對抛擲硬幣遊戲中所有可能結果的主觀概率反映出賭徒謬誤。也就是說，他對特定一次抛擲擲出反面的概率的估測隨著先前抛擲中連續出現正面的數目而增大。該人的判斷可能是内在一致的，按照規範理論的標準因此可以接受為充分的主觀概率。然而，這些概率與人們普遍持有的硬幣沒有記憶因此不能產生序列依賴的信念不相一致。為了充分（或理性）地考慮所判定的概率，僅有内在一致性是不夠的。判斷必須與個人持有的整個信念體系相一致。不幸的是，可能沒有簡單的正式程序用來對概率判斷體系與評判者的整個信念體系之間的一致性進行評估。即使内在一致性更容易得到及評估，理性的評判者只不過是力求做到使它們相一致。尤其，他會嘗試使其概率判斷與他對有關課題的知識、概率法則以及他自己用於判斷的歸納法和偏差相一致。
概要（Summary）
本文講述了三種應用於不確定條件下決斷的歸納法：（1）代表性，通常應用於人們需要判斷對象A隸屬於類別B或事件A從屬於過程B的概率時；（2）事例或情景的可得性，經常應用於人們需要估測某個類別的頻率或某一特定進程的可能性時；（3）自錨定的調整，通常應用於相關數值可以得到時的數值預測。這些歸納法極為省事而且通常是有效的，但是，它們也會導致可預料的系統誤差。對這些歸納法及其導致的偏差的更好理解可以改善在不確定條件下的判斷與決策。
5/6 首頁 上一頁 3 4 5 6 下一頁 尾頁