不确定性下的判断：启发式与偏差

1974 年，特沃斯基与卡尼曼要反驳两种流行看法：直觉判断虽粗糙但大体无偏；概率判断只要求内部一致即可。当时的决策理论用「一致性」定义主观概率，任何内部自洽的概率集合都算合格。两人用一组课堂小实验说明：人的判断偏离规范模型的方式不是随机噪声，而是可以命名的固定偏移——因为原来的难题被替换成了一个更简单的题。他们的结论并不激进：捷径在多数环境里有效，出错发生在结构不匹配的时候。

1. 先换掉问题：被问「这件事有多大可能」，人实际在答「它像不像那个类别」「例子好不好想起来」「从一个数往上调多少」——原问题被替手问题接替了。
2. 代表性：按相似度判断归属，于是忽略基础比率（先验人数）与样本量，宁愿相信一段生动描述，也不愿相信人数分布。
3. 可得性：用「例子浮现的容易程度」估频率，于是被反复报道、亲身经历过的事被系统高估，安静而常见的风险被低估。
4. 锚定与调整：从一个起点数开始调整，而调整总是不充分，于是随机数字、无关报价、上一轮结果都会污染估计。
5. 含义：偏差在受过训练的专家身上同样能重现——只要他们凭直觉判断；所以改进方向是改任务格式与流程，而不是呼吁「更客观」。

代表性启发式

按「像不像」判断类别归属，用相似度替代概率计算。例：「汤姆」的描述像内向的文科生，多数人就判定他读文学而不是工程，不管两个专业的人数差多少。

可得性启发式

以例子浮现的难易程度估计频率与概率。例：很多人认为英文里以 r 开头的单词比 r 在第三位的多，其实后者更多——按首字母检索更容易。

锚定与调整

从一个起点值出发做不充分的调整，起点会留下痕迹。例：先看一眼随机转盘上的数字，再估联合国里非洲国家所占比例，估计值会随转盘数字移动。

基础比率忽视

手上有生动的个案描述时，忽略类别的先验比例。例：被告知人群里七成是律师、三成是工程师，读者仍会按一段性格描述判定某人是工程师。

小样本不敏感

把大数定律当成对小样本也成立，忽略小样本波动更大。例：问「某天男婴比例超过六成，大医院还是小医院更可能」，多数人答「一样多」，正确答案是小医院。

频率格式

把概率问题改写成「多少个里有几个」，可显著减少基础比率忽视。例：「患病率 1%、检测敏感度 80%」换成「1000 人中有 8 个真阳性、50 个假阳性」，医生答对率明显上升。

• 论文本身：1974 年 9 月《Science》第 185 卷第 4157 期，1124–1131 页；三类启发式各配数个课堂实验（汤姆、字母 r、转盘、律师与工程师），摘要直接写明它们「非常经济也通常有效」，但导致系统性、可预测的错误。
• 它成了后续研究的起点：2002 年诺贝尔经济学奖把「将心理学洞见引入经济学，特别是关于不确定条件下判断与决策的研究」列为核心贡献，指的就是从这篇论文展开的那条路线。
• 同一传统的自我修正：卡尼曼与特沃斯基 1996 年回应批评，说明只要判断仍按相似度而不是频数进行，这些「认知错觉」就稳定存在——真正的争议是「用贝叶斯当唯一标尺」是否公平。

• 一级三类启发式与对应偏差的原始实验与结论，含摘要原文，可核对每个案例的措辞。Science 185(4157)（UCI 课程镜像 PDF）访问于 2026-09-13
• 二级回顾判断与决策研究如何进入经济学，把偏差研究放回前景理论的脉络里。诺贝尔奖官网：2002 年经济学奖讲座（Kahneman）访问于 2026-09-13
• 二级批评启发式概念过于笼统、缺乏过程模型，并指出用频率格式重述同一问题后错误率大幅下降。Gigerenzer 论文《On Narrow Norms and Vague Heuristics》（PDF）访问于 2026-09-13

• 批评二级认为 T&K 把不确定性压缩成风险、把有限理性读成「偏离最优」，忽视了简单启发式在真实环境里可能更准。Gigerenzer & Brighton《From Bounded Rationality to Ecological Rationality》（MPG 全文）访问于 2026-09-13
• 支持 / 回应一级回应批评：只要仍按相似度判断，错觉就稳定存在；把统计规范当成唯一标尺才是争论的根源。Psychological Review 103(3)：Kahneman & Tversky 1996访问于 2026-09-13

第一，被试与场景单薄：实验多是西方大学生在课堂问卷里的作答，样本小、任务人为；后续跨文化研究显示部分偏差的强度随教育程度与提问格式变化。第二，启发式是推断出来的，不是直接观测到的：批评者认为这类解释缺少过程模型，几乎可以事后说明任何结果。第三，把 1974 年的三条启发式与后来的「双系统」、前景理论混为一谈不合史实——双系统是 1990 年代之后的表述。第四，论文的靶子是规范模型，它证明的是「人不是贝叶斯机器」，不是「人的判断没有价值」。第五，中文译名不统一：representativeness 也译「典型性」，引用前先对齐术语。

• 给自己设三问：这次判断是在归类、估频率，还是定量？三处各检查一次，命中哪一处就用哪条对策。
• 换格式再答一遍：把百分比问题改写成「1000 人里有多少」，看答案是否改变——基础比率忽视最怕这个。
• 记录一次锚定：写下谈判中听到的第一个数字与自己最终报出的数字，两者之间的距离就是锚的痕迹。

1. 三类启发式分别替代了什么计算？为什么说它们「通常有效」？
2. 为什么「-TxTxTxT-」看起来比「-TxTxTxTxT-」更不像随机，而后者其实更可能出现？
3. 批评者说的「任务格式决定错误率」是什么意思？

读法：先读三类启发式各自的小节（代表性 → 可得性 → 锚定），每条对应一个原始实验；再读结尾关于决策理论含义的讨论。想要完整语境，配卡尼曼《思考，快与慢》第 10–14 章；想读批评，读 Gigerenzer 的 On Narrow Norms and Vague Heuristics。哪些只能读原著：那些课堂问题本身——汤姆、字母 r、转盘与律师工程师的措辞就是实验装置，转述会把结构丢掉。

• 锚定效应（讲透）站内锚定篇把「调整不充分」展开到谈判与定价，是第三条启发式的延伸。
• 概率思想（讲透）它讲概率思维的形成史，用来放回 1970 年代决策理论的语境，看清这篇论文到底在反驳谁。
• 贝叶斯更新基础比率忽视正是贝叶斯更新的反面案例，对照读能看清「规范」与「直觉」差在哪一步。