书 · 1982-04 · 丹尼尔·卡尼曼（Daniel Kahneman）、保罗·斯洛维奇（Paul Slovic）、阿莫斯·特沃斯基（Amos Tversky）编

《不确定状况下的判断》

心理学书单第 46 名 · 逻辑与思维书单第 58 名

一句话结论

我们常用相似程度、回忆难易和眼前起点来代替复杂的概率判断；这些捷径通常有用，也会产生可以解释和预测的错误。

值不值得读完整本？

值得读完整本，尤其适合想理解认知心理学如何研究判断的人。它是35章的研究文集，价值在于把错误表现、心理机制和纠正方法放在一起，阅读时可以分主题推进。

先读第1章，掌握代表性、可得性、锚定与调整三类启发式，再读第2—4章，理解基础比率、样本大小和均值回归。
接着读第11—16章和第20—23章，看看记忆、因果解释与信心怎样影响判断；第18章可帮助理解医疗诊断中的实际问题。
第24—26章讨论多阶段推断，适合配合概率树慢读；第28—32章讨论纠正程序，不宜因为已经认识偏差就跳过。
最后读第33—35章，补上风险感知和研究方法的边界。首次阅读可略读重复的实验细节，但应保留各章的问题、比较条件与结论。

核心观点

1. 代表性会把“像不像”变成“可能性多大”

人在判断一个人属于哪类、一个结果是否可能时，常以它与典型形象的相似程度代替概率计算。这会让基础比率、样本大小和证据可靠性得不到应有的重视。

为什么：相似程度容易凭直觉判断，综合先验概率与证据强度则比较费力。一个生动的人物描述即使诊断价值有限，也能强烈唤起职业典型。人们还期待小样本同样充分体现总体特征，因此低估小样本的波动。在预测时，若只按眼前表现的突出程度推断未来，就会忽略其中的偶然因素，作出过于极端的预测。

2. 可得性会把“容易想到”变成“经常发生”

我们常根据例子是否容易回忆、情景是否容易想象，估计事件的频率和可能性。这种方法依赖记忆与想象，而记忆与想象并不只是频率的记录。

为什么：常见事件通常留下更多记忆，所以用回忆难易估计频率有其道理。但显著性、熟悉程度和检索方式也会影响回忆，导致同样常见的事件具有不同的可得性。模拟一个结果的过程若很顺畅，也容易使人觉得它更可能发生。于是，记忆和想象的便利会被误当成外部世界的统计证据。

3. 锚定与不充分调整会让无关起点进入答案

估计未知数量时，人们可能从一个现成数字或初步计算出发，再作调整；调整不足会使答案偏向起点。判断多个环节组成的事件时，类似问题也会影响对整体概率的估计。

为什么：初始值提供了一个容易使用的参照，估计者不必从头构造答案。但向上或向下调整需要持续考虑不确定性，人们往往调整得不够远。如果以单个环节的成功率作为直觉参照，就容易高估多个环节全部成功的概率。反过来，面对许多可能的失败机会，也容易低估至少发生一次失败的概率。

4. 因果解释和控制感可能跑在证据前面

人们并非只是被动读取数据，还会用既有理论解释关联，并把与技能有关的情境线索当成自己能够控制结果的依据。一个解释很顺，并不意味着因果关系已经得到证明。

为什么：观察复杂事件时，既有信念会引导注意、记忆和证据解释，使预期中的关联更容易被发现和保留。若缺少对照，人们就难以知道同一结果在其他条件下是否也会出现。在随机任务中，亲自选择、熟悉或参与等线索又可能唤起技能任务中的控制感。因此，经验可能强化一个错误解释，而没有真正检验它。

5. 信心、准确性与事后解释必须分开

更多个案资料未必带来更准确的判断，却可能提高信心；知道结果以后，人们还会高估自己或别人事前能够预见结果的程度。判断是否可靠，需要检查信心与实际表现的对应关系。

为什么：新增资料可能让人物形象或解释更完整，却没有增加多少有效预测信息。判断者若把这种完整感当成证据质量，就会变得更有把握。结果揭晓后，人们又会围绕已发生的结果重新理解早先线索，使过去看起来比当时更确定。因此，单凭事后回想很难准确评估预测能力，需要保留事前判断并与结果比较。

6. 纠偏要改变判断程序，不能只靠提醒自己

认识偏差不等于能够消除偏差。书中的纠正研究强调，稳定的信息整合规则、考虑预测可靠性、训练与反馈，都可能比临场自信更有帮助。

为什么：直觉整合多项线索时，权重容易随个案和注意焦点波动。固定规则能够减少这种不一致；当线索选择合理、方向明确时，简单线性模型也可能取得良好表现。预测还应随证据可靠性降低而向平均水平收缩，避免把偶然的极端表现延伸到未来。反馈与训练的作用需要实际检验，因为知道规则并不保证能在新情境中运用。

反对意见

偏离统计规范不自动等于解释了心理过程（吉仁泽）

Gerd Gigerenzer在1996年的《On Narrow Norms and Vague Heuristics: A Reply to Kahneman and Tversky (1996)》中质疑，部分研究采用的理性标准过窄，而“代表性”等概念不够精确。如果缺少明确的过程模型，就难以事先预测人们何时犯错、何时不会犯错。这项批评针对理论解释的精确性，并非否认所有实验现象。

有些困难来自信息格式，不能直接归为能力缺陷（吉仁泽、霍夫拉格）

Gerd Gigerenzer与Ulrich Hoffrage在1995年的《How to Improve Bayesian Reasoning Without Instruction: Frequency Formats》中发现，以自然频数组织信息，能让参与者更容易作出贝叶斯推断。他们认为，这种格式保留了样本中的数量关系，减少了计算步骤。因此，概率题上的失败不能脱离信息表示方式来解释；研究也没有证明频数能消除所有偏差。

简单规则也应按其适应的环境评价（吉仁泽、托德等）

Gerd Gigerenzer、Peter M. Todd与ABC Research Group在1999年的《Simple Heuristics That Make Us Smart》中，把重点放在简单规则与环境结构的匹配上。忽略部分信息可能降低估计噪声、节约搜索成本，并在特定环境中保持预测准确性。因此，只研究启发式相对于某种规范的失败，不足以说明它为什么存在，以及何时值得使用。