第16章 原因胜过统计

第 1 6 章

原 因 胜 过 统 计

思考以下场景，凭直觉写下答案。

一辆出租车在夜间肇事逃逸。

该市有两家出租车公司，它们的出租车分别为绿色和蓝色。

你获得了以下数据：

· 该市85%的出租车是绿色的，15%是蓝色的。

· 目击者指认肇事出租车是蓝色的。法庭在事故当晚的条件下检验了证词的可靠性，得出结论：目击者正确识别颜色的概率是80%，错误概率是20%。

请问，肇事出租车是蓝色的概率有多大？

以发生比形式应用贝叶斯法则，先验发生比是从基础比率得出蓝色出租车的发生比，似然比是目击者在出租车是蓝色的情况下说出租车是蓝色的概率除以如果出租车是绿色而目击者说它是蓝色的概率。后验发生比为0.706[（0.15/0.85）×（0.80/0.20）≈0.706]。发生比是出租车为蓝色的概率除以出租车为绿色的概率所得的比值。出租车为蓝色的概率是41%（0.706/1.706≈0.41）。

这是一个标准的贝叶斯推断问题。其中有两条信息：基础比率和不完全可靠的目击者证词。如果没有目击者，肇事出租车是蓝色的概率为15%，这是该结果的基础比率。如果两家出租车公司规模相同，那么基础比率就提供不了任何信息，只需考虑证词的可靠性，得出概率为80%的结论。我们通过贝叶斯法则可以将这两个信息源结合在一起。正确答案是41%。然而，你可能会猜到人们是怎样解答这个问题的：他们忽视基础比率，完全采纳证词。最常见的答案是80%。

因 果 关 系 的 刻 板 印 象

现在，思考同一问题的另一版本，区别只是基础比率的表示方式不同。你获得了以下数据：

· 两家公司的出租车数量相同，但85%的肇事出租车是绿色的。

· 目击者提供的信息与前一版本相同。

Amos Tversky and Daniel Kahneman, “Causal Schemas in Judgments Under Uncertainty,”in Progress in Social Psychology, ed.Morris Fishbein (Hillsdale, NJ: Erlbaum, 1980), 49-72.

这两个版本在数学上没有区别，但在心理上却截然不同。看到第一个版本的人不知如何使用基础比率，经常忽视它。相比之下，看到第二个版本的人非常重视基础比率，他们的平均判断与运用贝叶斯法则获得的答案差不多。为什么？

在第一个版本中，蓝色出租车的基础比率是关于城市中出租车的统计事实。渴望因果故事的大脑无计可施：绿色和蓝色出租车的数量怎么会导致出租车司机肇事逃逸？

相反，在第二个版本中，绿色出租车司机造成的事故是蓝色出租车司机的5倍多。你立即得出结论：绿车司机一定是一群鲁莽的疯子！你现在形成了一种刻板印象，即“绿车司机很鲁莽”，它适用于该公司的所有司机。刻板印象很容易纳入因果故事，因为鲁莽与绿车司机有因果联系。在该版本中，需要结合或调和两个因果故事。一是肇事逃逸，这自然让人联想到某个鲁莽的绿车司机应该对此事负责。二是目击者证词，指认肇事出租车是蓝色的。根据这两个信息得出的关于出租车颜色的推论互相矛盾，基本上可以相互抵消。两种颜色的可能性大致相等（根据贝叶斯法则得出的结果是，肇事车是蓝色出租车的概率为41%，说明相比目击者证词的可靠性，绿色出租车的基础比率略占上风）。

该例解释了两种类型的基础比率。统计学的基础比率是关于某案例所属总体的事实，与个案无关。因果关系基础比率会改变你对个案的看法。人们以不同的方式看待这两种类型的基础比率信息：

· 当人们掌握个案的具体信息时，往往会低估统计学的基础比率，有时甚至完全忽视。

· 人们将因果关系基础比率看作与个案有关的信息，很容易将其与其他具体案例的信息结合起来。

出租车问题的因果关系版本形成了一种刻板印象：绿车司机很危险。刻板印象是关于群体的陈述，人们（至少暂时）认为群体中的每个成员都具有某一特点。以下是两个例子：

这所市中心学校的大多数毕业生都上了大学。

法国人普遍喜欢骑自行车。

人们很容易将这两句陈述理解为群体中的个体都有某种倾向，每个人都符合因果故事。这所市中心学校的许多毕业生都想上大学，也能考上大学，大概是因为学校提供了有益的生活方式。很多法国人喜欢骑自行车，是受到法国文化和社会生活中某种力量的驱使。当想到这所学校某个毕业生上大学的可能性，或者考虑是否与刚认识的法国人谈论环法自行车赛时，你就会想起这些事实。

在我们的文化中，刻板印象是贬义词，但我将它当作中性词来用。系统1的一个基本特征是，将类别表示为规范和原型范例。想到马、冰箱和纽约警察时，我们想到的就是这些类别的原型。我们的记忆里保存了某类别中一个或多个“标准”成员的表征。类别具有社会性时，这些表征被称为刻板印象。有些刻板印象是有害性的错误，充满敌意的刻板印象会造成严重的后果，但心理事实无法避免：无论正确与否，刻板印象都是我们看待类别的方式。

你可能会注意到其中的讽刺之处。在出租车问题中，忽视基础比率信息是一种认知缺陷，是贝叶斯推理的失败，人们倾向于根据因果关系基础比率做出判断。对绿车司机的刻板印象提高了判断的准确性。然而，在其他情况下，如招聘或做评判时，社会规范和法律会强烈抵制刻板印象。这是理所应当的。在敏感的社会情境下，我们不想从群体的统计数据中得出有关个体的可能错误的结论。我们认为，将基础比率视为有关群体的统计事实，而非有关个体的假定事实，从道德角度来看是可取的。换句话说，我们抵制因果关系基础比率。

社会规范抵制刻板印象，反对一概而论，这对创造更文明、更平等的社会大有裨益。但是，我们要记住：忽视有效的刻板印象必将导致不可靠的判断。抵制刻板印象是一种值得赞赏的道德主张，但如果简单地认为抵制无须付出代价，那就错了。为构建更美好的社会，付出代价是值得的，但为获得心灵的慰藉和正确的政治立场而否认代价的存在，在科学上经不起推敲。政治辩论常依赖情感启发式。人们认为自己赞同的观点不需要付出代价，自己反对的观点毫无益处。我们应该在这方面做得更好。

涉 及 因 果 的 情 境

我和阿莫斯创建了不同版本的出租车问题，但“因果关系基础比率”这个有影响力的概念并非我们提出的，是从心理学家伊塞克·阿杰恩那里借来的。在一项实验中，阿杰恩向受试者描述了参加耶鲁大学考试的学生，要求他们判断每个学生通过考试的概率。阿杰恩对因果关系基础比率的操纵很简单：他告诉一组受试者，学生来自考试通过率为75%的班级；告诉另一组受试者，学生来自考试通过率仅为25%的班级。这是一个强有力的操纵，因为根据基础比率可以立即推断，通过率只有25%的考试一定非常难。考试难度当然是决定学生成绩的一个因果因素。正如预期的那样，受试者对因果关系基础比率非常敏感。他们都认为，相比高失败率班级，高通过率班级的学生更有可能通过考试。

阿杰恩用了一个巧妙的方法提出了非因果关系基础比率。他告诉受试者，他们看到的学生是从一个样本中抽取的，这个样本本身就是经过选择的，由通过考试或未通过考试的学生构建的。例如，高失败率组的信息表述如下：

研究者主要对考试失败的原因感兴趣，他们构建了一个样本，其中75%的人未通过考试。

请注意前后差异。这个基础比率是关于集合的纯粹的统计事实，个体是从该集合中抽取的。它与所问的问题（某个学生是否通过了考试）无关。不出所料，明确说明的基础比率对判断产生了一定影响，但影响远小于统计上等效的因果关系基础比率。系统1可以处理个体之间有因果关系的故事，但不擅长统计推理。当然，对于擅长用贝叶斯法则思考的人来说，这两个版本是等效的。至此，很容易认为我们已经得出一个令人满意的结论：人们使用因果关系基础比率，（或多或少）忽略了纯粹的统计事实。下一节将介绍我最喜欢的一项研究，它表明情况要复杂得多。

心 理 学 可 以 教 吗 ？

鲁莽的出租车司机和高难度的考试表明，人们从因果关系基础比率中得出两个推论：第一，个体具备刻板印象的特征；第二，显著的情境特征会影响个体的思考结果。受试者做出了正确的推断，其判断能力也有所提高。遗憾的是，事情并非总是这么顺利。接下来描述的经典实验表明，人们不会从基础比率信息中得出与信念冲突的推论。实验也支持了一个令人尴尬的结论：教授心理学基本上是在浪费时间。

Richard E.Nisbett and Eugene Borgida, “Attribution and the Psychology of Prediction,”Journal of Personality and Social Psychology 32 (1975): 932-43.

该实验是多年前由密歇根大学的社会心理学家理查德·尼斯贝特及其学生尤金·博吉达进行的。他们向学生讲述了几年前在纽约大学进行的著名的“帮助实验”。研究人员将受试者带到单独的隔间，请他们对着通话设备谈论自己的生活和烦恼。受试者轮流讲述，每人大约两分钟。麦克风始终只有一个。每组有6名受试者，其中一人是实验助手假扮的。助手按照研究人员准备的稿子率先发言。他说自己正努力适应纽约生活，而且尴尬地承认他很容易癫痫发作，尤其在压力大的时候。随后，所有受试者依次发言。当麦克风再次交给助手时，他变得焦躁不安，语无伦次，说他感觉要癫痫发作了，希望有人来帮助他。从他那里听到的最后一句话是：“快……来……呃……呃……帮……呃……帮……我（窒息声）。我……我要死了……呃……我……要死了……我癫痫发作了……呃（窒息，然后没了动静）。”这时，下一位受试者的麦克风自动开启，受试者再也没有听到那人的声音。

John M.Darley and Bibb Latane, “Bystander Intervention in Emergencies: Diffusion of Responsibility,”Journal of Personality and Social Psychology 8 (1968): 377-83.

你认为受试者会怎么做？他们知道，有人癫痫发作并希望得到帮助，但他们猜测别人可能会施以援手，所以继续待在自己的隔间里。结果是：15名受试者中只有4人立即对求助做出反应。6人一直待在隔间里，另外5人在“癫痫病人”明显窒息后才出来。实验表明，当知道其他人也听到求助时，人们会觉得自己身上的责任减轻了。

结果让你吃惊吗？很可能。大多数人都认为自己行侠仗义，在这种情况下会立即提供帮助，还期待别人也能这样做。当然，实验是为了证明这种预期是错的。一旦期待别人去救助癫痫患者，即使是正派人也不会第一时间站出来。你也有同样的心态。

“读了帮助实验，我以为自己会立即救助癫痫患者，就像单独与他在一起时那样。我可能错了。如果发现别人有机会提供帮助，我可能不会伸出援手。他人在场会降低我的责任感，其影响比我预想的要大。”这是心理学老师希望你能学到的。你赞同吗？你是否做出了同样的推断？

描述“帮助实验”的心理学教授希望学生将低基础比率看作一种因果表示，就像虚构的耶鲁大学考试问题一样。他希望学生在两种情况下都能推断出，惊人的高失败率意味着考试非常难。学生要吸取的经验是，显著的情境特征，如责任分散，会让像他们这样的正派人表现出出乎意料的冷漠。

人们很难改变对人性的看法，更难改变对自身阴暗面的看法。尼斯贝特和博吉达认为学生会抵制这项研究，不想体验不快。当然，学生能够且愿意在考试中列举“帮助实验”的细节，甚至会复述关于责任分散的“官方”解释，但他们对人性的信念真的改变了吗？为了找到答案，尼斯贝特和博吉达向学生展示了采访视频，受访者是“帮助实验”的两名受试者。采访过程简短而平淡。受访者看起来都是善良、正派的普通人。他们讲述了自己的爱好、业余活动和未来的计划，也都是常规内容。采访视频播放完，教授要求学生猜测受访者帮助陌生人的速度有多快。

为了将贝叶斯推理应用于这项任务，你应该先问问自己，如果没有看到采访视频，你会做出怎样的猜测。回答这个问题可以参考基础比率。我们知道，实验中15名受试者，只有4人一听到求救就立即提供帮助。因此，不明身份的受试者立即提供帮助的概率为27%。对任何未指明身份的受试者，你的先验信念应该是：他不会立即提供帮助。接下来，贝叶斯逻辑要求你根据此人的相关信息调整判断。然而，视频是精心设计过的，没有提供任何信息。没有理由认为，采访对象会比随机选择的受试者提供更多或更少的帮助。在缺乏有用的新信息时，贝叶斯解决方案是：与基础比率保持一致。

尼斯贝特和博吉达让两组学生观看视频，并预测这两个受访者的行为。第一组学生只知道“帮助实验”的程序，不知道实验结果。他们的预测反映了他们对人性的看法及其对情境的理解。如你所料，他们预测这两个人会立即伸出援手。第二组学生知道实验的程序和结果。比较两组受试者的预测，可以回答一个重要的问题：学生从“帮助实验”的结果中学到了改变思维方式的知识吗？答案很简单：他们一无所获。第二组的预测与不知道实验结果的第一组一样。尽管第二组学生知道这两个人所属群体的基础比率，但仍然相信，他们会立即帮助患病的陌生人。

对心理学老师来说，这项研究的寓意令人沮丧。老师在教授关于人类行为的“帮助实验”时，希望学生学到新知识，希望他们在特定情境下改变对人类行为的看法。尼斯贝特和博吉达的研究没有实现这一目标——没有理由认为，如果他们做了另一项出人意料的心理实验，结果会有所不同。事实上，他们在教授另一项研究时，报告了类似的结果。在该研究中，很小的社会压力导致受试者承受了较痛苦的电击，其程度超过了大多数人（以及受试者）的预期。对社会环境的影响力没有形成新认识的学生，并未从实验中学到任何有价值的东西。他们对随机选择的陌生人或自身行为的预测表明，他们并未改变原有看法。用尼斯贝特和博吉达的话来说，学生“默默地将自己”（及其朋友和熟人）从实验结论中排除了。然而，心理学老师不应该绝望，因为尼斯贝特和博吉达公布了一种方法，可以让学生理解“帮助实验”的意义。他们重新选择了一组学生，告知他们实验程序，但没有告知实验结果。他们播放了那两段视频，并简要地告诉学生，视频中的两个受试者没有帮助陌生人，然后让他们猜测受试者的整体情况。结果富有戏剧性：学生的猜测非常准确。

为了让学生掌握新的心理学知识，你必须让他们感到惊讶。但怎样的意外才会起作用呢？尼斯贝特和博吉达发现，当他们向学生展示令人惊讶的统计事实时，学生什么都没学到。但当学生对个例感到惊讶时（比如，两个没有伸出援手的好人），他们立即做了归纳，并推断助人比他们想象的要难。尼斯贝特和博吉达用一句令人难忘的话总结了实验结果：

受试者不愿从一般中推断特殊，就像他们愿意从特殊中推断一般。

这是一个非常重要的结论。得知有关人类行为出乎意料的统计事实之后，人们会留下一些印象，将其讲给朋友听，但这并不意味着他们对世界的理解发生了真正的改变。检验是否已掌握心理学知识，要看你对情境的理解是否发生了变化，而不是看你是否知道了新事实。我们对统计数据和个案的理解存在着巨大的差异。与非因果信息相比，具有因果解释的统计结果对思维的影响更大。但即使是令人信服的因果统计数据，也不会改变人们的长期信念，以及植根于个人经历的信念。另一方面，出乎意料的个案具有强大的影响力，是更有效的心理学教学工具，因为人们一定会解决个案与信念的冲突，将其纳入因果故事中。本书的一些问题是专门向读者提出的，这就是用意所在。相比了解别人令人惊讶的事实，你更可能通过发现自己的意外行为学到知识。

谈 谈 原 因 与 统 计 数 据

“我们不能假设他们从统计数据中学到知识。向他们展示一两个有代表性的个案，去影响他们的系统1。”

“不必担心这些统计信息会被忽视。相反，人们会立即用它们来加深刻板印象。”