Local EPUB Text
第14章 匹配，找到与你的预测最精准匹配的共识
第14章 匹配，找到与你的预测最精准匹配的共识
现在请看向天空，你认为两小时内下雨的可能性有多大？你可能很容易就答出了这个问题。你做出判断时毫不费力。你可能在不知不觉中就把对天空黑暗程度的评估转换成了概率判断。
你刚刚做的事就是一种典型的“匹配”（matching）。我们将判断描述为一种思维操作，该思维操作会为主观印象或印象的某个方面在量表上找到对应的值。匹配是该思维操作的重要组成部分。当你回答“你的心情有多好？从1分到10分，请给出你的评分”或“请对你今天早上的购物体验评分，从1颗星到5颗星”这类问题时，你就在进行匹配，你的任务是在判断量表上找到与你的心情或经历相匹配的数值。
匹配与一致性
回想一下上一章提到的比尔：比尔今年33岁，他很聪明，但缺乏想象力，而且大多数时候比较无趣。他上学的时候，数学学得很好，但人文社科类的课程的成绩却很差。我们要求你估计比尔从事各种职业和拥有各种爱好的可能性，然后我们看到你回答这个问题时用相似性判断替代了概率判断。你并没有真的去思考比尔成为会计师的可能性有多大，而是在思考他与该职业的典型形象有多相似。现在，我们转向另一个尚未解决的问题：你是如何做出这个判断的？
评估比尔的特征在多大程度上符合某个职业或某类爱好者的典型特征并不难。相比于会计师，比尔显然不像爵士乐爱好者，更不像喜欢冲浪的人。这个例子说明了匹配的非凡的通用性，在对人进行判断时，匹配的作用尤为突出。你可以回答无数有关比尔的问题。例如，如果你和他一起被困荒岛，你会有什么样的感受？仅凭得到的那么一点信息，你可能立即就会得出一个直观的答案。不过，我们还为你带来了新的信息：据我们所知，比尔恰巧是一个有超强生存技能的经验丰富的探险家。如果这个消息使你感到惊讶（很可能会如此），这就说明你刚刚经历了一致性失调。
你之所以会非常惊讶，是因为新信息与你之前所构建的比尔的形象不匹配。现在想象一下，如果最初的说明中包含关于比尔的英勇和超强生存技能的信息，那么你将对该男子形成一个完全不同的整体印象——他也许是一个只有在户外才会变得活泼的人。因为你对比尔的总体印象本来就缺乏一致性，所以将该总体印象与职业或爱好类别进行匹配就会比较困难。不过，与之前你所经历的失调相比，你现在所经历的失调要小得多。
相互矛盾的线索使达成一致变得困难，也会使在判断中找到令人满意的匹配变得困难。复杂判断的特征就是存在相互矛盾的线索，可以预料的是，我们会在其中发现很多噪声。迈克尔·甘巴迪问题就属于这一类判断，该问题中有些线索是正面的而其他线索是负面的。在第16章，我们将再次讨论复杂判断问题。在本章中，我们先将重点放在相对简单的判断，特别是那些在“强度量表”（intensity scales）上做出的判断上。
强度的匹配
在有些判断中，我们所用的量表是定性的，例如职业、爱好和医学诊断。你可以通过看它们的测量值有没有大小、多少、强弱等之分，来判断它是不是定性的，比如“红色既不比蓝色多，也不比蓝色少”。
同时，也有许多判断的量表是定量的。比如，尺寸、重量、亮度、温度或响度等物理量的测量，成本或价值的测量，概率或频率的判断等都属于定量测量。还有一些抽象的判断也是定量测量，如信心、力量、吸引力、愤怒、恐惧、不道德、惩罚的严厉程度等。
这些可以量化的维度有一个共同特征：对于在同一维度上的任意两个数值，都可以比较“哪个更多”。你知道鞭笞是比打手心更严厉的惩罚，你也知道自己更喜欢《哈姆雷特》而不是《等待戈多》，就像你知道太阳比月亮更明亮，大象比仓鼠更重，美国迈阿密的平均气温比加拿大多伦多的更高是一样的。
人类具有非凡的直觉力，可以对比两个强度不同的量表，从而将两个完全无关维度的强度相匹配。你可以将自己对不同歌手的感情强度与城市建筑物的高度相匹配。例如，如果你特别喜欢鲍勃·迪伦（Bob Dylan），那么你可以将自己对他的热情与你所在城市的建筑物的高度进行匹配。你还可以将你所在国家或地区当下的政局紧张程度与夏季的气温相匹配。如果要求你用一本小说的长度来度量一家餐厅的美味程度，而不是让你给出常见的1～5颗星的评分，这种要求会让你觉得很奇怪，但并非完全不可行。在这种情况下，你依然能很清楚地表达你的意思。
在日常交谈中，量表的取值范围通常依赖于情境。比如对于“他攒了很多钱”这句话，如果你是在一位成功银行家的退休宴会上敬酒时说出的，那么它表达的含义与你在祝贺一位正在兼职做保姆的年轻人时说出的大不相同。“大”和“小”这类形容词的含义完全取决于参照系，“大老鼠从小象的鼻子上跑了下来”这句话能让我们深刻体会到这一点。
匹配性预测的偏差
接下来的这个难题说明了匹配的力量以及与之相关的系统性判断错误。
朱莉是一所大学的应届毕业生。请阅读下列有关她的信息，然后猜测她的GPA是多少（标准分数为0～4.0分）：
朱莉4岁时能流利阅读。
她的GPA是多少？
如果你熟悉美国的成绩系统，那么你脑子里很快就会蹦出一个数字，这个数字很可能为3.7或3.8。你是如何快速得出这一结果的？这一猜测过程正好说明了我们刚刚描述的匹配系统。
第一步，你评估了朱莉在阅读上的早慧程度。这很简单，因为朱莉在很小的时候就能流利阅读了，这种早慧使朱莉被划分在了某个量表的某个类别之中。如果必须描述你所使用的这个量表，你可能会说它的最高类别是“极其早慧”，并且你也知道朱莉不属于这个最高类别（有些孩子在两岁之前就会阅读了），朱莉很可能属于次一级的类别，在这个类别中，孩子们虽然非常早慧但不算极其早慧。
第二步，你要判断出一个GPA值，使它能与你对朱莉早慧程度的评估相匹配。尽管你是无意识的，但你一定会寻找一个GPA值，使得它看起来符合“非同寻常但不是极其特别”这个标签。当你听到朱莉的故事时，你自然而然地就在脑海里进行了这种匹配性预测。
在执行这些评估和匹配任务时，人们如果刻意地去运算，将会花费相当长的时间，而通过系统1思维的快速思考，则可以迅速而轻松地做出判断。我们在这里讲的有关猜测朱莉的GPA的故事涉及复杂的、多阶段的心理过程，无法直接观察。“匹配”这种特殊的心理机制在心理学中虽然不常见，但支持它的证据是毋庸置疑的。我们可以确定，就如下两个问题，不管你问谁，你得到的答案都会是完全相同的两个数字，因为我们已经做了许多类似的实验。
· 朱莉所在的班级里，比她更早开始阅读的人占了多大的比例？
· 朱莉所在的班级里，比她的GPA更高的人占了多大的比例？
第一个问题很好解答：它只要求你基于现有的信息对朱莉进行评估。第二个问题需要我们对未来进行预测，当然会更困难些，但是我们的直觉思维会使我们情不自禁地用第一个问题的答案来回答第二个问题。
关于朱莉的这两个问题类似于我们先前在讨论效度错觉时描述的那两个向来容易混淆的问题。在关于朱莉的问题中，第一个问题要求你基于现有的信息评估“强度”；第二个问题询问的则是预测的强度。我们猜测，两个问题很难被区分开来。
对朱莉GPA的直觉性预测可以看作我们在第13章中介绍的心理机制的一个例子：用一个简单问题替代一个困难问题。你的系统1思维回答了一个简单得多的问题，把一个困难的预测问题简化成了：朱莉在4岁时就能阅读了，这多么令人印象深刻啊！在此之后，要把阅读早慧程度直接与GPA相对应，还需要一个步骤——匹配。
当然，只有当获得的信息与问题有关时，才会发生替代。如果你只知道朱莉跑得很快或她跳舞水平一般，在评估GPA的问题上你就一点信息都没有了。但是，任何看起来像是可以测量才智的指标都可能是可用的替代品。
用一个问题替代另一个问题时，如果两个问题的正确答案不一样，错误就会不可避免地产生。用阅读早慧程度代替GPA，尽管看似合理，但其实质是非常荒谬的。要想知道为什么，就想一想朱莉4岁以后可能会发生的事情。她有可能会经历一场可怕的事故，她的父母有可能会发生一场极不愉快的离婚风波，她也可能会遇到经常鼓励她的好老师，从而对她的人生产生巨大影响。总之，太多的事件都有可能会影响她上大学时的学业成绩。
只有当阅读早慧程度和大学的GPA完全相关时，匹配性预测才可能是正确的，然而，事实显然并非如此。另外，完全不考虑朱莉的阅读早慧程度这一信息的做法也是错误的，因为她的阅读早慧程度确实提供了一些有用信息。最佳预测应该介于拥有完整信息时的预测和完全没有相关信息时的预测这两个极端之间。
当你只知道案例所属的类别，而对其他具体情况一无所知时，你对该案例能了解些什么？答案就是我们所谓的案例外部视角。如果要我们预测朱莉的GPA但不提供有关她的信息，那么我们肯定会预测GPA的平均值——可能是3.2，这就是外部视角的预测。因此，朱莉GPA的最佳估计值应该为3.2～3.8分。估计值的具体位置取决于信息的预测价值：你越相信阅读年龄可以作为GPA的预测因素，你的估计值就越高。就这一问题而言，信息的预测价值肯定是很薄弱的，因此最合理的预测应该接近平均GPA。有一种非常简单的技术可以纠正匹配性预测的误差，我们将在附录3中详细介绍。
我们总是难以抗拒地做出与证据相匹配的预测，尽管这种预测从统计学上看很荒谬。比如，销售经理通常会认为，去年表现比其他人更优秀的销售人员会在今年继续表现突出。有时候，当高管遇到才华横溢的应聘者时，他就会设想这位新员工将如何从企业底层晋升到最高层。制片人通常会认为：那些上一部电影大获成功的导演，他们的下一部电影也会取得成功。
上述这些匹配性预测的例子很有可能会以失败告终。另外，当情况糟糕时，匹配性预测的结果可能会过度消极。无论是过度乐观还是过度悲观，与证据进行匹配的直觉性预测往往太过极端。描述这种预测误差的一个术语叫作“非回归性”（nonregressive），因为它们没有考虑到“均值回归”（regression to the mean）这一统计现象。
然而，需要注意的是，替代和匹配并不总会影响预测。从双系统的角度来说，直觉性的系统1思维为出现的问题提供了快速的解决方案，但是这些直觉性思维必须经过反思性的系统2思维的认可，才会被转换成信念。有时候，人们会偏好复杂性思维的反馈，而拒绝匹配性的预测。例如，相比于积极的证据，人们不太愿意对消极的证据进行匹配性预测。我们猜测，如果朱莉开始阅读的时间较晚的话，你可能就不会那么毫不犹豫地做出匹配性预测，即认为她的大学成绩差了。当获得的信息增多时，这种积极预测和消极预测之间的不对称性将逐渐消失。
我们可以通过外部视角来纠正各种直观预测。例如，在前面关于迈克尔·甘巴迪的未来前景的讨论中，我们建议你将对甘巴迪的成功概率的判断锚定在基准概率（新任CEO任期持续两年的成功率）上。对于诸如朱莉的GPA的定量预测，采取外部视角意味着将你的预测锚定在平均结果上。只有在非常简单的问题中，在可以非常确信基于当前的信息能够完美做出预测时，我们才可以忽略外部视角，而当需要做出认真严肃的判断时，我们必须考虑外部视角。
匹配中的噪声：绝对判断的局限性
我们在强度量表上区分类别的能力有限，这限制了匹配的准确性。在大小或财富维度上，有很多数值都可以被划分到“大”或“富”这种类别中，这是重要的潜在噪声源。
用富有来描述退休的投资银行家是没错的，但他到底有多富有呢？有许多形容词可供我们选择：小康、经济宽裕、富裕、超级富裕等。如果给你提供许多人的财富信息，并要求你用一个形容词来形容每个人，而且不能对每个人的财富进行比较和排序，你可以分出多少种不同的类别？
发表于1956年的一篇有历史意义的经典心理学论文《神奇的数字7，加2或减2》（The Magical Number Seven，Plus or Minus Two），其标题就指出了我们在强度量表上可以区分的类别数。如果类别数超出这一范围，人们就会开始犯错——例如，人们会认为A应当划分到比B更高级的类别中，但也会在一对一的比较时给予B高于A的评分。
请想象4条长度不等的5～10厘米的线段，这4条线段的长度呈等差分布。你每次只能看到其中的一条线段，你需要用数字1—4来评估该线段的长度：1表示最短，4表示最长。这个任务很简单。假设现在有5条长度不等的线段，重复这个过程，用数字1—5来评估线段的长度。这个任务仍然很容易。随着线段的增多，你从什么时候开始会犯错误呢？大约是从有7条线段时开始，7真是个神奇的数字！令人惊讶的是，该数字几乎不受线段长度范围的影响：如果线段的长度为5～15厘米，而不是5～10厘米，你仍然会在有7条线段之后开始犯错。当你听到不同大小的声音或看到不同亮度的光时，情况也是类似的。人们在同一维度上对不同刺激赋予不同类别标签的能力有一个限度：大约是7个标签。
这种区分能力的限度很重要，因为我们在不同维度上对强度值进行匹配的能力，应该不会比直接在这些维度上指定数值的能力更强。虽然匹配操作是快速的系统1思维的一种通用工具，也是许多直觉性判断的核心，但它是很粗糙的。
不过，神奇的数字7并不是一个绝对的限度，人们可以通过训练层级分类来对标签做出更好的区分。例如，在千万富翁这一群体中，我们又可以区分出好几种不同富裕程度的类别，法官也可以在重型犯罪中区分出多种不同严重程度的类别。但是，要使这种优化过程起作用，类别必须是事先存在并且边界定义清晰的。在为一组线段赋予标签时，我们很难将较长的线段与较短的线段区分开，并将它们视为两个单独的类别，因为当我们处于快速的系统1思维模式时，分类并不受主观意志控制。
有一种方法可以克服形容词量表在分辨能力上的局限性：进行对比，而不是使用标签，因为我们比较案例的能力比评价案例的能力强得多。
假设让你用一个20分制的量表来评价许多餐厅或歌手，你会如何做呢？5分制的量表很容易把握，但是20分制的量表将很难保证你的评价的可信度。比如，在5分制的量表下我们可以给Joe’s Pizza餐厅打3分，但是用20分制的量表时，我们该给11分还是12分呢？解决这个问题的方法很简单，但是你需要花费很多时间才能做出判断。
首先，你要用一个5分制的量表对餐厅或歌手进行评分，将其分为5类。然后，你要在每个类别中对不同的对象进行排序，通常只需做几次对比即可完成：你可能知道你更偏爱Joe’s Pizza餐厅还是Fred’s Burgers餐厅，以及更喜欢歌手泰勒·斯威夫特（Taylor Swift）还是鲍勃·迪伦，尽管你将它们（他们）划分在了同一种类别下。一个更简单的方法是，你可以将5个类别再分为4个等级。即使是对那些你最不喜欢的歌手，你可能也可以区分出几种不同等级的厌恶程度。
上述行为的心理机制很简单：对判断对象进行直接比较能够获得比逐一评估各个对象更精确的区分效果。判断线段长度也是同样的道理：我们比较不同线段长度的能力要比确认某个具体的线段长度的能力强得多，此外，我们在比较两条线段的长度时，准确性也会更高。
我们在比较判断方面的优势适用于许多领域。如果你对人们的财富水平只有粗略的认知，那么相比于逐一标记每个人的财富水平，在同一范围内对不同个体的财富水平进行比较会更为清晰、容易。如果你对文章进行评分，那么将文章从最优到最差进行排序会比对文章逐一阅读和评分更为精确。比较判断和相对判断要比分类判断和绝对判断更敏锐，不过，正如上述的例子所表明的那样，前者也更费时费力。
使用明确有可比性的量表对目标进行单独评估，能够保留比较判断的一些优势。在某些情况下，特别是在教育领域，涉及入选录用或升迁推荐时，推荐人通常需要将候选人限定为某一类人群（如“自己教过的学生”或“具有相同经验水平的教师”）的前5%或前20%。但是，推荐人给出的评估值可能没有太大的参考价值，因为我们无法保证推荐者始终规范地使用统一的量表。当然，在某些情况下这些评估值还是有用的，比如，当经理对员工进行评级或分析师对投资进行评估时，可以先找到那些将90%的对象都划分到“前20%”这个类别中的人并纠正他们的错误。使用比较判断是减少噪声的方法之一，我们将在本书第五部分对此进行讨论。
许多判断任务都需要将考查对象与量表上的某个类别进行匹配，或者使用一组有序的形容词，比如用“不太可能”或“极不可能”来评定事件发生的概率。然而，这种匹配其实很粗糙，因此充满了噪声。即使人们对判断的实质达成了共识，每个人对标签的理解也可能有所不同。即便如此，强制进行比较判断还是可能减少噪声。在下一章，我们将进一步探讨错误地使用量表会如何增加噪声。