（应用心理学专业论文）不确定条件下的忽视基线现象研究.pdf

硕士学位论文 m a s t e r st h e s i s 中文摘要 本文主要研究不确定条件下基线信息和案例信息在概率判断过程中的使用情 况。回顾文献，目前已知的研究已经涵盖了很多基线信息被利用的条件。也就是说， 可以通过改变基线判断实验中的实验条件来操纵基线信息到底是被使用还是被忽 略。但是这些研究中关于基线信息使用的机制及反应方式研究得比较少。本文为了 研究基线信息的使用方式和反应机制，编制了一系列四个实验。实验一和实验二研 究了在典型的律师工程师实验范式中，在分别改变案例信息和基线信息的显著程度 的条件下两种信息在概率判断中的使用方式。具体来说，实验一通过一系列变化的 基线大小验证了在概率判断中，基线信息和案例信息是单独反应的。实验二通过控 制基线信息和案例信息的丰富程度、呈现位置等，验证了在概率判断中，如果基线 信息比案例信息显著，那么概率判断就会单独依赖基线信息，而忽略案例信息。反 过来，如果案例信息比基线信息显著，那么概率判断就会单独依赖案例信息，而忽 略基线信息。在真实世界的决策判断中，个体由于认识能力的限制，并不能总是有 效地、充分地利用判断依据中提供的信息来做出最正确的判断。根据传统的认知偏 差模式的解释，忽视基线现象的出现有可能的解释是由于实验中提供的作为判断依 据的概率与个体知觉到的因果结构之间的不匹配。在这一基础上，实验三的研究设 计和结果表明了如果在试验情境中提供明显的因果框架，个体能够根据概率判断需 要结合因果框架来适当的使用或者忽视基线信息。另外，在日常生活中，人们经常 接触到一系列负性事件发生的基线。例如，某种癌症或者心脏病在某些人群中发生 的概率。但是，关于人们在生活中如何将这些概率信息纳入决策判断中来评估自身 风险的研究很少。因此，实验四的实验目的是研究个体在判断与自己有关的负性事 件发生的概率时的表现。文献表明，个体往往在评估涉及到自身的负性事件发生的 概率时会不自觉将判断概率向下调整，为了改善这种情况，实验四在前面三个实验 的基础上证明：如果提供负性事件发生的因果框架，个体在评估负性事件发生的概 率判断任务中表现会有较大改善。 关键词：基线信息；案例信息；因果框架；负性事件 硕士学位论文 m a s t e r st h e s i s a b s t r a c t t h i sa r t i c l ea d d r e s s e st h ep r o c e s st h a tg o v e r n st h eu s eo fb a s e - r a t ea n d i n d i v i d u a t i n g i n f o r m a t i o n p r e v i o u sr e s e a r c hh a su n c o v e r e dm a n yc o n d i t i o n st h a te n c o u r a g eb a s e r a t e u s e t h ep r e s e n tr e s e a r c hi n v e s t i g a t e sh o wb a s e - r a t e sa r eu s e dw h e nc o n d i t i o n sa r e m a n i p u l a t e d t oe x a m i n et h ef u n c t i o n a i f o r mo ft h er e s p o n s et ob a s e r a t e f o u r e x p e r i m e n t sd e m o n s t r a t e dt h a t , f o rt h ef i r s ta n ds e c o n de x p e d m e n t si n v e s t i g a t e sh o w b a s e - r a t e sa n di n d i v i d u a t i n gi n f o r m a t i o na r eu s e dw h e nc o n d i t i o n sa r em a n i p u l a t e dt o e n c o u r a g et h e i ru s ei nt h el a w y e r e n g i n e e rp a r a d i g m i nc a s e si nw h i c ht h eb a s e - r a t e i n f o r m a t i o no rt h ei n d i v i d u a t i n gi n f o r m a t i o ni sl e n g t h ya n d o ri sp r e s e n t e dl a t ei nt h e i n f o r m a t i o n a l s e q u e n c e ，t h et e n d e n c yt ou s ei t i sg r e a t e ru n d e rs u m m a r yb a s e - r a t e i n f o r m a t i o n st h a nu n d e rr e d u n d a n ti n f o r m a t i o n s t h ea u t h o r s a r g u e t h a tt h e s e f r a m e w o r k sh a v el i m i t e da b i l i t yt o e x p l a i nt h es u c c e s sa n df l e x i b i l i t yo fp e o p l e s r e a l - w o r l dj u d g m e n t s d e v i a t i o n s 舶mt r a d i t i o n a ln o r m so f j u d g m e n t , s u c ha sb a s e - r a t e n e g l e c t ，m a yt h e nb ee x p l a i n e di nt e r m so fam i s m a t c hb e t w e e nt h es t a t i s t i c sg i v e nt o p e o p l ea n dt h ec a u s a lm o d e l st h e yi n t u i t i v e l yc o n s t r u c tt os u p p o r tp r o b a b i l i s t i er e a s o n i n g t h et h i r de x p e r i m e n ts h o wt h a tw h e nac l e a rm a p p i n gc a nb ee s t a b l i s h e df r o mg i v e n s t a t i s t i c st ot h ep a r a m e t e r so fa ni n t u i t i v ec a u s a lm o d e l p e o p l ea r em o r el i k e l yt ou s et h e s t a t i s t i c sa p p r o p r i a t e l y b a s e r a t es t a t i s t i c sa r ea v a i l a b l ef o rar a n g eo fe v e n t s ，i n c l u d i n g b r e a s tc a n c e r ，o s t e o p o r o s i s ，a n dh e a r td i s e a s e h o w e v e r ，f e ws t u d i e sh a v ep r o v i d e d b a s e r a t es t a t i s t i c sa n da s k e dh o wp e o p l eu s et h es t a t i s t i c st oa s s e s st h e i rp e r s o n a lr i s k t h cp u r p o s eo ff o r t he x p e r i m e n ti st ou n d e r s t a n dh o w p e o p l eu s e ，b a s e r a t es t a t i s t i c sa n d k n o w l e d g ea b o u tt h e m s e l v e st oa s s e s st h ep r o b a b i l i t yt h a ta nu n p l e a s a n te v e n tw i l l h a p p e nt ot h e m w h e np e o p l ea r ea s k e dt oi n d i c a t et h ep r o b a b i l i t yt h a tan e g a t i v ee v e n t w i l th a p p e nt ot h e m ，t h e ya l w a y sa d j u s tt h e i rj u d g m e n t sd o w n w a r db e c a u s et h e yr e a s o n t h a tt h e yh a v eb e r e rf o r t u n a t e t h ef o r t he x p e r i m e n ts h o wt h a tw h e nac l e a rc a u s a im o d e l c a nb ep r o v i d e d ，p e o p l ew i l lc o m b i n et h eb a s e r a t ei n f o r m a t i o nw i t hi n f o r m a t i o na b o u t t h e m s e l v e s k e yw o r d s ：b a s e r a t ei n f o r m a t i o n ；i n d i v i d u a t i n gi n f o r m a t i o n ；c a u s a lm o d e ； n e g a t i v ee v e n t 硕士学位论文 m a s t e r st h e s i s 华中师范大学学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工 作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体 已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集体，均已 在文中以明确方式标明。本声明的法律结果由本人承担。 敞储挠橇烘 日期：年月 日 学位论文版权使用授权说明 本人完全了解华中师范大学关于收集、保存、使用学位论文的规定，即：学校 有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和 借阅。本人授权华中师范大学可以将本学位论文的全部或部分内容编入有关数据库 进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 保密论文在解密后遵守此规定。 论文作者签名：高甓l 屹嗨 导师签名： 日期： 年 月日e 1 期： 年月 日 本人已经认真阅读“c a l i s 高校学位论文全文数据库发布章程”，同意将本人的 学位论文提交“c a l i s 高校学位论文全文数据库”中全文发布，并可按“章程”中规定 享受相关权益。圄童诠塞堡銮卮进卮! 旦兰生；旦二生；旦三堡筮查。 论文作者签名：者孙吃；衫 日期：年月彩 导师签名： 日期：年月 日 硕士学位论文 m a s t e r st h e s i s 1 引言 五十年来，在决策和判断领域的文献中，我们发现，研究人员一直在研究不确 定条件下人们的行为反应，这里的不确定条件是指人们能得到的信息仅仅是概率形 式的。这其中最有争议的一个领域是k a h n e m a n 和t v e r s k y 发现的“忽视基线现象” ( b a s e r a t en e g l e c t ) 。这一领域的探讨对揭示人们对概率信息的认知加工过程与规 律、指导人们进行有效的学习和判断决策都具有十分重要的理论意义和实践意义。 回顾文献，关于人们是如何根据不确定性信息作出关于现实环境的推断和决策 的，出现过三种不同的观点。首先出现的是一种经典的理性观，认为概率和统计规则是 人们在现实生活中遵循的基本推断和决策规则【l 】。遵照这一规则，当代心理学、行为 生态学、经济学和管理学领域的许多研究均将标准统计工具作为判断、推理和决策 制定的规范模型。例如，贝叶斯定理既被作为动物如何推断捕食者或猎物是否存在 的模型( s t e p h e n s & k r e b s ，1 9 8 6 ) 2 1 ，又被作为人类认知加工和推理的方法 ( a n d e r s o n ，1 9 9 0 ) 3 1 。而且，在本文所要研究的“忽视基线现象”中，贝叶斯定理在很 多经典研究例如在k a h n e m a n 和t v e r s k y 的律师和工程师试验范式中一直都起着规 范性的作用。但是在过去4 0 年中，经典的理性观受到了“启发式一偏差模 式”( h e u r i s t i c sa n db i a s e sp r o g r a m ) 的质疑与挑战。启发式偏差模式认为人类的推 理活动大规模地系统地偏离了标准的概率和统计规则，这一模式认为人类实际的推 理规则不是概率规则，而是充斥着谬误的启发式规则( k a h n e m a n ，s l o v i c & t v e r s k y ，1 9 8 2 ) 【4 】。不确定条件下的推理领域的第三种模式是生态理性模式【5 】 ( k a h n e m a n & t v e r s k y , 19 9 0 ；o i g e r e n z e r , 19 91 ，19 9 6 ；c o s m i d e s & t o o b y , 19 9 6 ) 。这种 模式认为个体有天生有利用最低限度的时间、知识和运算能力去做出现实环境中的 适应性选择的倾向。这种观点认为：要了解一个机体使用哪种启发式规则以及何时 和为什么这种规则会起作用，就必须要看一看该问题所处环境的信息结构。这种观 点在第二种模式的基础上很好地解释了为什么只有当启发式规则的结构拟合于环境 结构的时候，启发式才会很好地起作用。 关于本文的研究，启发式偏差模式的奠基者k a h n e m a n 和t v e r s k y 在2 0 世纪 7 0 年代初期的研究中首先开辟了忽视基线现象这一重要的研究领域。他们发现，人 们的直觉概率推理并不遵循经典理性观中的统计规则，表现在判断中就是往往忽略 问题中的基础概率信息即忽视基线现象。根据启发式偏差模式，不确定条件下的 推理是由一些认知启发式( 代表性启发式，易得性启发式，锚定与调整启发式) 来 硕士学位论文 m a s t e r st h e s i s 指导的，这些启发式经常会产生合理的判断但是有时也会导致系统偏差( k a h n e m a n & t v e r s k y , 1 9 7 2 ，1 9 7 3 ，1 9 7 4 ，1 9 9 6 ) 1 6 1 。本文所要研究的忽视基线现象正是这些偏 差中的一种。简单来说，某些情况下依赖代表性启发式可能会使个体忽略“基线值 的信息。而根据经典的理性观的，只要有可能，任何情况下都应该注意基线值。特 别是当一个事件极少发生时，更应该着重注意基线值。当基线值是一个极端数值时， 代表性启发式往往成为个体概率判断失误的诱导因素。k a h n e m a n 和t v e r s k y 在一系 列实验中考察了这一现象。 2 硕士学位论文 m a s t e r st h e s i s 什么是忽视基线现象 在2 0 世纪7 0 年代初期的k a h n e m a n 和t v e r s k y 的经典的对忽视基线现象的研 究r 7 】中：主试告知被试1 0 0 人中有7 0 人是律师，3 0 人是工程师，从中随机选出一人， 当把该人的个性特征描述成比较接近工程师的刻板印象时，例如告诉被试该人的业 余爱好是玩数学游戏。然后要求被试判断这一随机抽取的个体是工程师的概率大小。 被试判断该人为工程师的概率接近0 9 0 。显然被试忽略了工程师的基线大小只有 3 0 。另一方面，即使当被试得到了一些与工程师或者律师的职业特点没有任何联 系的描述信息，他们还是忽略了实验中提供的基线信息，而是仅仅从一个中性描述 的角度来做出概率推断。 后来k a h n e m a n 和t v e r s k y 还采用多种问题验证忽视基线现象，如让被试解决如 下出租车问题：一个城市1 5 属于蓝车公司，8 5 的出租车属于绿车公司，现有一 出租车在肇事后发生逃逸事件。根据一目击者的证词，肇事车属于蓝车公司。由于 目击者自身及其他如天气情况、能见度等客观限制因素，目击者的证词的可靠性为 8 0 。实验要求被试估计肇事车是蓝色车的概率是多少。结果大多数被试做出的判 断为8 0 。但如果考虑实验中提供的基线大小，正确答案则应该是4 1 t 引。这一系列 的研究结果引发了2 0 世纪7 0 年代以来的关于忽视基线现象的大量研究。后来的研 究者做了大量工作，并且有很多研究支持k a h n e m a n 和t v e r s k y 的结论。例如乳腺癌 问题：假设你是一位外科大夫，一位女性病人乳房上有一个肿块。依据你多年的临 床经验，她患有恶性肿瘤的概率只有1 。但是对针对该病人的x 光检查现实她的乳 房上的肿块是恶性肿瘤。x 光检查确诊恶性肿瘤的准确率是8 0 ，检查良性肿瘤的 准确率是9 0 。现在请你评估这位女性病人患上恶性肿瘤的概率是多少? e d d y 用这 一乳腺癌问题让内科医生判断，结果9 5 的人判断介于7 0 一8 0 之间，远高于用贝 叶斯定理计算出的7 8 t 9 。这样的实验结果是令人非常惊讶的。紧接着，c a s s e e l l s 等 人的研究结果也表明，即使是哈佛医学院的医学工作人员，对解决类似的乳腺癌问 题都出现同样的偏差【l o 】。 为了探讨研究上述的基线问题，几十年来，人们陆续采用了不同的研究范式。 从已有的研究看，研究基线问题的试验中，研究人员会提供给被试两类信息：一类 是一个普通群体中所规定事件发生的频繁程度一即基线信息，另一类是能够完美区 别这些事件的测试结果或者描述信息即案例信息或者说是特殊个案信息( 例如， 3 硕士学位论文 m a s t e r st h e s i $ k a h n e m a n 和t v e r s k y ( 1 9 7 3 ) 的经典试验中，被试被提供一个来自包含7 0 个律师和3 0 个工程师的样本中随机抽取的案例信息描述，这个描述信息被设计成一个符合工程 师个性特征的刻板模式) 。这一类型的实验通常的发现是基线信息被严重忽视而案例 信息被过分考虑了。在k a h n e m a n 和t v e r s k y ( 1 9 7 3 ) 对实验结果的描述中，实验中的 概率判断者更可能将目标人物判断为工程师而不是律师，即使被试被告知工程师的 基线大小是3 0 而律师是7 0 。就像实验者预计的那样，大部分被试认为所描述的 人与工程师非常相像，是因为目标人物被描述成：将时间花费在数学题上。更重要 的是，即使当被试得到了一些与工程师或者律师的职业特点没有任何联系的描述信 息，他们还是忽略了实验中提供的基线信息，而是仅仅从一个中性描述的角度来做 出概率推断。 另外一种实验范式是g i g e r e n z e r 和h o f f r a g e ( 1 9 9 5 ) t l 】在医疗领域发现的乳腺 癌问题。后来e d d y 、c a s s c e l l s 等人也陆续验证了他们的发现，如上文所述。在乳腺 癌问题中，当给出的乳房x 线照片结果为阳性时，即使患乳腺癌的基线信息很低， 判断者也倾向于认为试验女性患有乳腺癌。就像做数学题目的描述使人想起该人物 有可能是工程师一样，虽然乳腺癌问题的实验结果大体相似或者说具有代表性，一 个阳性的乳房x 线结果也只是有可能是乳腺癌，。同样地，在一系列实验中众多的研 究者发现人们并不是将事件发生的基线充分考虑到决策判断的任务中。有众多实验 以及充分证据表明当基线事件和描述性条件之间有代表性的意义联系时，低基线事 件的条件概率被过高地估计了。 4 硕士学位论文 m a s t e r st h e s i s 忽视基线现象的文献综述 3 1 为什么会忽视基线大小 人们究竟是如何作出概率推理和判断的呢? 到底哪些因素在影响人们的概率推 理呢? 很多研究对忽视基线信息的原因做出了解释：k a h n e m a n 和t v e r s k y ( 1 9 7 3 ) 的启发式观点认为人们对于直觉的概率推理受认知策略的影响，这是一种依赖于先 前经验的判断或猜测。所以，经常会作出错误的概率判断。而导致出现忽视基线现 象的正是其中的启发式策略之一：代表性启发式。代表性启发法是指人们倾向于根 据样本是否代表或类似总体来判断其出现的概率，愈有代表性的，被判断为出现的 概率愈大，愈少代表性的被判断为出现的概率愈小。因此，他们认为：基线信息之 所以被“忽视”是由于基线信息的性质，因为基线信息相对要推论的结果来说并不具 有代表性，因此没有被代表性启发式合并入推理中。与他们持同样的观点的n i s b e t t 和b o r g i d a ( 1 9 7 5 ) b 2 i 认为：由于基线信息通常都是少量的，间接的，不生动的和抽象 的，对比更加生动和具体的案例信息就会经常被忽略。后来的研究还指出，如果基 线信息与人们对事件的因果关系的认知相一致时，人们也会使用基线信息( a j z e n ， 1 9 7 7 ；t v e r s k y & k a h n e m a n ，1 9 8 0 ) 0 3 1 。例如，如果基线信息是关于一场考试的难度 和通过率的，由于该信息是和学生考试成功失败有关系的，所以这些基线信息不会 被忽略，而是被用于预测。f i s k e | ；f f l t a y l o r ( 1 9 9 1 ) u 4 】的认知节省观点认为：人们普遍 没有意愿或者不能够参加稍复杂的信息加工工作，因此，在资源不充足的情况下， 个体很容易被各种各样的捷径和启发式吸引，这样，认知系统中固有的错误和偏差 就在所难免。而早期的实验也指出，如果案例信息是能够很容易得到的，相比更容 易处理的案例信息，基线信息就很容易被忽略。后来的实验人员或者复制这些经典 试验，或者改变实验中的基线形式，问题内容，信息顺序和应答方式，都对早期的 试验发现提供了综合支持。这些研究也表明，基线信息的使用程度随着基线信息与 目标事件的联系或者基线信息特征的明显程度而上升【1 5 】。( a j z e n ，1 9 7 7 ；b a r - h i l l e r , 1 9 8 0 ；c a r r o l & s i e g l e r , 1 9 7 7 ；c h r i s t e n s e n s z a l a n s k i & b e a c h ，1 9 8 2 ；f i s c h o f f , s l o v i c & l i c h t e n s t e i n ，19 7 9 ；t v e r s k y & k a h n e m a n ，19 8 2 ) 另外，一些后来的研究人员认为忽视基线现象也许没有反映出真正的人类信息 5 硕士学位论文 m a s t e r st h e s i s 处理过程。特别地，忽视基线信息问题被认为是使用了“概括”或者“不自然”的基线。 如果基线信息能更加“突出”或者“自然”，人们会适当对基线信息加以考虑【l o j ( c h d s t e n s e n s z a l a n s k i b e a c h ，1 9 8 2 ，2 7 1 ) 。这也是g i g e r e n z e r 和h o f f r a g e 频率效应 论的主要观点，他们所指的“自然”是指人们加工概率信息的自然方式，认为人们是 通过事件发生的频率而不是标准概率( 百分数) 来获得环境信息的。虽然两种信息 形式的意义相同，但是人们对具有同等意义的不同外部信息形式会产生不同的心理 表征。他们从进化论的角度出发认为，长期以来，人类在进行概率推理时已经进化 出了一种认知算法规则系统，它不适合加工以百分数表示的标准概率信息，而适合 加工以自然数表示的频率信息。按照这一观点，乳腺癌问题的频率框架就变成了 “1 0 0 0 个成年女子中大约有1 0 人会患有乳腺癌，而在医院检查中，每十个患有乳 腺癌的人中有8 个人的乳房x 线检查结果为阳性，每9 9 0 个没有乳腺癌的人中，有9 9 人的乳房x 线检查也为阳性。”g i g e r e n z e r 和h o f f r a g e ( 1 9 9 5 ) 将乳腺问题和其它 频率问题归纳到几种不同的试验组下，它们或者属于概率框架或者属于频率框架。 相比较同等条件下的概率框架条件，频率框架下，试验者的表现更接近标准的贝叶 斯推理任务的结果。也就是频率框架下基线信息能得到更大的使用。为解释这些结 果，g i g e r e n z e r 和h o f f r a g e ( 1 9 9 5 ) 认为这是由于人类长期以来不断进化和适应生态 的需要。因为，人类已经发展出自己的统计推理的认知算法，这种算法相对概率框 架来说更适应频率框架。“生物体从它周围的环境中获得信息是通过频率性质的自然 取样。灵长类甚至更低等的动物对频率这种变量高度敏感”( g a l l i s t e l ，1 9 9 0 ；r e a l ， 1 9 9 1 ) 。这种观点得到了来自其它的判断偏差试验领域例如“结合谬论”的支持【l 7 】 ( b e t s c h ，b i e l ，e d d e i b i j t t e l ，& m o c k , 1 9 9 8 ；f i e d l e r , 1 9 8 8 ；g i g e r e n z e r , 1 9 9 1 ) - 除了上述两种观点f i e d l e r 1 8 】认为判断者之所以忽略基线信息而不遵循贝叶斯原 理，是因为他们缺乏元认知手段，不能自行调整在抽样过程中潜在的偏差。他认为， 概率判断中的认知加工分为两个过程，一是归纳加工过程，即利用记忆中或知觉到 的样本进行的概率估计，如旅行前根据自己的经验估计某个地区为晴天或雨天的概 率。然而，由于受许多主观( 如个人偏好、期望等) 和客观条件( 如过去的经验是 在特定情况下获得的) 的限制，根据自身记忆中可利用的样本来估计概率会存在许 多潜在的偏差。所以，要作出正确的判断就必须调整抽样过程中潜在的偏差，这是 一个元认知控制过程。 6 硕士学位论文 m a s t e r st h e s i s 3 2 忽视基线现象是否不可避免 虽然我们拥有众多关于研究忽视基线信息现象的文献记载，但是，过去三十年 来，从k a h n e m a n 和t v e r s k y 的经典的律师工程师问题开始，如果我们回顾一些经典 的忽视基线现象的试验和复制试验，可以注意到试验结果并不一致。在一些试验中 被试对基线大小敏感，但是在其它试验中相反。事实上这些研究涵盖了所有能够观 察到基线信息是否被使用的条件。这些研究表明：人们有时候会使用一些原因不明 的，抽象的或者非特殊的基线信息。甚至在某些情况下，人们会拒绝忽视基线信息。 回顾文献我们发现，在许多条件下，被试对基线信息的反应是敏感的。例如：如果 研究中实验问题的措辞强调要理解基线信息与判断的相关性( 19 j 或强调实验事件是 随机抽样的【2 u j ，则基线信息被忽略的现象就会明显减少或消除。另一个引人注意的 是g i g e r e n z e r 和h o f f r a g e 在1 9 9 5 年的研究，他们强调概率信息形式对概率判断的影 响。采用1 5 个类似前述乳腺癌的文本问题进行了实验，问题的概率信息用两种形式 呈现，一种沿用标准概率形式( 百分数) ；一种用自然数表示的频率形式，如“1 0 0 0 名 妇女中有1 0 名患有乳腺癌，在患有乳腺癌的妇女中8 名妇女接受早期胸部x 射线 测定法检查，在没有患乳腺癌的9 9 0 名妇女中有9 5 名接受早期胸部x 射线测定法 检查”。结果在频率形式条件下，接近5 0 的判断符合贝叶颠算法，面在标准概率条 件下只有2 0 的判断符合贝叶斯算法。 以上这些研究也展示了忽视基线现象研究的一个转变：既然研究发现能够诱发 被试对基线信息的敏感性，使之上升或者下降，那么什么时基线信息被使用呢? 文献表明，人们在概率判断中忽略基线信息并不是一种普遍现象。在前述问题 中，g i g e r e n z e r 和h o f f r a g e 发现：如果问题框架以频率形式而不是百分数形式呈现， 由于研究者认为以频率呈现的信息相比百分数形式更加自然和更容易被处理，就会 比百分数形式更少产生偏差。也就是说，被试对基线信息会进行更多处理_ ( g i g e r e n z e r & h o f f r a g e ，1 9 9 5 ) 。除了 g i g e r e n z e r 和h o f f r a g e 的研究之外，研究者还发现，如果 忽视基线现象实验的设计采用被试内设计，那么基线信息的作用在概率判断中的作 用会得到加强 2 1 j ( f i s c h h o f f & b a r - h i l l e l ，1 9 8 4 ；b r i n b a u m & m e l l e r s ，1 9 8 3 ) 如果基线 信息在提供的同时也提供因果性解释，那么基线信息的使用情况会好转。在个实 验中，a j z e n 要求被试根据一些相关因素( 例如该学生每周的学习时间) 或者些非 相关因素( 例如该学生每周的收入) 来预测该名学生的成绩。实验结果发现，人们 在接受了相关的信息以后更加愿意使用基线信息，即使被告知这样的信息也可以对 学生的成绩产生预测作用，他们也很少使用阎。( a j z e n ，1 9 7 7 ；b a r - h i l l e r , 1 9 8 0 ； 7 硕士学位论文 m a s t e r st h e s i s t v e r s k y & k a h n e m a n ，1 9 8 0 ；l o c k s l e y & s t a n g o r 1 9 8 4 ) 另外，如果基线信息来自一 个代表性样本，也就是被试在实验室设计中对样本大小信息足够灵敏，那么基线信 息也会得到更多使用 2 3 1 ( w e l l s & h a r v e y , 1 9 7 7 ) ；一些研究证实，代表性启发式的应 用受到信息来源的可靠性的影响。该研究使用的是根据律师1 t 程师实验引申出的实 验，实验提供给被试信息来源可靠性不同的三个版本的问题。这些信息来源包括： ( 1 ) 一组受过良好训练的心理学家采访目标群体得到的数据和描述。( 2 ) 一组学生 在一个会议中对目标群体采访得到的数据和描述。( 3 ) 一个小报杂志对目标群体的 描述。实验结果表明：如果案例信息可信度不够高，也就是说信息来源的可靠度不 高，那么被试就会转而考虑基线信息而忽视案例信息【2 4 】( s c h w a r z , 1 9 9 1 ) ：如果案 例信息缺乏诊断性，被试也会转而考虑基线信息，也就是说如果案例信息不能够达 成预测目标，那么基线信息所起的作用就会得到加强瞄j ( g i n o s s a r & t r o p e ，1 9 8 0 ) ； 如果引导被试对问题进行统计学上的定位，那么基线大小就会被纳入信息处理程序 中【2 6 】( z u k i e r & p e p i t o n e ，1 9 8 4 ；s c h w a r z ，1 9 9 1 ) ；如果提供一些推论性规则诱使基线 信息得到使用，那么忽视基线错误就会逆转 2 7 1 ( g i n o s s a r & t r o p e ，1 9 8 7 ) ；如果基线 信息在个案信息之后来呈现，那么忽视基线信息的情况就有所减轻 2 s l ( k r o s n i c k , l i ，l e h m a n ，1 9 9 0 ) ；大部分忽视基线信息的实验都提供的是随机取样的口 头描述，如果给被试展示随机取样的过程，那么就会大大提高取样规则的适用性， 代表性启发式和提供信息间的适配程度也会随之减少，基线信息的使用情况就会大 大改善【2 9 1 ( g i g e r e n z e r , h e l l ，b l a n k , 1 9 9 8 ) 。另外，j o y c e f f l b i d d l e 3 0 1 ( 1 9 8 1 ) 操作了一 系列试验来研究是否有经验的专业人员进行熟悉的任务能够降低忽视基线错误，结 果表明专业人员表现了更多对基线的重视。因此，个体在使用基线信息和细节信息 方面的能力越强，基线信息的使用程度就越高。特别地，后来的研究甚至在一些判 断决策环境中发现了基线信息拒绝被忽略的情况。k a r l t e i g e n 和g i d e o n k e r e n ( 2 0 0 5 ) 3 h 的研究证实，有一些特殊情况，例如等待和搜寻条件下，与典型的忽视基线现象 相反，出现了一种翻转的基线错误，即基线信息被过分考虑而案例信息几乎完全被 忽略了。此类翻转的基线错误的研究者认为，之所以基线信息被过分考虑，是由于 这些问题的条件被描述成或多或少的心理预期。即被试的概率判断被短时心理预期 ( s h o r t - h o p e ) 和长时心理预期( 1 0 n g h o p e ) 所影响。 但是另一些研究者对此也提出异议，有人认为他们在改变信息形式的操作中，同 时也改变了其他的变量。如l e w i s 和k e r e n t 3 2 】提出这种概率信息的改变使原来的一般 性问题变成了当前单个情境的具体问题，因而问题变得容易，被试判断的改善并不 能说明他们的表现与贝叶斯模式的表现一致。 8 硕士学位论文 m a s t e r st h e s i s 3 3 真实的基线使用模式 过去三十年来，有很多为了证明k a h n e m a n 和t v e r s k y 的结果正确或者错误的后 续研究。实验室研究做了很多工作来研究何时以及如何能够使人们注意到一些简单 但并非无关的信息基线信息。事实上这些研究涵盖了所有能够观察到基线信息 是否被使用的条件。既然研究发现能够诱发对基线信息的敏感性，使之上升或者下 降，那么人们到底是如何使用基线信息的呢? k a h n e m a n 和t v e r s k y 的代表性启发式只是回答了人们为什么会忽视基线信息 大小，但是并不能回答基线信息是何时被忽略以及何时被使用的，乃至人们为什么 要使用或者忽视基线信息的。传统概率判断中的贝叶斯模式将基线信息作为先验概 率。但是，k o e h l e r ( 1 9 9 6 ) 3 3 1 认为，律师工程师的实验范式中被试可能有不等于基线 信息的先验概率。在贝叶斯框架中，k o e h l e r ( 1 9 9 6 ) ，g i g e r e n z e r , h e l l ，b l a n k ( 1 9 9 8 ) 比较了贝叶斯模式和忽视基线信息模式发现，如果对样本描述做出说明，那么试验 的反应结果就会稍微靠近忽视基线信息模式的反应结果。如果取样在被试面前进行 也就是让被试亲自体验抽样过程，那么结果更靠近贝叶斯模式。结果表明，人们很 可能有自己的先验概率或者类似的相关信息来修正提供的概率大小，这里的相关信 息在律师工程师试验范式中是指案例描述，但是先验概率并不一定是基线信息大 小。也就是说，在真实世界的判断决策中，存在着其它可能影响先验概率大小的信 息。 n a t h a n - n o v e m s k y 和s h i r i t - k r o n z o n 3 4 1 的研究进一步表明，贝叶斯模式实际上无 法正确描述人们的基线信息使用方式。根据贝叶斯理论，在律师工程师试验范式中， 两个因素决定j a c k 是否是工程师，第一个是案例信息中的描述与工程师的刻板模式 的形似程度一即似然比。另一个是基线信息大小，作为先验概率。在这里，研究者 认为将基线信息大小作为先验概率是有争论的，研究者推测被试可能拥有自己的不 同于基线信息的先验概率，也就是说，在真实判断中，人们也许并没有将基线信息 作为先验概率来使用( k o e h l e r , 19 9 6 ) 。因此，n a t h a n - n o v e m s k y 和s h i r i t - k r o n z o n 提 出了另一种反应模式：可加性模式( a d d i t i v em o d e l ) ，他们认为，在基线任务中真 实的反应方式更接近可加性模式，统计中的可加性是指两个机制独立起作用的证据。 这里的可加性表示在基线任务中，案例信息和基线信息是独立起作用的。 综上所述，传统概率判断中的贝叶斯模式将基线信息作为先验概率，实际上 无法正确描述人们的基线信息使用方式。人们很可能有自己的先验概率或者类似的 相关信息来修正提供的实验中提供的相关概率大小，这里的相关信息在律师，工程师 9 硕士学位论文 m a s t e r st h e s i s 试验范式中是指案例描述，但是先验概率并不一定是基线信息大小。也就是说，在 真实的概率判断中，案例信息和基线信息的反应方式很可能不是一致的，或者说不 是同时纳入概率判断中的。 1 0 硕士学位论文 m a s t e r st h e s i s 4 实验一不同基线大小对基线信息使用情况的影响 过去三十年来，有很多k a h n e m a n 和t v e r s k y ( 1 9 7 1 ，1 9 7 4 ) 年的经典律师工程 师实验的后续研究。实验室做了很多工作来研究基线信息是否被使用的条件。这些 研究证明了可以通过设置一些条件诱发个体对基线信息的敏感程度，从而控制是忽 略还是使用基线信息。但是，k a h n e m a n 和t v e r s k y 的代表性启发式只是回答了人 们为什么会忽视基线大小，但是并不能回答基线信息是何时被忽略以及何时被使用 的，乃至人们为什么要使用或者忽视基线信息的。我们知道，代表性启发式是人们 在作为决策者时的一种直觉，它的背后隐藏着一定的数学知识一贝叶斯法则。贝叶 斯法则告诉我们：对某种概率判断的大小取决于代表性特征和基线信息的共同作用。 k a h n e m a n 和t v e r s k y ( t v e r s k y & k a h n e m a n ，19 7 4 ，1 9 8 2 ，19 8 3 ) 认为，代表性启发 式直觉指个体凭经验已经掌握了一些事物的“代表性特征”，当个体要判断某一事物 是否出现时，只需要看这一事物的“代表性特征”是否出现【3 5 1 。这样，以两类事件是 否具有相似性或代表性特征为依据，通过事件a 的相关数据与信息评估事件b 。如 果事件a 与事件b 确实存在相似性，那么代表性启发法与贝叶斯法则的预测可能是 一致的。但是个体在进行概率估计或者判断的时候，往往会过分强调和依赖这种经 验和相似性。而不考虑先验概率的适当性。这样就会导致低估基线信息的作用，高 估代表性特征的作用，产生代表性偏差。n a t h a n - n o v e m s k y 和s h i r i t - k r o n z o nl 3 6 】的 研究表明，贝叶斯模式实际上无法正确描述人们的基线信息使用方式。根据贝叶斯 理论，在律师工程师试验范式中，两个因素决定j a c k 是否是工程师，第一个是个 案信息中的描述与工程师的刻板模式的形似程度一即似然比。另一个是基线信息大 小，作为先验概率。在这里，研究者认为将基线信息大小作为先验概率是有争论的， 研究者推测被试可能拥有自己的不同于基线信息的先验概率，也就是说，在真实判 断中，人们也许并没有将基线信息作为先验概率来使用【3 ( k o e h l e r , 1 9 9 6 ) 。因此， 实验一和实验二试图在贝叶斯模式之外，检验出基线信息的反应方式，即找出在具 体概率判断任务中人们是如何将基线信息纳入判断中的。 硕士学位论文 m a s t e r st h e s i s 4 1 实验一的设计： 4 1 1 实验目的： 既然贝叶斯法则无法正确地描述个体的基线信息和案例信息的使用方式，说明 在概率判断中，基线信息和案例信息很可能不是共同作用于判断过程的。也就是说， 基线信息问题中案例信息和基线信息是独立起作用的。1 0 5 0 的基线对被试 概率判断的影响是一样的。5 0 一o 的基线对被试的概率判断影响也是一样的。 具体来说：本实验主要有以下二个假设： ( 1 ) 代表性高实验版本中，低基线和高基线实验结果之间的差异不显著。代表性 低实验版本中，低基线和高基线实验结果之间的差异显著。 ( 2 )1 0 基线和3 0 基线实验条件之间结果差异不显著。7 0 基线和9 0 基线实 验条件之间结果差异也不显著。 实验采用代表性程度高低与基线大小的双因素4 x 2 被试间设计。被试被随机分 配到以下8 个试验条件下： 基线( 1 0 、3 0 、7 0 、9 0 ) 代表性( 案例信息与职业匹配程度高、匹 配程度低) 4 1