模糊效应 Ambiguity Effect

模糊效应,是一种认知偏误。决策由于缺少信息或者是模糊而受到影响。这个效应显示,对于有利的结果,人们倾向于选择概率是确定的那一个。

听起来很绕吧,我们来做个实验:比如有一个罐子里有30个球,十个是红色的,剩下的是白色或者黑色,但不知道黑色白色有多少。如果拿到一个红球可以得100块,拿到一个黑球也可以得100块,你选择拿红球还是黑球?

2017-07-08 094519.png

多数人会选择红球,因为它有确定的1/3的机率。但如果你懂一点概率,稍微花一点时间就能算出来,黑球或白球在剩下20个球中出现的概率在0%-100%间均匀分布,所以拿到它们的概率同样是1/3。

你也许会说这是自己的风险偏好,“数鸟在林不如一鸟在手”,炒(du)股(bo)的都知道落袋为安。那我们再来看下一个实验。

第一个罐子里有一半红球,一半黑球,第二个罐子里是红球和黑球,但不知道各有多少。如果抽到红球可以得一百块,你愿意赌上多少钱来抽一次?

实验发现,如果拿这两个罐子分别去问不同的人,他们给出的金额基本上没有差别(17.94/18.42)。但如果把两个罐子同时给受试者,他们愿意压在第一个罐子上的金额翻了一倍(24.34/14.85)。

2017-07-08 095846.png

分别决策时风险偏好消失了!这说明模糊效应只在一个确定的概率和一个不确定的概率同时呈现在决策者面前时,才会出现。这是一种思维偏误而不是风险偏好。

为什么会出现模糊效应呢?

模糊效应是一种描述性的研究(好像整个决策研究都是这样吧!),所以现在科学家们并不清楚确定的成因。我的理解是,人脑不太擅长进行绝对判断,就是说上不着天下不着地给你一个东西让你评价,你不知道该怎么评价。比如说在锚定效应的研究中,在对自己完全不了解的领域进行估计时,大脑会围着轮盘上随机转出来的无意义数字打转,死活都要找一个参照点。所以比起有明确概率的选项,无明确概率的选项显得风险很大而期望收益不高。

造成思维偏误的原因是关于黑白球的信息不足,而你认为你有足够的关于红球的信息(实际上并没有)。基于充足信息做出的决策让你更有信心,但更有信心不代表这是更好的选择。比如虽然整体上抽到红球的概率是1/3,但你并没有在意球在罐子里面的分布是不是均匀的,你的手伸进去的地方,也许全是红球也许掺了一大堆黑球和白球。红球的概率很可能不是1/3,而是同样的在0-100%间平均分布。

有趣的是对于极低的概率,事情又出现了反转,我们似乎又会偏爱模糊的概率。一个罐子里有一千个球,从1到1000编号,如果抽到687号就拿到一百块。第二个 罐子里同样是一千个球,但号码是随机编号。同样抽到687,可以拿到一百块,你选哪一个?大部分人会选择第二个罐子,因为他们觉得这里面有很大的概率,会出现不止一个687。结合确定性效应的研究,我们似乎认为小概率事件不会发生,期望为零。那么不确定的概念下,我们会主观地想象,情况至少不会更糟,还可能更好。

生活中有哪些被模糊效应愚弄的例子?

在模糊效应的影响下,我们偏向于回避风险不确定的选项,宁愿在自己认知范围之内承担较高风险,也不愿意接受认知范围之外的低风险。

  • 稳定工资 vs 回报不确定的创业
  • 固定收益的债券 vs 股票
  • 刚上市的新款汽车 vs 快要换代但是有不少用户评论的旧款
  • 没有历史价格参考的比特币 vs 传统投资工具
  • 鸡肋的现有职位 vs 别人都认为你能胜任的新工作

要注意的是,模糊效应并不是说上面的场景里,不确定的选项优于确定性选项,也有可能有明确概率的那个是最优选项。这个效应是说我们在决策时,通常会高估确定情况的好处而低估了不确定情况的好处,从而放弃了尝试评估不确定概率的努力。 模糊效应所说的模糊,完全是相对于个人的知识储备而言的,也就是我们常说的

比如你是一个精通算法的程序员,有清晰的概率知识,从罐子里拿球对你来说就有着明确的概率。但要不要放弃BAT的稳定工作,高薪去创业就有些…………

应对方法

  • 发现影响判断的模糊概率。应对任何问题的第一步都是识别问题。模糊效应的问题是大脑的系统1(见注释)造成的,基于同样的原因大脑会合理化你的选择,给出一个看上去非常合理的解释,回避掉你不想承认的真实原因。最好是把决策的因素一条一条写在纸上,并且直面自己的真实一面。
  • 补足信息,使不明确的变成明确。
  • 调整评估方式 一件事件的结果及其效用有很多角度,在一个角度下因为信息缺失而算不清概率的事,在另外一种评估角度下可能就是清晰的。比如不以回报额,而以可能的损失额,与回报上限为评价标准。 车型没有参考数据,车厂有。

前段时间比较火的”概率权“说的是确定性效应——certainty effect,容易与模糊效应混淆。它们间的区别在于,确定性效应中,不确定选项的概率是已知的,模糊效应中则连不确定选项的概率都不确定。我们以后会有文章专门介绍确定性效应。

注:系统一及系统二,见卡尼曼《思考,快与慢》

扩展阅读:卡尼曼《思考,快与慢》第25章
Jonathan Baron 《思维与决策》,第11章
维基百科页面 https://en.wikipedia.org/wiki/Ambiguity_effect

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 159,290评论 4 363
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,399评论 1 294
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 109,021评论 0 243
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,034评论 0 207
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,412评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,651评论 1 219
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,902评论 2 313
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,605评论 0 199
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,339评论 1 246
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,586评论 2 246
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,076评论 1 261
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,400评论 2 253
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,060评论 3 236
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,083评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,851评论 0 195
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,685评论 2 274
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,595评论 2 270

推荐阅读更多精彩内容

  • 《思考,快与慢!》书摘 第一部分 系统1和系统2第1章1、系统1的运行是无意识且快速的,不怎么费脑力,没有感觉,完...
    巴山小羊儿阅读 7,134评论 0 6
  • 本文翻译自维基百科认知偏见系列List of cognitive biases之Ambiguity effect。...
    Y先生说阅读 1,608评论 0 2
  • 明天就是周末了,给大家带来一道营养大菜——牛腩炖萝卜!牛肉,蛋白质含量高,脂肪含量低,富含钙、铁、锌以及多种维生素...
    诗桦阅读 1,218评论 8 16
  • 使用编辑器生成html后,如果有空格就会有&nbsp,再往数据库保存的时候,&nbsp将会转成 ...
    拉肚阅读 1,419评论 0 0
  • 居住在伦敦的俄国人口在15万到30万之间,如此大的跨度区间,虽表明了统计之不易,但起码给“伦敦格勒”、“泰晤士河上...
    Blackpaws阅读 709评论 0 0