中圖網(wǎng)小程序
一鍵登錄
更方便
本類五星書更多>
-
>
以利為利:財政關(guān)系與地方政府行為
-
>
立足飯碗 藏糧于地——基于中國人均耕地警戒值的耕地保護視角
-
>
營銷管理
-
>
茶葉里的全球貿(mào)易史(精裝)
-
>
近代華商股票市場制度與實踐(1872—1937)
-
>
麥肯錫圖表工作法
-
>
海龜交易法則
噪聲:人類判斷的缺陷 版權(quán)信息
- ISBN：9787572221354
- 條形碼：9787572221354 ; 978-7-5722-2135-4
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
噪聲:人類判斷的缺陷 本書特色
諾貝爾經(jīng)濟學獎得主、行為經(jīng)濟學之父丹尼爾卡尼曼，繼《思考，快與慢》后醞釀10年思考的全球矚目里程碑式巨作，行為科學領(lǐng)域又一重大發(fā)現(xiàn)。
幾十年來，大家都認為，偏差是導致人類判斷出錯的關(guān)鍵。但是今天，卡尼曼系統(tǒng)性地指出：噪聲，才是影響人類判斷的黑洞。
卡尼曼指出：“噪聲就像漏水的地下室，它之所以能被容忍，不是因為人們認為它是可接受的，而是因為它一直未被人們注意到。”
哪里有判斷，哪里就有噪聲！对肼暋肥顷P(guān)于人類判斷的又一顛覆性著作，兩個公式揭開了“判斷出錯”的本質(zhì)，并且通過對三種噪聲的系統(tǒng)性分析帶你直擊噪聲。
判斷錯誤（Error）= 偏差（bias） 噪聲（noise）
系統(tǒng)噪聲= 水平噪聲2 穩(wěn)定模式噪聲2 情境噪聲2
噪聲遍布投資、管理、醫(yī)療、法律、教育、職場等各個領(lǐng)域，噪聲是隱形的，但卻是致命的。
遠離噪聲，提升決策，將影響你未來10年的思考與決策。
如果你是投資人，認識噪聲，可以讓你避開未曾留意的投資陷阱。
如果你是管理者，減少噪聲，可以讓你提升決策品質(zhì)和管理水平。
諾貝爾經(jīng)濟學獎得主、行為經(jīng)濟學之父丹尼爾卡尼曼，繼《思考，快與慢》后醞釀10年思考的全球矚目里程碑式巨作，行為科學領(lǐng)域又一重大發(fā)現(xiàn)。
幾十年來，大家都認為，偏差是導致人類判斷出錯的關(guān)鍵。但是今天，卡尼曼系統(tǒng)性地指出：噪聲，才是影響人類判斷的黑洞。
卡尼曼指出：“噪聲就像漏水的地下室，它之所以能被容忍，不是因為人們認為它是可接受的，而是因為它一直未被人們注意到。”
哪里有判斷，哪里就有噪聲！对肼暋肥顷P(guān)于人類判斷的又一顛覆性著作，兩個公式揭開了“判斷出錯”的本質(zhì)，并且通過對三種噪聲的系統(tǒng)性分析帶你直擊噪聲。
判斷錯誤（Error）= 偏差（bias） 噪聲（noise）
系統(tǒng)噪聲= 水平噪聲2 穩(wěn)定模式噪聲2 情境噪聲2
噪聲遍布投資、管理、醫(yī)療、法律、教育、職場等各個領(lǐng)域，噪聲是隱形的，但卻是致命的。
遠離噪聲，提升決策，將影響你未來10年的思考與決策。
如果你是投資人，認識噪聲，可以讓你避開未曾留意的投資陷阱。
如果你是管理者，減少噪聲，可以讓你提升決策品質(zhì)和管理水平。
如果你是職場人，遠離噪聲，可以讓你擁有一個更更成功的工作方法論。
……
閱讀《噪聲》，讓我們每一個人都成為聰明的決策者。
在噪聲破壞你更多的決策之前，你要讀它。如果你正打算去影響一個決策，你更應(yīng)該讀它。
《噪聲》一經(jīng)出版便風靡全球31個國家與地區(qū)，吸引了無數(shù)商業(yè)人士的目光，被投資人、心理學家、眾多媒體人爭相盛贊。他們真誠地希望：讓更多人了解噪聲，受益于噪聲。這無疑是一份星光熠熠并沉甸甸的推薦名單。
巴曙松、陳嘉映、彭凱平、張志學、宮玉振、朱寧、劉勁、毛大慶、吳聲、張文東、歸江、劉建位、段永朝、何剛、秦朔、張延、吳晨、羅伯特西奧迪尼、喬納森·海特、菲利普·泰特洛克等近百位大咖摯愛力薦。
《巴倫》《財經(jīng)》《財經(jīng)》《新京報》《經(jīng)濟學人》《中歐商業(yè)評論》《紐約時報》《時代周刊》《彭博商業(yè)周刊》等國內(nèi)外20多家媒體集體盛贊。
湛廬文化出品。
噪聲:人類判斷的缺陷 內(nèi)容簡介
想象一下，兩名醫(yī)生對相同的病人給出了不同的診斷；兩名法官對犯了同罪的嫌疑人給出了不同的判決。再想象一下，同樣的醫(yī)生、法官或決策者做出了不同的決策，而這種決策僅僅取決于決策是在什么時間做出的。這些不同決策背后的罪魁禍首，就是“噪聲”。
《噪聲》是諾貝爾經(jīng)濟學獎得主、“行為經(jīng)濟學之父”丹尼爾·卡尼曼攜手決策領(lǐng)域?qū)＜見W利維耶·西博尼和卡斯·桑斯坦共同推出的重磅新作，也是卡尼曼繼暢銷書《思考，快與慢》之后醞釀10年思考的全球矚目里程碑式巨作，行為科學領(lǐng)域又一重大發(fā)現(xiàn)。幾十年來，大家都認為，偏差是導致人類判斷出錯的關(guān)鍵。但是今天，卡尼曼系統(tǒng)性地指出：噪聲，才是影響人類判斷的黑洞。
想象一下，兩名醫(yī)生對相同的病人給出了不同的診斷；兩名法官對犯了同罪的嫌疑人給出了不同的判決。再想象一下，同樣的醫(yī)生、法官或決策者做出了不同的決策，而這種決策僅僅取決于決策是在什么時間做出的。這些不同決策背后的罪魁禍首，就是“噪聲”。
《噪聲》是諾貝爾經(jīng)濟學獎得主、“行為經(jīng)濟學之父”丹尼爾·卡尼曼攜手決策領(lǐng)域?qū)＜見W利維耶·西博尼和卡斯·桑斯坦共同推出的重磅新作，也是卡尼曼繼暢銷書《思考，快與慢》之后醞釀10年思考的全球矚目里程碑式巨作，行為科學領(lǐng)域又一重大發(fā)現(xiàn)。幾十年來，大家都認為，偏差是導致人類判斷出錯的關(guān)鍵。但是今天，卡尼曼系統(tǒng)性地指出：噪聲，才是影響人類判斷的黑洞。
《噪聲》一書通過系統(tǒng)性研究，通過兩個公式揭開了“判斷出錯”的本質(zhì)，并且通過對三種噪聲的系統(tǒng)性分析帶你直擊噪聲。并且，從六大部分闡述了“噪聲”：從尋獲噪聲到探究人類判斷的本質(zhì)，從預測噪聲到闡釋噪聲的主要原因，從探討如何改進判斷和防止錯誤的的實際問題，一直延伸到什么才是合適的噪聲水平。”“噪聲”是隨機的，但卻是致命的？崧跁刑岢隽6大原則，幫你重塑決策框架，做聰明的決策者。同時，卡尼曼更是精妙地附上了“審查噪聲”的使用指南，以及寫給決策者的“觀察者清單”。
如果說《思考，快與慢》擊退的是人類判斷過程中面對的敵人“偏差”，那么《噪聲》要絕殺的就是其中的另一大隱形敵人——噪聲。閱讀本書可以助你重塑自己的決策框架，遠離噪聲，做聰明的決策者。
噪聲:人類判斷的缺陷噪聲:人類判斷的缺陷 前言
偏差與噪聲，人類判斷的兩種錯誤
試想一下，由朋友組成的四支隊伍去了一個射擊場，每隊由五人組成，他們共用一把步槍，且每人只能開一槍。圖0-1顯示了他們的射擊結(jié)果。
理想情況下，每一槍都能擊中靶心。
圖0-1 四支隊伍
A隊近乎達到了理想目標，A隊的射擊點緊緊圍繞在靶心周圍，接近于完美模式。而B隊的每一次射擊都系統(tǒng)偏離了目標，我們稱B隊為偏差隊。如圖0-1所示，偏差的一致性能夠提供預測，如果隊伍中的其中一位成員再開一槍，我們敢打賭擊中點會落在與前五次射擊相同的位置。偏差的一致性還會引發(fā)因果關(guān)系的解釋：造成目前現(xiàn)象的原因或許是隊伍中步槍的瞄準鏡彎曲了。
噪聲:人類判斷的缺陷 目錄
引言 偏差與噪聲，人類判斷的兩種錯誤
部分 尋找噪聲
第1章 犯罪和充滿噪聲的判罰
減少判決中的噪聲
判斷是一件困難的事
第2章 系統(tǒng)噪聲，給人達成一致的假象
抽獎會引發(fā)噪聲
噪聲檢測，系統(tǒng)噪聲無處不在
不必要的變異性與有利的多樣性
達成一致的假象
第3章 單一決策，僅發(fā)生一次的重復決策
單次 vs 重復，是持續(xù)性差異而非類別差異
單次決策中的噪聲
單次決策中的噪聲控制
第二部分 你的大腦就是一種測量工具
第4章 見仁見智的判斷
判斷體驗：什么在影響你確定CEO的人選
判斷的目的：內(nèi)部信號 判斷目的：只是響應(yīng)“做出判斷的內(nèi)部信號”
判斷評估：結(jié)果和過程
預測性判斷vs評估性判斷，邊界模糊的兩種判斷
“任意殘酷行為”，噪聲的問題
不受歡迎， 但可測量
第五章 測量誤差，噪聲與偏差的代價一樣大
GoodSell應(yīng)該減少噪聲嗎
均方，衡量整體誤差的精確規(guī)則
誤差方程：無論偏差大小如何，減少噪聲都有益處
噪聲的代價：被混淆了的個人價值與事實
第6章 噪聲分析，所有判斷都存在3類噪聲
判決中的噪聲檢測
平均刑期， 每一個案子的判決都存在大量噪聲
判刑就像抽獎
水平噪聲：為什么一些法官更嚴格
模式噪聲：同一法官不同判斷的源頭
情境噪聲，噪聲中被忽略的成分
第7章 情境噪聲，無時無刻不在影響著我們的判斷
第二次抽獎
測量情境噪聲
一個是一群
心境，情境噪聲的源頭
衡量情境噪聲的大小
我們?nèi)匀徊恢朗鞘裁磳е铝饲榫吃肼?/p>
第8章 群體是如何放大噪聲的
音樂中的噪聲
不僅僅是音樂下載，所有情況都一樣
信息串聯(lián)，極易放大群體判斷的噪聲
群體極化，討論往往會滋生更的結(jié)論
第三部分 預測性判斷中的噪聲
第9章 判斷與模型，簡單的模型普遍優(yōu)于人類判斷
選擇自己判斷，還是借助公式
梅爾：模型擊敗了你
戈德堡：你的模型擊敗了你
第10章 無噪聲的規(guī)則
更簡捷：穩(wěn)定之美
簡捷更進一步：簡單法則
更復雜：機器學習
758027個保釋決策種的智慧
為什么我們不多采用規(guī)則
第11章 哪里有預測，哪里就有客觀無知
哪里有預測，哪里就會有無知
異常自信的權(quán)威：準確性和黑猩猩扔飛鏢差不多
糟糕的判斷與差強人意的模型
否認無知是無知的另一種誘導
第12章 常態(tài)谷：事情雖無法預測，卻可以被理解？
預測生活軌跡：海量信息不足以預測生活中的簡單事件
客觀無知，理解和預測的上限
因果性思維：一旦發(fā)生就會被解釋
理解常態(tài)谷
內(nèi)部視角和外部視角
第四部分 噪聲是如何產(chǎn)生的
第13章 啟發(fā)式、偏差與噪聲
診斷偏差：三種類型的偏差
結(jié)論偏差，我們常常以結(jié)論尋找證據(jù)
過度一致性，我們常常受到信息順序的影響
心理偏差導致噪聲
第14章 匹配：找到與你的預測契合的共識
匹配與一致性
匹配強度：人類非凡的直覺力
匹配性預測的偏差
匹配噪聲：判斷的局限性
第15章 量表，模糊溝通產(chǎn)生的巨大噪聲
憤怒讓我們快速啟動快思考系統(tǒng)
充滿噪聲的量表
美元和錨定
一個不幸的結(jié)論
第16章 模式噪聲的構(gòu)成
朱莉2.0問題：難與易
模式噪聲：穩(wěn)定的還是變化的
用人格進行類比
第17章 噪聲源：偏差是引人注目的圖形，而噪聲是不受我們關(guān)注的背景
噪聲成分：影響判斷的3種噪聲
成分的大小：穩(wěn)定的模式噪聲幾乎是水平噪聲的4倍之多
對誤差的解釋
從統(tǒng)計學上來說，噪聲無處不在
第五部分 決策衛(wèi)生，提升人類判斷力
第18章 卓越的判斷者，卓越的判斷力
專家和尊重型專家
如果你必須選人做判斷，那挑選智商高的人
認知風格，終確定你應(yīng)該選誰做判斷
第19章 消除偏差與決策衛(wèi)生
干預：事后及事前消除偏差
消除偏差的局限
決策觀察者，必須發(fā)起與支持決策觀察
決策衛(wèi)生學，降低噪聲的關(guān)鍵方法
第20章 司法科學，信息排序是的噪聲
指紋識別，身份識別中備受重視的技術(shù)
指紋分析中的偶然噪聲
缺乏獨立性，司法科學的證實性偏差
有效性需要可靠性：少許噪聲，但多少誤差呢
傾聽噪聲，減少噪聲的步
序列信息，一個好的決策者應(yīng)該努力“保持懷疑”
第21章 甄選與匯總，超級預測的兩大策略
改進預測的兩種方法
良好判斷計劃的4個步驟
永久測試版：一個特殊的思維循環(huán)
預測中的噪聲和偏差
甄選及匯總的有效之處
22醫(yī)學決策，做出精確醫(yī)學診斷的降噪機制
醫(yī)療診斷中的噪聲
診斷指南的價值
傷腦筋的精神病學診斷
23 績效評估，用基于外部視角的共識框架做出量化判斷
績效評估本質(zhì)上是一種判斷工作
25%是信號，75%是噪聲
一個早就發(fā)現(xiàn)卻沒有解決的問題
相對判斷的優(yōu)點
排序，但不強制
接下來：確保有一個達成共識的參考框架
24 人員招募，以結(jié)構(gòu)化指標衡量人才
面試的風險：你并不能依次“找到合適的人”
面試中的噪聲：面試官更傾向于與自己相似的求職者
面試官心理學：我們總是太相信“印象”
通過結(jié)構(gòu)化流程提升人事篩選品質(zhì)
25中介評估法，做出明智決策的核心方法
次會議：協(xié)議方法
第二次會議：定義中介評估法
引入外部交易團隊，盡可能獨立地應(yīng)用自己的客觀觀點
決策會議：評估-討論-評估
重復決策中的中介評估法
6個步驟，用中介評估法改善決策流程
第六部分 的噪聲水平
第26章 減少噪聲的成本
噪聲越少，錯誤越多
算法無噪聲，但會導致偏差
第27章 尊嚴，人之為人的重要價值觀
不斷變化的新的價值觀
鉆空子，逃避規(guī)則
增加罰金和消除噪聲，好的威懾
創(chuàng)造力，士氣和新鮮創(chuàng)意
第28章 規(guī)則還是標準
分裂與無知：標準引發(fā)噪聲，而規(guī)則不會
老板，控制下屬
修改規(guī)則，壓抑者的反抗
降噪框架，只要確保規(guī)則“足夠”準確
每一個領(lǐng)域都要“禁止噪聲”
回顧與總結(jié) 正視噪聲問題
判斷不是計算，也無須遵循精確的規(guī)則
誤差：偏差和噪聲
測量偏差和噪聲
噪聲是個問題，遠超我們的想象
水平 模式 情境，噪聲的3種類型
判斷與噪聲的心理機制
不易覺察的噪聲
6個原則減少噪聲，以及偏差
噪聲是隱形的敵人，而我們應(yīng)該知道敵人到底是誰
結(jié)語 一個噪聲很少的世界
附錄1 如何進行噪聲審查
附錄2 決策觀察者檢查清單
附錄3對抗噪聲，修正預測
致謝
注釋
展開全部
噪聲:人類判斷的缺陷 相關(guān)資料
從“偏差”到“噪聲”，作為心理學家的卡尼曼挑戰(zhàn)的是經(jīng)濟學 的“理性人”假設(shè)，并因開啟了行為經(jīng)濟學的大門而獲得諾貝爾經(jīng)濟學獎。他一直關(guān)注分析人類在決策分析中是如何犯錯的，在這本書中，他深入分析了噪聲的影響，但也樂觀地預期，可以通過發(fā)掘埋沒 在大數(shù)據(jù)中的信息來減少決策中的噪聲，這可以說是大數(shù)據(jù)滲透到行為經(jīng)濟學領(lǐng)域的新趨勢。 巴曙松 北京大學匯豐金融研究院執(zhí)行院長，中國銀行業(yè)協(xié)會首席經(jīng)濟學家 繼《思考，快與慢》之后，湛廬又推出了卡尼曼(與西博尼和桑 斯坦合著)的新作《噪聲》。本書開篇就對噪聲(noise)與偏差(bias) 做了區(qū)分。簡單來說，噪聲是無規(guī)律的錯誤，偏見是系統(tǒng)性的錯誤。 這個區(qū)別你一旦聽到，立刻就能知道它十分重要！对肼暋吠ㄟ^司法 判決、醫(yī)學診斷等多個領(lǐng)域的實際案例，探討了噪聲的成因以及減少噪聲的策略。值得一提的是，三位作者還討論了克服噪聲的努力也會帶來負面后果。又一本讀著不累卻時時受益的好書。第17章 噪聲源：
偏差是引人注目的圖形，而噪聲是不受我們關(guān)注的背景
哪里有判斷，哪里就有噪聲，希望你現(xiàn)在也同意這一觀點。我們也希望，對你而言，這已不再是一件超乎想象的事。也正是這一目的激勵我們著手研究該項目。經(jīng)過多年的努力，我們對這個問題的思考已經(jīng)逐漸深入和完善。現(xiàn)在，讓我們來回顧一下，我們已經(jīng)學習過的噪聲成分、這些成分對噪聲的重要影響以及它們各自在判斷中所起的作用。
噪聲成分
圖16是我們在第5、第6和第16章中介紹的三個方程的一個組合圖。該圖展示了對誤差的三個連續(xù)的分解：
將誤差分解為偏差和系統(tǒng)噪聲，
將系統(tǒng)噪聲分解為水平噪聲和模式噪聲，
將模式噪聲分解為穩(wěn)定模式噪聲和情境噪聲。
現(xiàn)在，你可以看到MSE如何被分解為偏差，以及（我們曾討論過的）三種噪聲成分的平方。
圖16：誤差，偏差和噪聲成分
當我們開始著手這一研究項目時，我們關(guān)注偏差和噪聲在總誤差中所占的相對權(quán)重。我們很快得出結(jié)論：在誤差中，噪聲通常比偏差更多，因此，噪聲非常值得我們進一步去探索。
我們早期對噪聲成分的思考是基于復雜的噪聲檢測的框架。在該框架中，多個人對多個案例做出判斷；聯(lián)邦法官的研究，以及懲罰性賠償?shù)难芯，都是這樣的例子。從這些研究中獲得的數(shù)據(jù)，能夠?qū)λ皆肼曔M行可靠的估計。另一方面，雖然每個參與者都對每個案例進行判斷，但只進行了一次判斷，因此無法判斷殘差——我們將其稱之為模式誤差——是變化的還是穩(wěn)定的。依據(jù)統(tǒng)計分析的保守性原則，通常將殘視為隨機誤差。換句話說，模式噪聲被完全默認為情境噪聲。
第17章 噪聲源：
偏差是引人注目的圖形，而噪聲是不受我們關(guān)注的背景
哪里有判斷，哪里就有噪聲，希望你現(xiàn)在也同意這一觀點。我們也希望，對你而言，這已不再是一件超乎想象的事。也正是這一目的激勵我們著手研究該項目。經(jīng)過多年的努力，我們對這個問題的思考已經(jīng)逐漸深入和完善。現(xiàn)在，讓我們來回顧一下，我們已經(jīng)學習過的噪聲成分、這些成分對噪聲的重要影響以及它們各自在判斷中所起的作用。
噪聲成分
圖16是我們在第5、第6和第16章中介紹的三個方程的一個組合圖。該圖展示了對誤差的三個連續(xù)的分解：
將誤差分解為偏差和系統(tǒng)噪聲， 將系統(tǒng)噪聲分解為水平噪聲和模式噪聲， 將模式噪聲分解為穩(wěn)定模式噪聲和情境噪聲。現(xiàn)在，你可以看到MSE如何被分解為偏差，以及（我們曾討論過的）三種噪聲成分的平方。
圖16：誤差，偏差和噪聲成分
當我們開始著手這一研究項目時，我們關(guān)注偏差和噪聲在總誤差中所占的相對權(quán)重。我們很快得出結(jié)論：在誤差中，噪聲通常比偏差更多，因此，噪聲非常值得我們進一步去探索。
我們早期對噪聲成分的思考是基于復雜的噪聲檢測的框架。在該框架中，多個人對多個案例做出判斷；聯(lián)邦法官的研究，以及懲罰性賠償?shù)难芯浚际沁@樣的例子。從這些研究中獲得的數(shù)據(jù)，能夠?qū)λ皆肼曔M行可靠的估計。另一方面，雖然每個參與者都對每個案例進行判斷，但只進行了一次判斷，因此無法判斷殘差——我們將其稱之為模式誤差——是變化的還是穩(wěn)定的。依據(jù)統(tǒng)計分析的保守性原則，通常將殘視為隨機誤差。換句話說，模式噪聲被完全默認為情境噪聲。
很長一段時間以來，這種將模式噪聲解釋為隨機誤差的傳統(tǒng)做法，限制了我們的思維。專注于水平噪聲（嚴厲和寬容的判斷者之間、或樂觀和悲觀的預測者之間的穩(wěn)定性差異）似乎是自然而然的事。但是，有證據(jù)表明，那些無關(guān)的、變化的環(huán)境也會影響判斷，從而產(chǎn)生情境噪聲，這引起了我們的研究興趣。
這些證據(jù)讓我們逐漸認識到，不同人做出的判斷充滿噪聲，很大程度既不是因為普遍性的偏差，也并非是由于變化的或隨機的因素所致：特定個體對多重特征的穩(wěn)定的、個性化的反應(yīng)，決定了他們對特定案例的反應(yīng)。我們終得出結(jié)論，我們應(yīng)該擯棄將模式噪聲視作隨機變化的觀點。
雖然我們很想謹慎一點，盡量避免基于有限的案例做出過度性概括。然而，整合我們研究后發(fā)現(xiàn)，穩(wěn)定的模式噪聲實際上比系統(tǒng)噪聲的其他成分都更為重要。由于我們很少在同一研究中全面地探究誤差的各個組成部分，因此需要進行精確的分析才能得出這樣一個暫時性的結(jié)論。簡而言之，以下就是我們所知道的和所不知道的。
成分的大小
首先，我們對水平噪聲和模式噪聲的相對權(quán)重進行了幾種估算。總體而言，模式噪聲似乎比水平噪聲對系統(tǒng)噪聲的貢獻更大。例如，在第2章提到的保險公司的例子中，不同核保人在平均保費上的差異僅占總體系統(tǒng)噪聲的20％，剩余的80％都是模式噪聲。在第6章提到的聯(lián)邦法官的例子中，水平噪聲（平均嚴厲程度的差異）僅占總體系統(tǒng)噪聲的一半以下，而模式噪聲則占一半以上。在懲罰性賠償?shù)膶嶒炛校到y(tǒng)噪聲的總量在不同量尺（懲罰傾向、憤怒程度或美元罰款金額）上有所不同，但模式噪聲的占比卻基本恒定：三種量尺下，模式噪聲分別約占總體系統(tǒng)噪聲的63%、62%和61%。在本書第5部分中，我們將介紹的其他一些研究，特別是有關(guān)人事決策的研究，其研究的結(jié)果都與這一暫時性的結(jié)論相一致。
在這些研究中，水平噪聲通常都不是系統(tǒng)噪聲的主要成分；這一事實已經(jīng)傳遞了一個非常重要的信息，因為水平噪聲是一種（有時）無需組織進行噪聲檢測就可以監(jiān)測到的噪聲。當案例或多或少地被隨機分配給各個專業(yè)人員時，他們決策的平均差異就是水平噪聲。例如，針對專利局的研究發(fā)現(xiàn)，審查員授予專利的平均傾向性存在很大差異，進而影響了專利的訴訟發(fā)生率。同樣，兒童保護部門的官員決定將兒童安置在寄養(yǎng)機構(gòu)的傾向性也有所不同，這會對兒童的福祉產(chǎn)生長期影響。這些觀測都僅僅是基于水平噪聲的評估。這些研究所揭示的噪聲問題已經(jīng)令人震驚了，但是，如果模式噪聲多于水平噪聲，那么噪聲問題的嚴重性至少被低估了兩倍。（這一暫時性結(jié)論也有例外。法官在是否給予政治庇護的裁決中出現(xiàn)的巨大變異，幾乎可以肯定更多地源于水平噪聲，而非模式噪聲；但我們懷疑這里的模式噪聲也很大。）
下一步我們通過對模式噪聲的兩種成分進行分解，來對其進行分析。我們有充分的理由認為，模式噪聲的主要成分是穩(wěn)定的模式噪聲而非情境噪聲。對聯(lián)邦法官判決的噪聲檢測展示了我們的推理過程。我們首先假設(shè)了一種情況，即所有的模式噪聲都是完全隨機變化的。在這一假設(shè)前提下，法官們的量刑會隨著時間的推移變得十分不穩(wěn)定和不一致，乃至達到不可能的程度：我們不得不預期，同一法官在不同情境中對同一案件量刑的平均差異達到2.8年左右。法官之間在平均量刑上的差異已經(jīng)令人震驚了，要是同一名法官在不同情境下的量刑也存在這么大的差異，那就實在是太荒唐了。因此，得出以下結(jié)論似乎更為合理：法官們會對不同的被告和不同的罪行做出有差異的反應(yīng)；這種差異雖極具個性化，但卻是穩(wěn)定的。
為了更準確地對模式噪聲中有多少是穩(wěn)定的，有多少是情境噪聲進行量化，我們需要讓同一名法官對每個案例進行兩次獨立評估。我們發(fā)現(xiàn)，在判斷研究中通常不可能獲得兩個獨立的判斷，因為很難保證對案例的第二次判斷完全獨立于次判斷。尤其當判斷很復雜時，個體很可能會辨認出是同一個問題，從而重復初的判斷。
由亞歷山大·托多羅夫（Alexander Todorov）帶領(lǐng)的普林斯頓大學的一組研究人員設(shè)計了一個巧妙的實驗范式，從而克服了這一難題。他們從亞馬遜土耳其機器人（Amazon Mechanical Turk；一個網(wǎng)站，人們可以通過在上面提供一些短期服務(wù)，如填答問卷，來獲取報酬）上招募了參與者。在他們的一個實驗中，參與者觀看了一些面孔圖片（由計算機程序生成，但與真人面孔無異），并對這些面孔的各項屬性進行了評分，比如喜愛程度、信賴程度等。一周后，該實驗用相同的面孔和相同的受訪者重復了該實驗。
我們有理由認為，本實驗中判斷的連貫性程度會低于專業(yè)人士的判斷（如法官量刑）。雖然差不多每個人都會同意，有些人極具吸引力，而有一些人則令人反感；但在很大范圍內(nèi)，我們可以預期，對面孔的反應(yīng)存在很大的個體差異。確實，觀察者之間幾乎沒有共識：例如，在信賴程度的評分上，由于面孔圖片之間的差異所導致的變異僅占判斷變異的18％，剩余的82％的變異都是噪聲。
我們也有理由預期，這些判斷的穩(wěn)定性較差，因為實驗參與者只是為了賺錢而參與在線答題，其判斷質(zhì)量會遠低于專業(yè)判斷。然而，實驗結(jié)果發(fā)現(xiàn)，噪聲的組成部分還是穩(wěn)定的模式噪聲。第二大成分才是水平噪聲，即不同的觀察者在面孔信賴度的平均評分上的差異。情境噪聲雖然也很大，卻占比小。
要求參與者做出其他判斷時，例如，有關(guān)汽車或食物的偏好，或者回答一些接近專業(yè)判斷的問題，研究人員也得出了相同的結(jié)論。比如，在第15章中討論的懲罰性賠償?shù)闹貜托匝芯恐，參與者針對十個人身傷害案件評定了他們的懲罰傾向，兩次評分之間間隔一周。同樣的，穩(wěn)定的模式噪聲是的組成部分。在所有這些研究中，判斷者之間彼此不一致，但他們自身的判斷仍保持穩(wěn)定。這種“缺乏共識的穩(wěn)定性”，用研究人員的話說，為穩(wěn)定的模式噪聲提供了清晰的證據(jù)。
關(guān)于穩(wěn)定的模式噪聲的有力證據(jù)，來自于我們在第10章中提到的對保釋法官的大規(guī)模研究。在這項杰出研究的一部分內(nèi)容中，作者創(chuàng)建了一個統(tǒng)計模型，該模型可以模擬每位法官如何使用手頭的線索來決定，是否批準被告人被保釋。他們建立了173名法官的個性化模型。然后，他們運用模型來模擬法官對141833個案例進行的判決，每個案例產(chǎn)生了173個判決——總計判決超過2400萬個。應(yīng)我們的要求，作者慷慨地進行了特定分析，他們將判斷的變異分為三部分：每個案例平均決策的“真實”變異、在保釋傾向上由于法官們的差異所導致的水平噪聲，以及剩下的模式噪聲。
這一分析的結(jié)果與我們的觀點相符，因為該研究中所測得的模式噪聲是完全穩(wěn)定的。由于這是對預測法官決策的模型進行的分析，因而無法體現(xiàn)情境噪聲的隨機變異性。數(shù)據(jù)中僅包括可檢驗的、穩(wěn)定的個體預測規(guī)則。
結(jié)論非常明確：穩(wěn)定的模式噪聲幾乎是水平噪聲的四倍之多（穩(wěn)定的模式噪聲占總變異的26％，而水平噪聲占總變異的7％）。這種可識別的、穩(wěn)定的、特異性的個體模式，要比法官之間審判嚴格程度的差異大得多。
所有這些證據(jù)與我們在第7章中討論的有關(guān)情境噪聲的研究結(jié)果是一致的：盡管情境噪聲的存在讓人驚訝，甚至不安，但沒有跡象表明個體內(nèi)部的變異大于個體間的變異。系統(tǒng)噪聲中主要的成分，恰恰是開始被我們忽略的成分：穩(wěn)定的模式噪聲，即法官們對特定案例所做判決的變異性。
考慮到相關(guān)研究較為匱乏，我們的結(jié)論只是暫時性的；但它們反映了我們對噪聲態(tài)度(以及如何應(yīng)對)的改變。從原則上說，水平噪聲——即法官之間簡單的、全面的個體差異——應(yīng)該是一個相對容易測量和解決的問題。如果有異常“嚴格”的評分者，或異常“謹慎”的兒童監(jiān)護權(quán)法官，或異常“風險規(guī)避”的貸款人，雇用他們的機構(gòu)可以試圖使他們判斷維持在平均水平。例如，大學會要求教授們在評分時遵守事先確定好的成績分布來進行評分。
不幸的是，我們發(fā)現(xiàn)，專注于水平噪聲會使得我們遺漏掉很大一部分個體差異。大多數(shù)噪聲都不是水平差異的產(chǎn)物，而是交互的產(chǎn)物：不同的法官如何對待特定的被告，不同的老師如何對待特定的學生，不同的社會工作者如何對待特定的家庭，不同的領(lǐng)導如何對待特定的公司愿景。噪聲主要是我們的獨特性或“判斷人格”所產(chǎn)生的副產(chǎn)品。降低水平噪聲依舊是一個有價值的目標，但僅達到此目標仍然未能解決大部分系統(tǒng)噪聲的問題。
噪聲:人類判斷的缺陷 作者簡介
丹尼爾·卡尼曼（Daniel Kahneman）
諾貝爾經(jīng)濟學獎得主，美國總統(tǒng)自由勛章獲得者，全球暢銷書《思考，快與慢》作者，普林斯頓大學尤金·希金斯心理學（Eugene Higgins Professor of Psychology, Princeton University）榮譽退休教授，公共和國際事務(wù)學院（School of Public and International Affairs）教授，曾榮獲多項獎?wù)，包括美國心理學學會頒贈的心理學終身貢獻獎？崧谛睦韺W上的成就是挑戰(zhàn)判斷與決策的理性模式，被公認為“繼弗洛伊德之后，當代偉大的心理學家”。他的跨領(lǐng)域研究對經(jīng)濟學、醫(yī)學、政治學、社會學、社會心理學、認知科學等領(lǐng)域都產(chǎn)生了深遠的影響，被譽為“行為經(jīng)濟學之父”。
奧利維耶·西博尼（Olivier Sibony）
丹尼爾·卡尼曼（Daniel Kahneman）
諾貝爾經(jīng)濟學獎得主，美國總統(tǒng)自由勛章獲得者，全球暢銷書《思考，快與慢》作者，普林斯頓大學尤金·希金斯心理學（Eugene Higgins Professor of Psychology, Princeton University）榮譽退休教授，公共和國際事務(wù)學院（School of Public and International Affairs）教授，曾榮獲多項獎?wù)拢绹睦韺W學會頒贈的心理學終身貢獻獎？崧谛睦韺W上的成就是挑戰(zhàn)判斷與決策的理性模式，被公認為“繼弗洛伊德之后，當代偉大的心理學家”。他的跨領(lǐng)域研究對經(jīng)濟學、醫(yī)學、政治學、社會學、社會心理學、認知科學等領(lǐng)域都產(chǎn)生了深遠的影響，被譽為“行為經(jīng)濟學之父”。
奧利維耶·西博尼（Olivier Sibony）
巴黎高等商學院（HEC Paris）教授，牛津大學賽德商學院（Saïd Business School, University of Oxford）外籍教授，曾在全球的戰(zhàn)略咨詢公司——麥肯錫咨詢公司（McKinsey & Company）擔任資深合伙人長達25年時間。西博尼的研究領(lǐng)域為策略、決策、問題解決，力圖提升決策的品質(zhì)，論文發(fā)表在眾多優(yōu)秀刊物之上，包括《哈佛商業(yè)評論》（Harvard Business Review）與《麻省理工學院斯隆管理評論》（MIT Sloan Management Review）。其中2011年6月，與卡尼曼合著的文章Before You Make That Big Decision曾登上《哈佛商業(yè)評論》選集封面。著有You Are About to Make a Terrible Mistake一書，致力于揭示：偏差是如何影響我們的決策的，而我們又應(yīng)該如何應(yīng)對偏差。
卡斯·R. 桑斯坦（Cass R. Sunstein）
哈佛大學法學院教授，行為經(jīng)濟學與公共政策研究項目創(chuàng)始人兼主任，主要研究領(lǐng)域為政策制定方面。2009—2012年任美國白宮信息與監(jiān)管事務(wù)辦公室（White House Office of Information and Regulatory Affairs）主任；2013—2014年加入白宮情報與通信技術(shù)審查小組（Review Group on Intelligence and Communications Technologies）；2016—2017年加入美國國防部國防創(chuàng)新委員會（Defense Innovation Board）。著有多本《紐約時報》暢銷書，包括與理查德·泰勒合著的《助推》（Nudge）、基于電影《星球大戰(zhàn)》（Star Wars）的法學著作《星球大戰(zhàn)的世界》（The World According to Star Wars），以及《助推2.0》（How Change Happens）等其他多本著作。
書友推薦
- >
姑媽的寶刀
- >
朝聞道
- >
名家?guī)阕x魯迅:朝花夕拾
- >
巴金－再思錄
- >
伯納黛特,你要去哪(2021新版)
- >
羅庸西南聯(lián)大授課錄
- >
李白與唐代文化
- >
唐代進士錄
本類暢銷
