|
人们在什么情况下更愿意买地震保险？想象在汶川地震以前有位保险销售人员向你推销地震保险，相信你是打死都不会买。因为地震这个事情离你的生活实在是太遥远了，那是八竿子打不着的事情。但在发生汶川地震以后，情况就截然不同了，特别是你在电视上看到了地震的各种惨状以后，如果再有保险销售人员向你推销地震保险的话，你肯定会比以前更愿意掏钱。现在很多人去买房，总喜欢问这样一个问题：这房子能抗几级地震啊？如果我们仔细想想的话，人们的这种反应其实是非常可笑的，因为恰恰是因为刚刚发生过地震，所以在一段时间内再次发生的地震的可能性是很小很小的。那么为什么人们反而会在地震以后更愿意买地震保险呢？这就是可得性启发法（Availability heuristic）的影响。 很多时候我们做出判断是情绪性的、无意识的，非理性的。人们对于越容易想起来的事情（即在脑海中的印象更为深刻），会觉得越容易发生，这就是所谓的可得性启发，通过易得性来判断其可能性，即“人们倾向于根据客体或事件在知觉或记忆中的可得性程度来评估其相对频率，容易知觉到的或回想起的客体或事件被判定为更常出现 ”。比如我们在判断是否要买地震保险时，脑海中首先浮现到的就是不久前发生的地震以及我们在电视上目睹的各种惨状，于是就会觉得地震确实很可怕，并且似乎离我们很近或者说很有可能会发生在我们自己的身上，因此就更愿意购买地震保险了。 对于可得性启发经常被提及的一个实验是这样的，问：以字母k开头的英文单词和第三个字母是K的英文单词相比，二者谁更多？大多数人认为以字母k开头的英文单词更多。因为人们很容易就想到以字母k开头的英文单词，比如keep,kill,kitchen等，但要想起第三个字母是K的英文单词就有些困难了，于是人们就会认为以字母k开头的英文单词会更多。实际上，第三个字母是k的单词是以k字母开头的单词的3倍。 有时候可得性启发式是正确的，越容易回想起来的事情确实越有可能发生，因为不断重复（容易）发生的事情，自然更容易在我们的脑海中留下深刻的印象。但是我们不仅仅只会记住那些经常发生的事情，事实证明，我们更喜欢那些生动的、形象的、具有情绪感染力的事件。 大家都应该见过这张希望工程的宣传图片，相信许多人在看到这张照片以后，都会被深深的感动，可能本来没打算捐钱的结果也捐一点钱，本来打算只捐5块钱的结果捐了10块钱。我们通过这张图片，对贫困失学儿童有了更为直观的、生动的认识。  这就是所谓的一张图片胜过千言万语。不管我们是说帮助中国的失学儿童有多么多么的重要，还是说中国有多少多少的失学儿童并列举一堆统计数字，都不如一张具有视觉冲击力的图片更能打动我们的心。我们的行为很容易因此而受到影响——比如多捐一点钱，当然这是好的方面。（这也就是为什么在禁毒宣传或者交通安全宣传的时候总是喜欢摆一些恶心的照片出来）
此外，我们对自己亲身经历过的事情印象也会特别深刻。一个死于骑摩托车的亲戚比大量的统计数据更能影响你对摩托车的态度。结了婚的年轻人经常会为干家务的事情发生争吵，总认为自己干的家务活要比对方干得多。美国的心理学家做过这样一个调查，让妻子和丈夫各自评估自己所干的事占所有家务的比例，然后将两人的比例加起来，结果总是超过100%。这其实很好理解，这一方面是因为自利归因，另一方面也是因为自己干的家务活自己总是能记住，所以就总觉得自己干的要比对方多。
对决策的影响 可得性启发会导致我们做出错误的决策。因为受可得性启发的影响，我们做出判断决策时，依据的可能就仅仅是一些经过我们头脑选择过的、印象最为深刻的例子。正如道金斯在《自私的基因》里说到的：经过选择的例子对于任何有价值的概括从来就不是重要的证据（Chosen examples are never serious evidence for any worthwhile generalization.）。因为例子永远都只能是一个例子，不具有任何的代表性。如果你遇到一个河南人把你的钱都骗光了，你能因此而得出结论说所有的河南人都是骗子，都是不可靠的吗？如果你不是遇到一个河南人如此，而是十个、一百个河南人都如此呢？那么也仅仅说明这十个、一百个河南人是不可靠的，但不能说所有河南人都是不可靠。 此外我们在举例时很容易忽略那些与我们已有观念不一致的信息，从而导致所谓的证实性偏差。塔布勒在《黑天鹅》中把过度举例称为“无知的经验主义”。想象一只火鸡，每天都被喂得饱饱的，每次的喂食都使它更加相信生命的一般法则在于每天得到“为他的最大利益着想”的友善人类的喂食。日子一天天的过去，它的信心也越来越充足。但感恩节也是一天天的临近，它被屠杀的危险也越来越大。当危险最大时它的安全感却达到了最大值。直到感恩节的前一天，它才真正的明白过来，它过去获得的知识和经验都是无关痛痒的甚至是虚假的。在某种程度上，我们所有人都是这只火鸡。 所以例子不应该作为论据来使用的。那么有人会说，你这篇文章里不就通篇都是例子吗？例子在这里只能是为了把更好的把一个道理解释清楚、使人更容易理解。也就是说我们应该用例子来阐释说明而非证明。但现实恰恰是人们很喜欢用例子来证明自己的观点——特别是那些最容易想到的例子。 比如有一次你乘坐A航空公司的航班，结果A航空公司把你的行李给弄丢了，你火冒三丈，觉得A公司的服务怎么这么差，以后再也不要坐这间公司的航班了。这其实和河南人的例子差不多，一次不愉快的经历可能只是一宗个案，并不具有任何代表性。 但有的人就会认为，保障乘客的行李安全是航空运输的最基本要求之一，如果连这一点都做不到的话，那么我们还有什么理由来相信它，就算是个案，这样的事情只要经历一次就足够了，难道还要再丢一次行李吗！这种想法是可以理解的，但却是没有道理的。在某种程度上，错误其实是不可避免的。管理学上有所谓的六西格玛质量管理法，我总是很怀疑这是否能够真的做到。就算是DNA复制这种高度精确的事件，都会不可避免的出现偏差（这正是进化的源泉之一），更何况人为的事件？因此，航空公司把乘客的行李弄丢其实是一个不可避免的错误，只是很不幸碰巧被你遇上了。这是一个负面的影响，导致你对整体产生了负面的认识。但是想象如果是一件正面的事件，比如你买彩票，一不小心中了五百万，那么你会如何认识中奖这样一件事情呢？难道你会因此而觉得彩票中奖是很容易，或者别人也应该中奖，或者你以后会更容易中奖吗？ 当然我不是说航空公司把你行李弄丢是和中彩票一样的低概率事件，或者说是可以原谅的。而是要看到，不能仅仅因为一次丢失行李的不愉快的经历而对该公司的服务水平完全否定。如果真的要想知道A公司的服务水平到底怎么样？我们就需要调查不同航线准时到达率和行李丢失率的统计数据。只有统计数据才能相对真实的反映出客观情况。（这也让我想到了所谓的一票否决制，某些领导如果在某些事情上没有达标或者出了什么问题，那么就一概否决，这是不够科学的。没有被否决可能仅仅是运气好罢了。） 在现代传媒的作用下，可得性启发对人们判断决策的影响更加的大。因为媒体为了追求收视率，吸引眼球，总是喜欢过度报道一些特别的事件。正如人们戏言：狗咬人不是新闻，人咬狗才是新闻。但是如果你看电视看的太多并且懒得去想的话，那么你就会很容易认为满大街的人都在咬狗。比如人们总认为坐飞机很危险，事实上大量的统计数据表明，飞机并不会比坐汽车更危险，但为什么人们会有这样一种错误的判断？很大程度上是因为飞机失事更有新闻价值。如果是一宗普通的交通事故，媒体就不会有太多的报道，但如果是一架飞机坠毁了，那么媒体必定是连篇累牍的大肆报道。结果这些事情在人们的脑海里留下了极其深刻的印象，当我们需要作出判断时脑海中首先浮现的就是这些飞机失事的场景，因此就会得出结论：飞机非常的危险。当然人么更害怕坐飞机也有其他方面的原因，比如人类的生物本能，人们对于自己不能控制的事物的恐惧等等。 《魔鬼经济学》里有一个例子：假设有个一个8岁大的叫莫莉的孩子，她有两个最好的朋友，一个叫艾米，一个叫伊玛尼，两个朋友都住在附近。莫莉的父母知道艾米的家里放着一把枪，于是他们不许莫莉到艾米家玩。所以莫莉就经常跑到伊玛尼家玩，伊玛尼家的后院有个游泳池。莫莉的父母觉得自己的做法上是在保护莫莉，这样做是对的。 可根据统计资料显示，这种做法一点都不明智。平均来说，美国每1.1万个家庭游泳池就能溺死一个孩子。美国一共有600万个这样的游泳池，这也就是说，每年将近有550个不到10岁的孩子是溺死在游泳池里。相比之下，在美国，每100多万支枪才会杀死一个孩子。据估计，美国一共有2亿支枪，这就是说美国平均每年死于枪口下的孩子数量大约为175名。所以对于美国孩子来说，他们死于游泳池里的概率（1：11000）要远远大于死于枪口的概率（1：1000000）：也就是说莫莉在伊玛尼家的危险程度是在艾米家的100倍。 问题就在于为什么莫莉的父母会觉得枪会比游泳池更危险？这和人们对飞机的态度的原因是一样的。媒体更愿意报道一名丧心病狂的家伙开枪打死一名孩子而不是一名孩子在游泳池里淹死。各种奇闻异事更容易在人们的脑海中留下深刻的印象。因此在某种程度上我们对世界的认识是扭曲的，我们的身边充斥着各路媒体和大量信息，我们以为自己很清楚自己在想什么，实际上我们的世界观价值观已被他人所左右。从这个角度来看，信息越多误差越大。 我们如何摆脱可得性启发带来的偏差？这其实是不可能的，因为启发法是一种无意识的思维，也就意味着有时候我们连自己已经运用了启发法都不知道，更别说避免其错误了。但如果我们对启发法有更深入的了解，那么还是有助于我们减少在这一方面的错误的。感觉往往是不可靠的，不要轻易的下结论。当我们做出判断或得出一个结论时，必须要问自己：我的依据（论据）是什么？这些依据是否足以支撑我的判断？我们对那些感人或者骇人的一切生动的故事都必须保持足够的警惕，不要被我们的情绪所主宰，要更加注重统计数据，很多时候只有统计数据才能相对真实的反映出客观情况。 |
|
|
