1701778318
1701778319
还有一点或许能帮助你，即你要记住，自己在各种情境下并非总能保持一致。我敢保证，在某些场合见到你的人会认为你特别好，而在另一些场合见到你的人则觉得你简直糟透了。并且你也不能责备那些批评你的人，因为他们一定是有依据的。只要记住批评你的人自身也会既受好评又遭抨击。你不太可能在下一个遇见此人的情境（可能与现在这个情境迥异）中以同样的方式再现自己的人格特质。
1701778320
1701778321
更通俗一点儿讲，你要能够知道什么能编码，而什么不能。如果你发现遇到的问题中的事件或行为无法即刻进行编码或赋值，那么就试着找一种途径来编码。做这些事纯粹是为了提醒你一个事实，即人容易高估事件或行为的一致性。
1701778322
1701778323
关于本章和下一章所讲述的主题，我能告诉你的最好的消息是，尽管我只教了你们在几个很小的领域中运用统计性思维，但是以我多年的研究经验，我可以保证这些少量的例子就足以帮你在相当多的情境（可能看上去和我举的例子不太相似）下进行理性思考，以统计性思维分析问题。
1701778324
1701778325
当我教授人们大数定律以解决那些可以通过统计工具进行分析的问题（例如彩票问题、投硬币）时，他们解决那些只会偶尔想到用统计思维解决的问题（例如可以客观数据衡量的能力）的能力提升了。他们解决那些几乎不会用统计思维解决的问题（例如衡量品性）的能力也提升了。而我教授那些可以客观计分的能力的例子和那些更主观、更难计分的例子时也收到了同样的效果。教授人们某类问题的推理方法可以帮助他们提升在另一类问题上的推理能力。
1701778326
1701778327
小结
1701778328
1701778329
准确评估事物间的关系是极难之事。即便我们已经搜集好了数据，并进行了全面的总结，也很有可能对共变的程度做出错误估计。确认偏误就极易出现：如果一些A导致B，那么我们很可能会认为A与B有关联。然而要判断A与B之间是否真正存在关联，需要利用四重表比较两种比例。
1701778330
1701778331
当我们试图评断一些我们没有先验概念的事物的相关性时，我们会对那些本无联系或被武断地联系在一起的事件的相关性做出错误估计，认为其关联一定很强。我们对于共变的观察能力在那些相隔较长时间发生的事件上表现得很糟糕。
1701778332
1701778333
我们很容易受虚假相关影响。当我们评判两个看上去可能有联系的事件的相关性，或说我们期待发现两者间的正相关关系时，我们可能会相信一种实际上并不存在的联系。当事件之间的联系不那么可信时，即使实际上存在强相关，我们也可能看不到那种关联。更糟糕的是，我们会颠倒事实，将正相关认作负相关，反之亦然。
1701778334
1701778335
典型性启发法潜藏在我们的许多关于相关性认识的先验假设中。如果A在某种程度上与B相似，我们就可能看到两者间的关联。可触及性启发法也会发生作用。如果那些A与B有关联的场景更容易被我们记住，那么我们就会高估两者之间联系的紧密程度。
1701778336
1701778337
相关性并不能建立起因果联系，但如果存在一种貌似可信的原因解释了A导致B，那么我们很容易推测那种相关性的确建立起了因果联系。A与B之间存在相关性可能是由于A引发了B，或B引发了A，或是第三种因素引发了A和B。我们常常忽略这其中的多种可能性。这里的一部分原因是，我们无法认识到用因果关系的术语“解释”相关性是多么容易。
1701778338
1701778339
信度是指一个样本在不同情境中或是以不同方式测量时得分相同的程度。效度是指一个测量工具能够准确测出所需测量的事物的程度。对于某一给定的测量工具，其可能具有完美的信度，却没有效度。两位占星师在“双鱼座的人比双子座的人更外向”这个问题上的认可度一致，然而这种说法显然没有效度。
1701778340
1701778341
一件事情越是能够通过编码来分析，我们对其的相关性分析就越准确。对于那些易于编码的事情，比如一些以能力高低而决定之事，我们对于两个场景的相关性分析就会十分准确。我们还认识到当分析一些与能力有关的事情时，综合许多场景的平均状况推测另一些场景的平均状况是更好的选择，这比从单一场景推断另一单一场景要更可信。即便是对于与能力有关的行为，我们还是没能充分意识到，从单一场景推断升级成从多个场景的平均状况推断能提高预测的准确性。我们推断一些难以编码的事件（例如与人的品性相关）之间存在强相关性，而实际上那种关联并不存在。我们也比较少或是没有意识到，基于大量观察的预测的准确性要高于单一观察。
1701778342
1701778343
当我们从人们过去的（与品性相关的）行为预测其未来的此类行为时，我们需要格外当心和谨慎，除非我们搜集的样本规模足够大且我们得到了多种情境下的事实。意识到有一些特定类型的行为是难以编码的，可以让我们保持警惕，即我们对这类行为的推断很可能有误。时刻以基本归因谬误的概念警示我们自身，我们便能意识到可能会犯笼统概括的错误。
1701778344
1701778345
1701778346
1701778347
1701778349
逻辑思维：拥有智慧思考的工具 第四部分 实验
1701778350
1701778351
质疑对于确定之事是致命的。
1701778352
1701778353
——威尔·杜兰特，哲学家
1701778354
1701778355
各类研究机构正越来越多地依赖实验为自身提供有效信息。这是好事，因为如果你能够借助实验来回答一个问题，那么它总是要比借助相关性的统计工具强。相关性的统计工具，比如多元回归，经常被用于医学和社会科学研究中。这个工具主要是将许多自变量与许多因变量联系起来。它会这样问：“如果抛开所有其他变量的影响，变量A对因变量的影响是什么？”尽管用得很多，但这个工具仍然有内在缺陷，常会导致错误结果。原因在于“自选择”。如果我们没有给每个样本一个特定的样式，那么这些样本会以许多种方式变化，它们就会与因变量产生多种不同维度的联系。我们能够知道，由多元回归得出的答案是错误的，是因为随机控制变量实验（通常被当作一种研究工具的黄金标准）可能给出了与多元回归分析迥异的答案。
1701778356
1701778357
即使在实验操作时没有做到真正的随机，我们有时也能做出“自然实验”。这种情况会发生，是恰好满足以下条件：一组样本（人、农田、城市）中，作为自变量的个体以特别的方式各不相同，而同时它们也在一定程度上不存在误差，我们可以放心将其与各因变量进行对照。
1701778358
1701778359
我们的社会为那些本可以进行却未进行的实验付出了惨重的代价。成千上万人离世，成百万的犯罪事件时时发生，数十亿美元被挥霍，这是因为人们放肆地为自己的假设提前买单去干预一些事件的发展，而这些假设从未被验证过。
1701778360
1701778361
当我们研究人类自身的时候，总是受到口头叙述的诱惑，采信这种不甚严谨的证据。那些说出来的东西会伴生出多种错误。如果我们能更多地观察分析实际行为而非口头报告，那么我们在研究中将会更接近正确答案。
1701778362
1701778363
你可以对自身进行实验，这样你会更加明白影响你的健康和福祉的因素究竟是什么，实验将比随意的观察能给出准确得多的答案。
1701778364
1701778365
1701778366
1701778367
[
上一页 ]
[ :1.701778318e+09 ]
[
下一页 ]