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
1701778369
逻辑思维：拥有智慧思考的工具 第9章 忽略最具价值者的观点
1701778370
1701778371
就在贝拉克·奥巴马宣布自己将参加2007年秋季的总统大选后不久，谷歌公司的首席执行官埃里克·施密特在大批谷歌公司员工面前采访了奥巴马。为活跃气氛，施密特首先问了这样一个问题：“为100万个32位的整数排序的最有效的方法是什么？”奥巴马这样回答：“总之，我认为冒泡排序不是正确方法。”这个回应不能算错。施密特惊讶地用手拍了拍自己的前额，现场爆发出一阵掌声。随后，在现场问答环节，奥巴马又进一步向观众们保证，“我是个对原因、事实、证据、科学以及反馈有执念的人”，他还承诺在他当选后，政府会按照这些原则运行。
1701778372
1701778373
那天，在观众席中有一位名叫丹·塞洛克（Dan Siroker）的产品经理当即决定要为奥巴马效力。他表示：“奥巴马在我的冒泡排序中占据了前列。”
1701778374
1701778375
塞洛克用专业工具为奥巴马助选。他向人们展示了如何进行“A或B”（即二选一）测试。当你在两种方式之间犹豫而不知道哪种才是帮你达到目标的最佳选择时，你可以用掷硬币的方法决定谁采用A方式，谁采用B方式，然后比较两者。你可以搜集与你感兴趣的问题有关的数据，用某种统计学的方法分析比较采用A方式与采用B方式的平均状况。
1701778376
1701778377
本章会对“A或B”测试进行细致的说明，包括其含义以及如何在专业工作和日常生活中运用这种方法。如果你能理解好实验的设计思路，那么在媒体中碰到那些所谓的科学发现时你就会更具批判性。
1701778378
1701778379
“A或B”
1701778380
1701778381
在塞洛克加入奥巴马的竞选网站工作团队之时，谷歌等互联网公司的开发者就已经在网页设计测试方面进行了好几年的探索。这些网络先行者没有基于HiPPO式（HiPPO即highest-paid person’s opinion的调侃式说法，也是这一概念的首字母缩写，意为“最具价值者的观点”）的思维进行网页设计，而是以什么最有效这种无可争议的思路进行开发。他们会给一部分互联网用户提供以蓝色为主视觉感受的主页，而给另一部分用户提供以红色为主视觉感受的主页。这些开发者要搜集有关“点击率”的信息。从颜色到排版，再到图片和文字，页面上各种信息都被同时传递给随机挑选出的用户，以测试页面的效果。判断效果优劣的依据是到底什么东西应该出现在网页上，而不是某个最具价值者的观点。
1701778382
1701778383
在政治网站上应用“A或B”测试十分直接明确。一个主要问题是如何设计一个网页，以便通过它来最大限度地获取潜在捐赠者的电子邮箱地址。例如，哪种按钮能促使更多的用户注册：“了解更多”、“现在加入我们”还是“现在来注册吗”？将什么图片放在网页上可以吸引更多用户注册：一张清晰的奥巴马本人的蓝绿色照片，一张奥巴马全家的黑白照片，还是一段奥巴马在一次集会上演说的视频呢？
[
上一页 ]
[ :1.701778334e+09 ]
[
下一页 ]