理解人性，提升决策

#reading# #behavioraleconomics#

芒格的栅（zha4）格理论，我很早就听过。但“栅格”这两个字在脑子里没有对应的东西。一时不求甚解，就错过了。其实“栅格“，就是上面图片上的东西。芒格想说的，就是把跨学科的模型（理论），织成一个庞大的网络。在需要理解和判断的时候，运用最合适、最有解释性的模型去思考和判断。

信任 Trust

信任是一种经济驱动力。信任税和信任红利，代表了组织内或高或低的信任水平相关的成本和收益。[1]
对个人来说，为什么在组织里获得信任很重要？信任（被重要的上级）->额外的任务->完成->正反馈。[2]
构成信任的三角：同理心sympathy、逻辑logic（逻辑本身、表达逻辑）、真实authenitic。真实是最难的。[2]

[1] Notes on The Speed of Trust (By GPT-4)
[2] TED: how to build (rebuild) trust
[3] GPT-4: 关于信任的讨论

以下3点来自《不确定状况下的判断：启发式和偏差》Judgement under uncertainty: Heuristics and Biases by Daniel Kahneman, Paul Slovic

代表性偏差 Representativeness Bias

代表性：物品A属于类别B的概率；事件A源于过程B的概率；过程B产生时间A的概率。在回答这些问题的时候，人们典型地依赖代表性启发式，即A代表B的程度或者A类似B的程度，来评估概率。（代表性）这种概率判断的路径，会导致严重的错误，因为相似度或代表性，并不受影响概率判断的几个因素的制约。
1. 对结果的先验概率（prior probability) 不敏感

在面对无证据或者无用证据的情形时，人们的反应不同。没有特定证据时，人们会恰当地利用先验概率，而有无用证据时，人们会忽视先验概率。

2. 对样本规模不敏感

样本规模在实际后验几率中，扮演决定性的角色。样本规模越大，误差幅度越小。

3. 误解机会

人们期望一个过程的本质特征，不仅表现在其整体序列中，而且也表现在其局部的部分序列中。然而，局部的代表性序列会系统地偏离机会预期。著名的赌徒谬误 gambler’s fallacy：例如在轮盘赌中，看到一长串的红色之后，大多数人错误地认为现在应该是黑色的。事实上，正如机会过程所显示的，偏离不会被校正，仅仅被稀释。

4. 对可预测性（predictability) 不敏感

描述诱人的程度，并不受描述信度的影响，也不受预测精准度的影响。

5. 效度错觉

由预测特征和输入信息之间的良好吻合而产生的无保证的信息，可成为效度错觉。变量间的冗余性，虽然提高了预测信心，但是降低了预测精准性。

6. 误解回归 regression

理解回归效应的失败，导致人们高估惩罚的有效性和低估奖赏的有效性。

便利性偏差 Avaliability Bias

在评价频率或概率时，便利性是一条有用的线索，因为与较小的可能的类别的例证相比，我们能更好和更快地接近或获得较大可能的类别例证。然而，便利性受频率和概率之外的其他因素的影响。因此对便利性的依赖会导致预测的偏差。

1. 由例证的可提取性而引发的偏差

除熟悉性（familiarity）之外，显著性（salience) 会影响例证的可提取性 (retrievality). 近期的事件比早期的事件，可能会更为便利的提取。

2. 由搜索集 search set 的有效性而引发的偏差

不同的任务激发不同的搜索集。举例，从英文文本中随便抽出一个词（大于等于3个字母）。第一个字母是r的词还是第3个字母是r的词哪种更有可能？大多数人会判断以某个辅音大头的词比第3个字母是这个辅音的单词要多。实际上，第三个字母是r或k的单词，要多于第1个字母是r或k的英文单词。

3. 想象力的偏差

例证构建的容易性并不总是反应实际的频率。举例，1个10人的群体，他们要组成k个成员的委员会，其中k在2和8之间，可组成多少个有k个成员的委员会？如果频率通过想象力或者建构的便利性来估计，小委员会比大委员会似乎更多。而与正确的钟形函数相对立。2个成员的委员会和8个成员的委员会，数量相同，都是45。

4. 伪相关 pseudo-relevance

指的是两个或多个变量之间看似有关联，但实际上它们之间并没有因果关系或实质性联系。这种现象可能是由于随机性、第三个变量的影响、或数据中的偶然模式所导致。举例，海盗数量与全球气温的关系。过去几百年里，海盗的数量显著减少，而与此同时，全球气温却在上升。如果我们根据这两个变量的变化趋势来判断，我们可能会错误地认为海盗数量的减少导致了全球气温的上升。然而，这种关系显然是荒谬的。实际上，这两个变量之间并没有因果关系。

调试和初始化 Adjustments and Anchoring

1. 不充分的调试 insufficient adjustment

是一种认知偏差，指的是当人们根据某个起始值进行估计或推断时，往往没有充分地调整这个初始值，从而导致最终的评估或预测可能不准确。
不充分的调试与锚定效应（anchoring effect）密切相关。锚定效应是指人们在面对一个数字、信息或其他类型的起始值时，这个值会对他们的判断产生影响，使得他们的判断倾向于靠近这个初始值。在进行判断、决策或预测时，人们可能会过分依赖于这个“锚”，而没有充分地调整以考虑其他相关信息。
举例，当人们被问及非洲国家在联合国会员国中所占的比例时，如果首先提供一个很低的锚定数字（如10%），他们的估计可能会低于实际值；相反，如果提供一个很高的锚定数字（如70%），他们的估计可能会高于实际值。在这种情况下，人们没有充分地调整起始值，从而导致了不充分的调试现象。

2. 在评估连续事件和非连续事件时的偏差

对赌博和概率中的机会的研究表明，人们倾向于高估连续事件的概率，而低估非连续事件的概率。
当面对连续事件时（即事件之间存在某种程度的连续性或渐进关系），人们往往会较好地理解这些事件之间的关系，并较为准确地评估它们的概率或发生可能性。然而，当面对非连续事件时（即事件之间存在明显的间断或突变），人们的评估往往会受到认知偏差的影响，导致对事件的概率或重要性的估计产生误差。
举例，人们在评估自然灾害风险时，往往会高估那些非连续、突发性的事件（如地震、洪水等）的发生概率，而低估那些连续性、渐进性的事件（如气候变化、海平面上升等）的影响。这种偏差可能导致人们在决策和资源分配时，过度关注一些非连续性的风险，而忽视那些长期、持续性的威胁。

其他心智模型列表

扭曲 12

Bias from incentives 来自激励的偏见（激励)

出于对激励高度敏感，在行为符合自己的利益时，扭曲自己的想法。例子，推销员真正相信自己推销的产品将会改善用户的生活。

Influence of Stress (Including Breaking Points) 压力的影响，包括断裂点（压力）

压力会引起心理和生理反应，并倾向于放大其他偏见。当身体进入战斗或逃跑反应时，几乎所有人类的心理偏见在面对压力时都会变得更糟，纯粹依靠本能，而没有丹尼尔卡尼曼的“系统 2”推理类型的紧急制动。压力导致仓促决定、急于求成、退化成习惯，从而产生了精锐士兵的座右铭：“在激烈的战斗中，你不会升到你期望的水平，而是下降到你训练的水平。

Tendency to distort due to liking or disliking 由于喜欢/不喜欢而扭曲的倾向 (喜好）

基于过去的联想、刻板印象、意识形态、遗传影响或直接经验，人类倾向于扭曲他们的思维，支持他们喜欢的人或事物，反对他们不喜欢的人或事物。这种倾向导致高估我们喜欢的事物，低估或宽泛地归类我们不喜欢的事物，在这个过程中常常遗漏关键的细微差别。

Pavlovian Association 巴甫洛夫协会（记忆）

巴甫洛夫证明动物不仅可以对直接刺激做出反应，还可以对相关物体做出反应。那个有名的，够在铃声响起时流口水的实验。人也类似，对无形的东西会产生积极或者消极的情绪，这种情绪来自于对过去的联想，而不是直接的影响。

Denial 否认现实（此刻现实）

否认具有强大的破坏性影响，但会导致行为惰性。否认现实可以是一种应对机制、一种生存机制或一种有目的的策略。尤其是在战争或者药物滥用的时候。

Tendency to feel envy and jealousy 嫉妒倾向（那些拥有更多的人）

人类倾向于嫉妒那些得到比自己多的人，并渴望在适当的时候“得到他们的东西”。嫉妒的倾向足以驱动其他非理性行为，和人类本身一样古老。

Relative Satisfaction/Misery Tendencies 相对满足/痛苦倾向（同龄人）

嫉妒倾向可能是相对满足倾向最明显的表现，但几乎所有关于人类幸福的研究都表明，它与个人相对于他们的过去或同龄人的状态有关，而不是绝对的。这些相对倾向在各种客观不同的情况下给我们带来了极大的痛苦或幸福，并使我们无法预测自己的行为和感受。

Social Proof 社会认同（大多数人）

人类有一种 DNA 水平的本能，可以在数量上寻求安全感，并将寻求社会对我们行为的指导。这种本能创造了一种凝聚力的合作和文化感，否则这是不可能的

Sensitivity to Fairness 对公平的敏感性（如何分配）

正义深入人心。在我们相对幸福感的另一个例子中，我们是公平的审慎仲裁者。违反公平可以被视为不信任的理由。然而，公平本身似乎是一个移动的目标。在一个时间和地点被视为公平和公正的东西在另一个时间和地点可能并非如此。考虑到在人类生存的交替阶段，奴隶制被视为完全自然和完全不自然的。

First-Conclusion Bias 第一次结论偏差（与第一次结论）

正如查理·芒格 (Charlie Munger) 指出的那样，大脑的运作有点像精子和卵子：第一个想法进入，然后大脑就关闭了。这可能是一种节能倾向。我们倾向于先下结论，这导致我们接受许多错误的结果并停止提问；

Commitment & Consistency Bias 承诺与一致性偏见（与历史的自己）

正如心理学家证明的那样，人类倾向于保持他们先前的承诺并在可能的情况下与我们之前的自我保持一致。这种特征对于社会凝聚力是必要的：经常改变结论和习惯的人往往不被信任。然而，正如有人所说，我们对保持一致的偏见可能会变成“头脑愚蠢的妖怪”——当它与第一个结论的偏见结合时，我们最终会得出糟糕的答案，并在大量证据面前按兵不动.

Tendency to Overestimate Consistency of Behavior (Fundamental Attribution Error) 高估行为一致性的倾向（基本归因错误）

我们倾向于将他人的行为过度归因于他们的先天特征，而不是情境因素，这导致我们高估了这种行为在未来的一致性。在这种情况下，预测行为似乎并不困难。当然，在实践中，这种假设一直被证明是错误的，因此当其他人不按照我们赋予他们的“先天”特征行事时，我们会感到惊讶。

本能 5

Narrative Instinct 叙事本能

人类被恰当地称为“讲故事的动物”，因为我们本能地在叙事中构建和寻求意义。很可能在我们发展出书写或创造物体的能力之前很久，我们就在讲故事并在故事中思考。几乎所有的社会组织，从宗教机构到公司再到民族国家，都在叙事本能的基础上运作。

Hindsight Bias 事后偏见

一旦我们知道结果，就几乎不可能在精神上让时光倒流。我们的叙述本能使我们推断我们一直都知道它（无论“它”是什么），而实际上我们通常只是在事后推理事件发生前我们无法获得的信息。事后诸葛亮的偏见解释了为什么明智的做法是保留重要决定的日志以保持不变的记录，并在我们说服自己我们一直都知道时重新审视我们的信念。

Curiosity Instinct 好奇本能

人类是所有物种中最好奇的，这种本能使我们走出了热带草原。并使我们对周围的世界有了很多了解，并利用这些信息在我们的集体中创造了世界头脑。好奇本能导致独特的人类行为和组织形式，如科技企业。甚至在没有直接激励创新之前，人类就出于好奇进行创新。

Language Instinct 语言本能

心理学家史蒂文·平克 (Steven Pinker) 将我们学习语法构造的语言的 DNA 程度的本能称为语言本能。语法语言不是简单的文化人工制品这一观点最早是由语言学家诺姆·乔姆斯基 (Noam Chomsky) 推广的。正如我们在叙事本能中看到的那样，我们利用这些本能来创造共享故事，以及八卦、解决问题和打架等。从理论上讲，语法有序的语言具有无限变化的含义。

Tendency to want to do something（Fight/flight, intervention, demonstration of value) 想要做某事的倾向 (战斗/逃跑、干预、证明价值）

来自无聊综合症。大多数人都有需要采取行动的倾向，即使他们的行动是不需要的。即使我们不具备解决问题的知识，我们也倾向于提供解决方案。e.g. 控制不住想回答推特上的数学题就是经典例子。

样本问题 3

Survivorship Bias 幸存者偏差（选择性样本）

史学——我们对过去的解释——的一个主要问题是，众所周知，历史是由胜利者书写的。我们没有看到 Nassim Taleb 所说的“寂静的坟墓”——没有中奖的彩票持有者。因此，我们将成功过度归因于成功代理人所做的事情，而不是随机性或运气，而且我们经常通过专门研究胜利者而没有看到所有以相同方式行事但不够幸运的失败者来学习错误的教训。

Falsification / Confirmation Bias 伪造/确认偏差（选择性样本，选择能支持现有想法的样本）

人所愿，亦信。同样，我们相信的是我们选择看到的。这通常被称为确认偏差。这是一种根深蒂固的心理习惯，既节能又舒适，寻找对长期智慧的证实而不是违背。然而，科学过程——包括假设生成、必要时的盲测和客观的统计严谨性——旨在根除恰恰相反的东西，这就是为什么在遵循时它会如此有效。
现代科学事业在证伪原则下运作：如果一种方法能够以某种确定的结果被证明为错误的方式被陈述，则该方法被称为科学。伪知识和伪科学通过不可证伪的方式运作和传播——就像占星术一样，我们无法证明它们是正确的还是不正确的，因为它们被证明是错误的条件从未被说明过。

Tendency to Overgeneralize from Small Samples 从小样本中过度概括的倾向（小样本）