与众不同的心理学-第43章

按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！


例子吧。奇配是指其中两个事件不可思议地联系在一起了。那
么典型的一天中这　
100件事之间共有多少不同的、两两匹配的
组合呢？用一个简单的公式来算一下，我们就可以得到，一天
中有　
4950个不同的两两匹配，一年有　
365天，天天如此。我们
知道，奇配是令人难忘的，比尔叔叔打来电话的那一天，你可
能几年不忘。假定你把在　
10年期间所记得的所有奇配数出来，
也许也就六七件（或多或少，不同的人对奇配一词有不同的标
准）。这六七件是从一个多大的平凡事件库中出现的呢？每天　
4950个两两匹配，乘以一年　
365天，再乘以　
10年，得　
18067500
个匹配。总之，　
10年中如果有　
6个你认为是奇配的联系发生了，
就有　
18067494个其他两两匹配，但也可能是奇配的联系也发
生了。所以，在你的生活中的一个奇配，其发生的概率是　
。00000033　！这样，在　
1800万个事件联结中，只有　
6个是奇配，
其实应该是不足为奇的了。罕见的事件确实发生了，它们也的
确是少见的，但是偶然这一因素保证了它们一定会发生（请回
想前面掷　
5枚硬币的例子）。在我们的例子中，在你的身上发
生了　
6件奇事，它们可能是巧合：两个相关事件基于偶然不可



第十一章偶然性在心理学中的作用。　
271　。　

思议的同时发生。

心理学家、统计学家以及其他科学家都指出，人们认为许
多奇配的少见程度是比实际上它们出现的频率要少得多。在→
篇副标题为〃为什么巧合的长臂没有看起来那么长？〃的文章
中，作者马丁·加德纳讨论了许多奇配并不是像通常所想像的
那样罕见这一事实（　
Gardner；　1972）。著名的〃生日问题〃是
最好的例子。在一个　
23人的班级里，有两个人同一天过生日的
概率是多少？大多数人会认为非常低。而实际上，　
23人的班级
中，　
2人同一天过生日的可能性是　
50％！而　
35人的班级，可能
性就更大了（概率大于　
。80；见　
Martin　
；　1998）。所以，因为美
国历史上有　
41位总统，其中詹姆斯·波尔克　
（James　
Polk）和
沃伦·哈丁（　
Warren　Harding　）两位是在同一天出生　
（11月　
2
日）这一事件联系，就没有什么了不起了。同样的，有　
36位总
统都已过世，其中米勒德·菲尔莫尔（　
Millard　Fillmore　）和威
廉。　
H　。塔夫脱（　
William　Howard　Taft　）两位死于同一天（3月　
8日），也不应令人惊讶，甚至还有另外　
3位总统，约翰·亚当

斯　
（John　
Adams）、托马斯·杰菲逊　
（Thomas　
Jefferson）、詹姆
斯·门罗　
（James　
Monroe）都死于同一天，而这一天竟然是　
7
月　
4日，美国国庆节！你说奇不奇怪？其实不奇怪一一概率使
然而已。

这里所要表达的意思是，很多奇配其实并不奇特。心理
学家鲁马·范克　
（Ruma　
Falk）和唐·麦克格瑞格（　
Don　
MacGregor）研究了人们如何判断一件事是否值得感到惊讶　
（　Falk　&　MacGregor　；　1983；　Falk　；　1989）。他们研究的一个
重要发现是，在判断巧合事件时，我们是很自我中心的：人


。　272　。与〃众〃不同的心理学

们觉得发生在自己身上的巧合比发生在别人身上同样的巧合，
要来得更令他们惊讶。范克和麦克格瑞格（　
1983　）推测这一
结果的原因可能是〃我们常常认为自己是独特的、跟别人不
一样的，因而看不到发生在自己身上的事情，同样地也可能
发生在别人身上。换句话说，我们可能不容易看到，在一个
事件或情境中的自己，是可以换成为另外一个人的〃　


（　p。501　）。
接受错误以减少错误：临床式与精



人们在试图解释世界上发生的事时，往往不愿意承认偶然
因素的作用，这一现象实际上降低了我们对现实世界的预测能
力。在某个领域中，承认偶然因素的作用意味着研究者必须接
受一个事实，那就是，我们的预测不可能百分之百准确，我们
总是会犯错误。但有趣的是，承认我们的预测达不到百分之百
的准确度，实际上反而提高了整体预测的准确性。这昕起来好
像有点儿矛盾，但是事实确是如此：为了减少错误就必须接受
错误（　
Dawes　；　1991；　Einhorn　；　1986）。

〃接受错误以减少错误〃这一慨念可以通过在认知心理学
实验室里己经研究了数十年的一个非常简单的实验任务来说明
之（　
Fantino　&　Esfandiari　；　2002；　Gal　&　Baron　；　1996）。这个
实验任务是这样子的，被试被安排坐在两盏灯（一红一蓝）前，
实验者要求他们去预测每次实验测试时哪一盏灯会亮，被试要
参与很多次这样的测试，并按准确率给予一定的报酬。实际
上，所有的测试都是在　
70％的次数亮红灯、　
30％的次数亮蓝灯


第十一章偶然性在心理学中的作用。　
273　。　

的条件下进行的，两种灯是以随机顺序出现。实验过程中，被
试很快就感到红灯亮的次数比较多，因此也就在更多的测试中
预测红灯会亮。事实上，他们确实有在大约　
70％的测试中预测
红灯会亮。然而，正如前面所讨论的，被试在实验过程中逐渐
发现并相信灯亮是有一定样式的，但却从没想过每一次哪一个
灯会亮本身却是随机的。因此，为了要使他们的预测百发百
中，他们就在红灯与蓝灯之间换选，但保持　
70％的次数预测红
灯会亮，　
30％预测蓝灯会亮。被试极少意识到，如果他们放弃
力求自己〃百发百中〃，他们的预测会更好一些！为什么会是
这样的呢？

让我们思考一下这一情境背后的逻辑。在以　
70：　
30的比
例随机点亮红灯或蓝灯的条件下，如果被试在　
70％的测试中
预测红灯会亮，　
30％的测试中预测蓝灯会亮，他的准确率会是
多少呢？我们将用实验中间部分的　
100个测试来计算一一因为
那时被试已经注意到红灯亮的次数比蓝灯多，从而开始在　
70％的测试中预测红灯会亮了。因为在　
100次测试中有　
70次
红灯亮了，被试在这　
70次中有　
70％的准确率（因为被试在　
70％
的测试中预测红灯会亮），也就是说，被试在　
70次中有　
49次
正确的预测；　
100次测试中有　
30次蓝灯亮了，被试在这　
30次
中有　
30％的准确率（因为被试在　
30％的测试中预测蓝灯会
亮），也就是说，被试在　
30次中有　
9次正确的预测。因而，在　
100次测试中，被试的正确预测是　
58次（　
49次加　
9次）。但是，
请注意，这是多么可怜的成绩啊！如果在被试注意到哪一盏灯
亮得比较多后，就总是预测是那盏灯会亮一一在本实验中，就
是注意到红灯亮的次数比较多，据此就总是预测红灯会亮（姑


。　274　。与〃众〃不同的心理学
且把它称之为〃百分之百红灯策略〃），那么，他在　
100次测试
中会有　
70次正确的预测。虽然在蓝灯亮的　
30次测试里，被试
将没有一次正确的预测，但是总准确率仍然高达　
70％一一比
在红灯与蓝灯之间换选，以追求〃百发百中〃之　
58％的准确
率要高　
12个百分点。

然而，百分之百红灯策略所取得的、较高的准确率是要付出
代价的：必须放弃要〃百发百中〃的雄心。（显然的，虽然明知
有时蓝灯会亮，被试还总是预测红灯会亮，本身已表明他已经失
去在蓝灯亮的测试中命中的机会）。这就是接受错误以减少错
误！放弃在预测每一单一事件时不犯错误的想法，会让被试获得
更高的总体准确度。同理，如果在预测人类的行为时，有一定的
准确度，有时就要接受错误以减少错误，也就是，在依靠一般性
的原则来做出比较准确的预测的同时，也要承认我们是不能在每
一个单一事件上都预测准确的。

但是，接受错误以减少错误，说来容易，做起来难。心理
学这一领域里，人们花了　
40年时间，来研究临床式预测和精算
式预测这一课题，就是有关〃做起来难〃的最好例子。精算式
预测（　
actuarial　prediction　）是指依据由统计资料中分析出来的群
体趋势，所作的预测。在本章一开始时所讨论的群体（也就是
总体）预测就是属于这种预测。一种简单的精算式预测是，针
对凡是具有某种特征的所有个体，做出相同的结果预测。例如，
预测不吸烟者的寿命是　
77。5岁，而吸烟的人是　
64。3岁就是一个
精算式的预测。如果考虑的群体特征不只一个（运用第五章谈
到的复杂相关技术一一尤其是多元回归技术）将令我们的预测
更加准确。例如，预测吸烟、肥胖且不作运动者的寿命是　
58。2　



第十一章偶然性在心理学中的作用　
。275　
。　

岁就是在一个多变量（吸烟行为、体重和运动数量）基础上的
精算式预测，这样的预测总是比单变量的预测更准确。精算式
预测在经济学、人力资源、犯罪学、商业与市场学，以及医学
科学等领域都很常见。

在心理学的许多分支领域，如认知心理学、发展心理学、组
织心理学、人格心理学与社会心理学中，其知识都是通过精算
式预测来表达的。相反的，有一小群在外面执业的临床心理学
家，则声称他们可以超越群体预测，能对个别个体各自做出百
分之百准确的预测，这种预测被称为是临床式或个案式预测　
（　clinical　or　case　prediction　）。与精算式预测相对比，临床式预测
是这样的：

职业心理学家声称，他们能对具体个体进行预测，从而超
越了对〃一般人〃或不同类别的人所进行的预测……职业心理
学家与心理学研究者的不同在于，他们能把每个人看作为独特
的个体来理解，而不仅只是一个群体的一员，之所以只能作群
体理解是因为统计学的概化必须是针对一群人来作的。职业心
理学家自认为能够分析出，在一个个体的生活中，到底是〃什
么导致了什么〃，而不只是说说什么样的人〃总体而言〃是这个
样子的。　
（Dawes，　
1994　；　pp。79　…80）　

临床式预测应该可以是精算式预测的一个有用的补充，但
问题是，临床式预测是完全不准确的。

要证明临床式预测是有效的，一个临床医生与他的病人接
触的经验，以及他/她对病人所提供的信息之运用，应该会给
我们一个比较好的预测。这个预测一定要比只是拿对这些病人


。　276　。与〃众〃不同的心理学
的一般资料事先进行的简单量化编码，然后放在一定的统计程
序中去找出这些资料的最佳预测组合的研究结果，来得好才
行。总之，〃临床式预测是有效的〃这→观点认为，临床心理
学工作者的经验会使他们超越精算式预测研究所能提供的总体
联系信息。既然讲得这么明了，那么，就很容易可以检验一下
这一观点的正确性。很不幸的是，经过检验，这一观点被证明
是错误的。

对临床式与精算式预测的比较研究所得到的结果，具有
惊人的一致性。自从保罗·米尔（　
Paul　Meehl　）的经典著作
《临床式预测对精算式预测》于　
1954年出版以来，　
40年间有　
100多个研究表明