16. 因果关系比统计学信息更具说服力——贝叶斯陷阱与思维定式

本章通过“出租车问题”和“帮助实验”揭示了一个深刻的心理学现象：人们对统计学基础比率（纯粹的数据）往往视而不见，但对因果关系基础比率（能构建故事的数据）却非常敏感。我们的大脑渴望因果解释，而忽视抽象的概率，这导致我们在判断时容易产生思维定式，并难以从统计规律中修正自己的世界观。

一、 出租车问题：因果关系的力量

1. 统计学表述（容易被忽视）

城市里 85% 的出租车是绿色的，15% 是蓝色的。目击者辨认肇事车为蓝色的准确率为 80%。
问：肇事车是蓝色的概率是多少？

大多数人会忽略 85% 这个基础比率，只关注目击者的证词（80%准确率），从而得出错误的 80% 的答案。因为“85%是绿色车”只是一个冷冰冰的统计数字，无法解释为什么这辆特定车会肇事。

2. 因果关系表述（引发思维定式）

两家公司出租车数量相同，但 85% 的事故是由绿色出租车造成的。

此时，人们会立刻利用这个信息，因为这构建了一个因果故事：绿色出租车司机是莽撞的疯子。这种思维定式使得基础比率变得有意义，人们的推断会更接近贝叶斯定理的正确答案（41%）。

结论：

• 统计学基础比率：普遍受到轻视，容易被忽略。
• 因果关系基础比率：被视为个别事件的信息，容易被结合到判断中。

二、 思维定式：必要的恶

思维定式（Stereotypes）是将对群体的看法（如“绿色司机莽撞”）延伸到个体身上的心理机制。虽然在社会文化中是贬义词，但在心理学上它是中性的，是系统1处理范畴规范和原型的基本方式。

• 优点：在出租车案例中，依赖思维定式（因果基础比率）反而能提高判断准确度。
• 矛盾：我们理智上反对利用刻板印象（如种族、性别）来评价个人，但在认知上，如果不利用这些因果信息，我们往往会犯逻辑错误（忽略基础比率）。

三、 帮助实验：个案比数据更震撼

1. 实验背景

纽约大学的“帮助实验”显示，当受试者知道还有其他人在场时，即便听到有人癫痫发作求救，15人中只有4人会立刻伸出援手（责任分散效应）。

2. 学生的反应

• 只看统计数据：告诉学生“只有27%的人帮忙”，然后让他们预测视频中某个看起来正直善良的受试者是否会帮忙。结果学生依然预测他会帮忙。统计数据（普遍现象）未能改变他们对人性的乐观假设。
• 只看个案：给学生看两个看起来很善良的人却袖手旁观的视频。学生感到震惊，并迅速归纳出“帮助他人比想象中难”的结论。

结论：
人们不愿从普遍现象（统计数据）中推导出特殊性，却愿意从特殊现象（个案）中归纳出普遍性。
令人惊讶的个体案例（因果故事）比统计数据更具说服力。要改变一个人的世界观，与其给他看一堆数据，不如让他亲眼目睹一个打破认知的具体案例，或者让他从自己的行为中发现惊人的事实。

四、 贝叶斯推理的心理障碍

贝叶斯定理要求我们将基础比率与新证据结合。然而，系统1对因果关系的偏好阻碍了这一过程：

• 如果基础比率是纯统计的（无因果），我们倾向于忽略它。
• 如果基础比率能构建因果故事（如思维定式），我们会过度依赖它，甚至可能忽略新证据的不可靠性。
• 如果新证据是个案故事（如视频），它的影响力远超统计数据。

因此，教授心理学或统计学的难点在于：仅仅告知数据往往无效，必须通过令人惊讶的个案来打破学生固有的因果信念，才能真正改变他们的思维方式。