财新传媒
位置:博客 > 王烁 > 我们为什么总是看错人

我们为什么总是看错人

这个发现令胖子们忧喜交加。

美国著名社会心理学家Richard Nisbett早期研究吃与胖的关系。以前一般认为,胖是因为吃太多。Nisbett发现,胖子们是真饿。他从生物学借来一个概念,set point,设定点。人的体温就得保持在一个设定点上,同样地,胖子们对于脂肪与其他组织的比例也需要保持在一个设定点之上,比体重正常的人要高。只不过,社会对胖子太苛刻,减肥压力使他们长期处于半饥饿状态,总是想吃点啥。

这是好消息,坏消息是什么呢?Nisbett的发现过程是这样的:胖子吃东西的行为,与大脑腹中核受损的老鼠行为相似。腹中核受损之后,老鼠时刻感到饥饿,不停进食,胖子与此相似。再往下走,Nisbett就提出了设定点概念。

记住设定点,忘掉大脑受伤的老鼠,胖子们可以科学地回击身边的社会压力制造者。

Richard Nisbett早在70年代就已成名,其论文《了解的远比知道的多》是被引用最多的心理学论文之一。许多与偏好、选择、情緒相关的心理进程是无意识的,这在今天已是常识,而这篇论文在40年前第一个提供了完整的经验证据。

他的新书Mindware: Tools for Smart Thinking,面向普通读者,介绍改进日常认知和决策的方法,我且译作《智件:思维兵器谱》。

他认为,

第一,认知、判断、感受,均出自大脑的预判与构造,不存在赤裸裸的独立于人的真相。以为世界如我们所看到的那样,那叫幼稚现实主义,naive realism。

第二,所处的环境对我们认知和行为的影响比我们自己以为的大得多。

第三,环境对我们的影响大多是在无意识中发生的。

这书是Nisbett的第一部大众读物,涉及心理学、统计学、概率论,如果对这些领域很了解,那新内容不多。如果是普通读者,会很有收获。Nisbett完全从实用角度重新梳理这些学问,着重于改进日常决策。

下面是对我有启发的一些地方,算是一个取样。

领导为什么英明?

归因谬误(fundamental attribution error),指人们过度把成就/错误归因于个人内在原因,而过度忽视环境原因,哪怕后者明显得不能再明显。

一个实验,将学生分为两组,一组提问,可以自由构思任何刁钻的问题。一组回答,不管什么问题都得回答。可想而知,提问一方“显得”自信自如,回答一方“显得”左支右绌。

让测试者和旁观者为所有人的表现打分,结果会怎样?难道不是显然要考虑到问答设计中双方所处位置的不公平因素吗?结果并非如此。

旁观者给提问一方打了高分,提问者给自己打了高分,最有意思的是,就连回答一方,也给提问者打了高分!

举一反三,为什么越是大领导越容易显得英明?明白了,归因谬误。

高智商父母的孩子会怎样?

父母智商均值与孩子智商的相关度只有50%。

如果父母智商较高,那么孩子预期智商是父母智商均值与总体均值也就是100之间的均值。举个例子:父亲120,母亲140,那么孩子的预期智商是115。

婚姻美满,生活幸福?

对婚姻的满意度与对生活的满意度显然是相关的,但怎么问就差别巨大:先问生活满意度后问婚姻满意度,相关系数是0.32,有点相关;倒过来问,相关系数就变成0.67,非常相关。

问人对人对事的态度,结果就是这样不靠谱,人太容易受影响,而影响人的因素又太多。

好人坏人,强者弱者

同是相关性,能力的相关性还可以。这次下棋赢了你与下次赢你的相关性有0.5。但人性特点方面的相关度很小,在一件事上诚实跟在另外一件事上诚实,相关度在0.1以下,几乎不相关。

Nisbett说,人们对能力相关度的判断较准确,但普遍大幅高估人性特点的相关度。也就是说,因为一件事就认为对方诚实,不仅不靠谱,而且人们总是做这么不靠谱的事。

朋友黄文政总结:人们对强者和弱者的分类比对好人和坏人的分类更可靠,而且后者的分类可靠性远低于自己所相信的程度。

大数据为什么不靠谱?

经济学家、《魔鬼经济学》作者Stephen Levitt就读书与小学生成绩的相关性作了研究,用了多元回归分析方法,得出两个看法:小学生读书多少与成绩表现没有关系;小学生家里有多少书,与成绩表现很有关系。

Nisbett不禁要问:难道买很多书放家里不读对成绩最有好处吗?

多元回归分析有内在缺陷,它试图在控制住其他自变量与因变量的关系的前提下,考察某一个特定的自变量与因变量的相关性。实践中很难满足这些条件。一不知道是否穷尽了变量,二难说变量测得准不准。

这些批评对今天的大数据热也成立。

他反复强调实验的重要性,同一项研究,如果随机双盲实验结果与多元回归分析结果冲突,要接受前者。做随机双盲实验,实验人员能操纵变量,能远为清楚地看到特定变量与结果的相关性。

自己是最好的实验对象

关于自己,我们有许多大大小小的问题,一般用拍脑袋决定,但可以有更可靠的方法。

如果你不知道早上喝杯咖啡对提高工作效率有没有帮助,最好最简单的办法,就是其他习惯不变,连续一周早上喝咖啡,接着连续一周早上不喝咖啡,每天记下来工作效率是不好、差不多、还是好。

我们在生活中可以做很多这样的受控实验,变量可控,效果清楚,样本和总体都是1也就是你一个人,所见即所得。

要了解自己,拿自己做实验是最好的方法。你对自己的许多未经检验的既有看法,多半是错的。

什么使你快乐?工作顺利?身体健康?性?对哈佛大学女生的实验,连续跟踪一个月,结果发现,女生们以为使自己快乐的那些因素,与她们这一个月生活中事实上使她们快乐的那些因素,完全不同。

我们没有自己以为的那样了解自己。做点实验吧。

人穷就该多读书

Nisbett也承认,有些时候没有办法做实验,这时多元线性分析是惟一能用的方法。即使是这样,也要看看能不能做得更好,比如加入时间因素。

就一个国家而言,人口整体智商提高与变得更富有之间明显有相关关系,但谁是谁的原因?很难确定,两头都说得通:人变聪明了,然后就有钱;人有钱了,营养提高了,教育投入增加了,然后就变聪明了。能影响智商或者富裕的因素都太多了。

怎么办?

看时间关系。恰好有两个自然实验。爱尔兰和芬兰过去几十年在教育上做了大规模投入。爱尔兰教育投入的重点在中学、大学和职业教育。爱尔兰人此前的智商得分显著低于英国人,现在不仅智商赶上来了,人均GDP也超过了英国。芬兰的投入重点是确保贫困家庭孩子能得到可与最富有家庭孩子看齐的教育。到2010年,芬兰学生的学习能力成为发达国家第一,而人均GDP也超过英国。

人穷就该多读书。

推荐读物

Mindware: Tools for Smart Thinking

by Richard E.Nisbett

推荐 83