把统计事实译成因果

核心讲解

作者总结：相较于非因果关系的信息，用因果关系解释的统计学结果对我们的想法影响更大。尼斯贝特和博吉达的帮助实验教学研究证明：仅仅让学生知道“只有27%的受试者立刻施援”这个令人惊讶的统计事实，学生的世界观毫无改变，预测具体受试者时仍相信对方会立刻帮忙；但当学生惊讶于个体案例——两个友好而正直的人对求救者袖手旁观——他们会立刻归纳并推断“帮助他人比自己想象的要困难”。作者的结论是：受试者不愿从普遍现象推导出特殊性，却愿意从特殊现象归纳出普遍性。令人惊讶的个体案例之所以有效，是因为个案与统计数据的分歧需要调解，并被嵌入因果关系里。因此，改变一个人对人性的看法很难，改变对自身阴暗面的看法更难；与听别人讲惊人事实相比，你更可能从自己行为中发现惊人事实而学到知识。

要点

• 因果解释的统计结果比非因果信息影响更大。
• 帮助实验：知道统计事实不足以改变预测。
• 个体案例让人立刻归纳出普遍结论。
• 人愿从特殊归纳普遍，不愿从普遍推导特殊。

常见误区

• 以为“知道统计事实”就能改变观念，实验显示不能。
• 以为数据比案例更有说服力，对大脑而言因果故事更强。
• 把统计与个案对立，两者结合才有效。

多方视角

作者的看法

人们倾向把统计事实改写成因果故事，因果化的信息比纯统计信息更能影响判断；从特殊归纳普遍容易，从普遍推导特殊困难。

不同的看法

• 贝叶斯学派认为人本就应借助因果模型（如贝叶斯网络）推理，因果化不一定是偏差，而是高效的心智工具。
• 也有研究者认为这是教育不足的产物：受过统计训练的人可以避免这种改写。

支持作者的理由

• 帮助实验显示，知道统计事实不足以改变预测，因果框架才能推动行为。
• 出租车蓝绿车问题中，因果信息（司机是否可靠）压倒了基础比率。