代表性启发式

代表性启发式 (Representativeness Heuristic)

代表性启发式 (Representativeness Heuristic) 是 Amos Tversky 和 Daniel Kahneman 在其开创性的启发式与偏差 (Heuristics and Biases) 研究纲领中识别出的三种核心判断启发式之一（另外两种为 可得性启发式 (Availability Heuristic) 和 锚定与调整启发式 (Anchoring and Adjustment)。代表性启发式指人们评估事件概率或对象归属时，依据该事件或对象与某类别的典型特征之间的相似度——即代表性——来做出判断，而非依据先验概率（Base Rate）、样本量等统计上相关的因素。换言之，当个体判断"A 属于 B 类别的概率"或"过程 C 产生结果 D 的概率"时，代表性启发式使得人们用" A 与 B 的典型成员有多相似"或" D 与 C 的典型结果有多相似"来替代对实际概率的规范性计算。

核心机制：相似度替代概率

在规范性的 贝叶斯推断 框架下，判断一个对象属于某类别的后验概率应结合先验概率与似然信息：

其中 $P(H)$ 为先验概率，$P(D|H)$ 为给定假设下观测到该数据的似然。然而，Tversky 与 Kahneman (1974) 的实验反复表明，人们在日常判断中系统性地忽视先验概率 $P(H)$，转而依赖代表性——即数据 $D$ 与假设 $H$ 所对应典型特征的匹配程度——作为判断准则。这种替代策略在多数日常情境下高效有用（因为典型特征通常与类别归属确实相关），但会在特定统计结构中产生系统性的、可预测的错误。

先验概率忽视

代表性启发式最显著的偏差之一是先验概率忽视 (Base Rate Neglect)。在 Tversky 和 Kahneman 的经典实验中，受试者被告知某人的简短人格素描（如"Steve 非常害羞且退缩，乐于帮助他人，但对人或现实世界缺乏兴趣。他温顺且整洁，追求秩序和结构，并注重细节"），随后要求判断该人更可能是图书管理员还是农民。尽管受试者被明确告知人群中农民与图书管理员的比例悬殊（如 10:1 或更高），其判断几乎完全由人格素描与两个职业的刻板印象的相似度决定，先验概率信息被严重低估或完全忽略。这一发现具有深远的社会含义：人们可能因忽视统计基准率而在雇佣决策、医疗诊断、司法判断等关键领域出现系统性偏差。

对样本量不敏感

代表性启发式导致人们对样本量（Sample Size）不敏感。根据 大数定律，从小样本中观察到的统计特征（如均值或比例）比从大样本中观察到的结果具有更大的抽样变异。然而，当人们依据代表性做出判断时，通常不会考虑样本量的影响。例如，受试者认为某医院在一天内出生 60\% 男婴的概率，与在一个月内出生 60\% 男婴的概率大致相当——尽管后者从大数定律的角度来看应当远不可能。这种现象反映出人们倾向于将小样本视为其生成过程的高度代表，仿佛小样本也应完美反映总体的分布特性。Tversky 和 Kahneman 将此称为小数法则 (Law of Small Numbers) 的信念。

赌徒谬误与热手谬误

对样本量的不敏感引致了两个看似对立实则同源的著名认知偏差。

赌徒谬误 (Gambler's Fallacy) 指人们错误地认为，随机过程中一个独立事件的概率会因近期结果而改变。例如，在轮盘赌中看到连续五次出现红色后，赌徒倾向于认为下一次出现黑色的概率更高，仿佛该序列"应当"很快回归到总体分布的期望值。这源于人们认为即使是短序列也应具有"代表性"——即应看起来像总体分布的微观缩影。

与此密切相关的是热手谬误 (Hot-Hand Fallacy)，常见于体育领域中：观众和运动员均倾向于认为连续命中的球员"手热"，下一次出手更可能命中。篮球运动员的投篮命中率在统计上接近独立同分布，但人们对运动表现的序列结构的直觉判断却持续受到代表性启发式的左右。Gilovich、Vallone 和 Tversky (1985) 通过对 NBA 比赛数据的分析证实了这一认知偏差。

合取谬误

合取谬误 (Conjunction Fallacy) 是代表性启发式所导致的最具戏剧性的逻辑错误之一。概率论的基本法则——合取规则——规定两个事件同时发生的概率不可能超过任一事件单独发生的概率：$P(A \cap B) \le P(A)$。然而，Tversky 和 Kahneman (1983) 的经典" Linda 问题"实验显示，受试者系统性地违反这一法则。当被告知 Linda 在哲学专业学习、关注社会正义、参与反核示威后，绝大多数受试者认为" Linda 是银行柜员且活跃于女权运动"比" Linda 是银行柜员"更可能——尽管前者是后者的子集。这一悖论的产生正是因为"活跃的银行柜员"的描述相较于"银行柜员"的单调范畴，与 Linda 的人格素描具有更高的代表相似度，使得人们在直觉上为其赋予更高的概率。合取谬误证明：代表性可以将逻辑上不可能的关系在心理上变得看似合理。

对可预测性不敏感

当人们基于代表性对未来进行预测时，往往忽视描述信息的可预测性 (Predictability) 或可靠性。例如，如果受试者被要求根据某位实习教师的一堂示范课表现来预测其五年后的职业发展，即使受试者被明确告知该示范课的表现与实际教学能力之间的相关性很低，他们仍倾向于依据示范课表现做出极端的预测——优秀示范表现预测了优异的职业前景，糟糕示范表现预测了平庸的教学生涯。规范性统计理论要求：预测值的变异程度应随预测变量与目标变量之间的相关程度的减弱而缩减（即向均值回归），但基于代表性的直觉预测系统性地无视这一原则。

效度错觉与统计直觉

代表性启发式的上述各种表现共同指向一个更一般的认知现象：效度错觉 (Illusion of Validity)。人们倾向于根据输入信息（如人格素描、访谈印象、财务报表）的内部一致性和叙述连贯性来评估预测的准确度，而忽视了输入信息的统计质量（如样本量、预测变量的信度与效度）。信息越具连贯性和代表性，人们对预测的置信度就越高——即便输入本身几乎不包含任何实质性的预测信度。这一现象在金融投资（分析师的选股自信远超实际预测力）、人员选拔（非结构化面试的置信度远超其实际效度）和军事及政治情报研判中均有普遍的表现。

与可得性启发式的关系

代表性启发式与 可得性启发式 之间既有区别又有联系。可得性启发式依据实例在记忆中浮现的容易程度来判断频率或概率；代表性启发式则依据相似度而非忆起容易度做出判断。但二者均属于属性替代 (Attribute Substitution) 的范畴——当面临一个复杂的、难以直接回答的判断问题时，人们潜意识地用另一个较易回答但其与原始问题相关的问题来替代表征，而通常不会意识到这种替代的发生。在代表性启发式中，原始问题"该对象属于某类的概率是多少"被替代为"该对象与某类的典型成员有多相似"。

实践含义与缓解策略

理解代表性启发式对于改善决策质量具有实践价值。在医学诊断中，医生可能因一位患者的症状与某种罕见疾病的高度"代表性"而高估其患病概率，忽视了该疾病的极低先验概率；在司法判断中，陪审员可能因被告的外貌或行为与犯罪嫌疑人的刻板印象高度吻合而倾向于定罪，忽视法医证据的统计含义；在经济学中，投资者可能因某公司近期的优异业绩与"优秀公司"叙述的高度匹配而忽视均值回归 (Mean Reversion) 的统计必然性。

缓解代表性启发式所带来的偏差的策略包括：刻意将注意力引向先验概率信息；使用统计思维工具（如贝叶斯更新公式）；以结构化的判断流程替代整体直觉判断；以及在团队决策中引入不同视角的分析以挑战单一的叙事连贯性。然而，Tversky 和 Kahneman 的终身研究也指出：意识到这些偏差的存在并不等于能够有效消除其影响——即使在统计专家和受过良好训练的各类专业人员中，代表性启发式所产生的系统性错误仍顽固而普遍地存在。