KNOWECON WIKI

ARTICLE

后验知识

后验知识 (A Posteriori Knowledge) 后验知识（A Posteriori Knowledge）是指依赖于感觉经验、观察或实验证据而获得的知识。该术语源自拉丁文"a posteriori"，意为"从后来的事物出发"，其核心特征是：知识的辩护（justification）必须诉诸经验事实，而非纯粹理性。与先验知识（A Priori Know

浏览 6 更新 2025-10-26

后验知识 (A Posteriori Knowledge)

后验知识（A Posteriori Knowledge）是指依赖于感觉经验、观察或实验证据而获得的知识。该术语源自拉丁文"a posteriori"，意为"从后来的事物出发"，其核心特征是：知识的辩护（justification）必须诉诸经验事实，而非纯粹理性。与先验知识（A Priori Knowledge）的对立构成了认识论（Epistemology）中最基本的分类维度，也与贝叶斯统计中"后验分布"的概念存在深层的方法论对应。

哲学渊源：经验主义传统

后验知识的哲学根基可追溯至英国经验主义（British Empiricism）。John Locke 在《人类理解论》中提出"白板说"（Tabula Rasa），主张人心如白纸，一切观念最终源于感觉经验或对内在心理活动的反省。George Berkeley 将经验主义推向唯心论方向，而 David Hume 则将其推向逻辑极致，提出了著名的"叉子论证"（Hume's Fork）：一切有意义的命题要么是"观念的关系"（先验的、分析的），要么是"事实"（后验的、综合的）。

Immanuel Kant 在《纯粹理性批判》中继承了休谟的二分法，并引入了"先天综合判断"（Synthetic A Priori）的概念，从而打破了严格的经验主义/理性主义二元对立。在康德框架中，尽管数学和形而上学的某些原理是先验的，但经验科学中的因果判断和存在判断无一例外是后验的。

贝叶斯框架中的后验概念

在贝叶斯统计中，"后验"（Posterior）一词获得了精确的数学定义。给定参数 θ\theta 的先验分布（Prior Distribution）π(θ)\pi(\theta) 和似然函数（Likelihood Function）L(θ∣x)=p(x∣θ)L(\theta \mid \mathbf{x}) = p(\mathbf{x} \mid \theta)，根据贝叶斯定理，后验分布为：

π(θ∣x)=π(θ) L(θ∣x)∫π(θ′) L(θ′∣x) dθ′\pi(\theta \mid \mathbf{x}) = \frac{\pi(\theta) \, L(\theta \mid \mathbf{x})}{\int \pi(\theta') \, L(\theta' \mid \mathbf{x}) \, d\theta'}

其中分母为边际似然（Marginal Likelihood），起到归一化常数的作用。后验分布的核心哲学含义在于：它将先验信念（先于数据的知识）与经验证据（来自数据的似然）进行加权综合，形成更新后的信念——这正是"后验知识"在统计推断中的数学表达。

后验分布在决策论和预测中具有核心地位。给定损失函数 L(θ,a)L(\theta, a)，贝叶斯决策规则为选择使得后验期望损失最小化的行动 aa：

a∗=arg⁡min⁡a∈A∫L(θ,a) π(θ∣x) dθa^* = \arg\min_{a \in \mathcal{A}} \int L(\theta, a) \, \pi(\theta \mid \mathbf{x}) \, d\theta

这一框架将后验知识的规范性使用形式化：在给定所有可用的经验信息后，理性主体应如何行动。

经济学中的应用

后验知识的概念在经济学中渗透于多个领域。在信息经济学中，经济主体接收信号后更新信念的过程本质上是一个从先验到后验的贝叶斯更新。在不对称信息框架下，委托人对代理人类型的后验推断（通过观察合约选择）构成了信号传递模型的核心。

在宏观经济学中，理性预期（Rational Expectations）假设经济主体利用所有可用信息形成对未来的后验预测，其数学结构等同于条件期望 E[yt+1∣It]\mathbb{E}[y_{t+1} \mid \mathcal{I}_t]，其中信息集 It\mathcal{I}_t 包含截至时刻 tt 的所有可观测变量。卢卡斯批判（卢卡斯批判）进一步指出，经济计量模型的参数本身在政策变化后不再稳定，因为私人部门会根据新政策更新其后验信念。

在实验经济学中，后验知识的获取具有直接的操作性含义：随机对照实验（RCT）的设计与分析，本质上是通过实验数据将关于处理效应的先验不确定转化为后验推断的过程。在金融计量学中，波动率建模的 GARCH 族模型和随机波动率（SV）模型均依赖于贝叶斯后验推断或准贝叶斯方法进行参数估计。在资产定价领域，投资者对股息增长率的信念更新——从先验分布到纳入新财报信息后的后验分布——构成了股价动态演化的核心机制。

后验知识的局限性与批判

尽管后验知识是一切经验科学的基础，其局限性同样不可忽视。休谟最早指出了归纳问题：从有限的经验观察中无法逻辑必然地推出普遍规律，后验知识始终面临被未来经验推翻的可能性。这一洞见被 Karl Popper 发展为证伪主义，强调科学理论只能被否证而无法被最终证实。

在贝叶斯框架内，后验分布的质量高度依赖于先验的选择。不同的先验可能导致截然不同的后验结论，尤其是在小样本情形下。此外，模型设定错误（Model Misspecification）可能导致似然函数系统性地偏离真实的数据生成过程，从而使后验分布收敛于错误的参数值。

在认识论层面，Quine 在《经验论的两个教条》中对分析-综合区分（因而也对先验-后验的截然二分）提出了根本性挑战，认为知识是一个整体网络，其中即便是逻辑和数学的核心命题也与经验保持着间接的联系。这一观点削弱了后验与先验之间的绝对边界。尽管如此，后验知识作为连接经验观察与理论推断的桥梁，始终是经济学、统计学和一切经验科学的方法论基石。其哲学深度与数学精确性使其超越了单纯的认识论范畴，成为贯穿现代社会科学的核心概念框架。