第二章认知心理与行为实验

第二章 认知心理与行为实验

【本章精粹】

◆ ◆ ◆ ◆

实质理性和过程理性的区别。 启发式偏差的内容。

框定偏差产生的原因及其表现。

“默认选项”如何与“维持现状偏差”联系在一起。

在行为经济学理论体系产生的过程中，诺贝尔经济学奖获得者西蒙(Herbort A. Simon)的“有限理性”发挥了启蒙作用。在此之前，“理性经济人”是新古典经济学的重要假定，冯·诺依曼(John Von Noumann)和摩根斯坦(Morgenstern)以及萨维奇(Savage)等建立的“预期效用理论”(expected utility theory)建立在“理性经济人”假设上，并以严格的数学方程将人类的认知及偏好形式化。而西蒙等人所倡导的研究方法，强调人类决策过程中的真实心理活动对人类决策行为及结果的影响。以此为基础的行为经济学否定新古典经济学关于“理性经济人”的基本假定，认为经济行为的决策者不是纯粹理性的，而是有限理性的。因此，在人的认知过程中，会由于其处理信息时的非完全理性而产生种种偏差。本章将就人在认知过程中产生的心理偏差及其表现展开论述。

实质理性 过程理性 认知偏差 出租车案例 框定偏差 负面情感 维持现状

第一节 认知理论及认知的有限理性

一、人的认知过程：信息加工系统

20世纪50年代，信息科学作为一门研究信息的产生、获得、变换、储存、处理、显示、识别和利用的新兴学科诞生了。随后，人们把这门科学中有关信息的规律和理论推广到不同的研究领域。1978年，纽威尔与西蒙(Newell & Simon)将信息加工的观点引进了心理学研究领域，认为信息加工观点就是将人脑与计算机进行类比，将人脑看作类似于计算机的信息加工系统。事实上，纽威尔与西蒙所提倡的类比只涉及软件，即机能性质上的类比(即在行为反应水平上的类比)，例如记忆、思维和推理等。然而，纽威尔和西蒙认为人脑与计算机这两者不能在硬件上进行对比，因为人的物质结构是生物细胞，而计算机是电子元件；同时，他们又指出，人与计算机在功能上是有相似之处的，因为两者都有信息输入和输出、信息储存和提取的过程，两者都需要依照一定的程序对信息进行加工。据此，纽威尔和西蒙倡导将计算机作为人的心理的模型，并试图对人的心理及计算机的行为作出某一种统一的解释。

信息加工系统是指能够接收、存储、处理和传递信息的系统。这个系统由多个部分组成，纽韦尔(Newell)和西蒙为此提供了一个简洁的模型来表示信息的输入、编码、加工、存储的过程。信息加工系统的一般结构如图2-1所示。

从图2-1中可以看出，信息加工系统由记忆装置、加工器、效应器和接收器组成，其各自的功能与关系如下。

记忆装置是信息加工系统中的重要组成部分之一。在记忆装置中，存储着大量的符号

结构，它们由各种各样的符号按照一定的内在关系联结在一起而组成认知结构，而信息加工就是对符号和符号结构的操作与处理的过程。

图2-1 信息加工系统

加工器在信息加工系统中执行操作工作，按照特定的指令程序对信息进行控制或处理。一般包括3个方面：①一系列基本的信息加工过程；②短时记忆，即对输入和输出的信息进行加工处理；③一套解释程序，即确定信息在信息加工系统中的先后顺序，以及需要执行加工处理的基本信息。

接收器和效应器具有输入和输出的功能。输入是指把信息输入信息加工系统的过程，也就是在记忆系统中建立代表外部事物的内部符号结构。输出则是与输入相反的操作过程，是指接收指令程序并作出反应活动的过程，其涉及与客观事物相互作用的功能，并通过信息加工系统中的输入和效应器这两个部分来实现。

认知心理学将人们的认知过程视为人脑的信息处理过程。该过程包括4个主要环节，即信息获取、信息加工、信息输出和信息反馈。这些环节均受到决策环境和行动后果的影响。行为决策者哈格斯(Hogarth) 提出的“判断的理论模式”很好地反映了人们的认知过程，如图2-2所示。

①

图2-2 判断的理论模式

① Robin M. Hogarth ed., Insights in Decision Making: Theory and application. Chicago: The University of Chicago press.

二、理性认知的分类与基本模型

(一) 实质理性和贝叶斯规则

关于人类认知的普遍认识是：人是完全理性的，每个人尽力做到不犯错误，坚持正确的观点和信念。现代经济学中的“理性”主义思想的起源可以追溯到17世纪英国哲学家、经济学家约翰·洛克(John Locke)，他在《人类理解论》中指出：“唯一的、确实的知识属于那种数理的、逻辑和演绎的性质……如果间接地通过论证而看出的——例如，一个三角形的三内角之和等于两个直角——这是‘理性的’知识”。洛克提出的关于理性的概念不仅是一种理智的含义，他还加入一种有关终极目的的感情的意义，我们可以称之为“幸福”，他认为“理性”和“上帝”“自然法则”以及“人类幸福”是同一的。

而今，大部分经济学家都在相同的意义上使用的“经济人”假说和“理性人”假说，即实际上新古典经济学基础的“理性人”假说，最初是由亚当·斯密的经济人假说发展而来的。

亚当·斯密在《国民财富的性质和原因的研究》一书中指出，一个只是盘算自己利益的人虽然既不打算促进公共利益，也不知道自己是在什么程度上促进公共利益，但是却会在看不见的手的指导下去尽力达到一个并非他本意想要达到的目的。他追求自己的利益，

②

往往比在真正处于本意的情况下更有效地促进了社会的利益。他举例说明：我们每天所需的食物和饮料，不是出自屠夫、酿酒师或面包师傅的恩赐，而是出于他们自利的打算。受利己之心所驱动的个人，在看不见的手的指引下的利己行动却可以增进一般社会福利。这样的人就是经济人，斯密将其描述为自私的、更大个人利益的追求者。

新古典经济学家则把“理性经济人”假设归纳为在数学上的约束条件下寻求极值的问题，借助数学中的导数、偏导数和拉格朗日乘数等工具，对经济问题进行分析，使经济学走向形式化与严密化。而经济分析的精密化又反过来赋予“理性经济人”更明确的含义。具有完全理性的理性人对各种决策的结果具有完全而准确的了解，从而始终追求最优目标，作出最优决策，因而具有与决策相关的所有信息，其具有以下特点。

(1) 理性人具有完全意志能力，能够保证其效用函数具有有序性和单调性。有序性保证理性人在不同行动方案下得到的效用是可以比较的。单调性则保证理性人能够在不同的效用之间判断出偏好程度的差异，并对其进行排列。

(2) 理性人具有充分计算能力，即使存在不确定性，理性人也可以通过概率判断各种可能行动方案的预期效用，并比较它们之间的大小。

(3) 理性人具有完全记忆能力，对影响决策的一切因素具有完全的信息。 (4) 理性人的决策不需要任何时间，所有的理性人的决策都是瞬间完成。 (5) 理性人使用边际分析的方法，通过比较边际收益和边际成本的大小进行决策。 (6) 理性人是自私地单方面追求自己利益的最大化。 ① Locke, John. works of John n:Theommes Press.

② Adam Smith, LL.D. Inquiry into the Nature and Causes of the Wealth on kat Press.

①

(7) 理性人是没有喜怒哀乐、没有感情的人。

(8) 理性人的决策不受道德影响，他是与道德观念绝缘的人。

(9) 理性人作为决策主体不仅是指单个的消费者或者劳动者这样的主体，也包括家庭、企业以及其他组织等主体。

在“理性人”假说的基础上，人们对不确定条件下各种未知变量的认知是基于主观概率的估计，这一估计方法的基础是贝叶斯规则。贝叶斯规则又称贝叶斯过程，它原是统计学概念，即人们根据新的信息从先验概率(prior probability)得到后验概率(posterior probability)的方法。它是一个理性的个人根据已经发生的事实修正其主观概率的模型，因此，也是大多数理性学习模型的基础。

设p(h)为个体关于某一特定假设为真的主观概率，E是一个事件，被称为H为真的证据，那么一个理性的代理人如何根据证据E调整其相信H为真的概率呢？也就是说，在观测证据E条件下的H为真的概率是什么呢？

根据条件概率的性质，将观测中E与H为真的联合概率写成

p(H,E)=p(H | E)p(E)=p(E | H)p(H)

整理方程，则可以得到贝叶斯规则：

p(E H|)p(H) p(H E|)=p(E)其中，p(H)为先验概率，即在观测证据前假设为真的概率；p(H | E)为后验概率，即在观测到证据E后假设为真的概率。贝叶斯规则把先验概率和后验概率联系在了一起。

下面举一个典型的出租车案例说明贝叶斯规则在理性推理过程中的应用。在一个小镇上有两个出租车公司，一个是蓝色出租车公司，另一个是绿色出租车公司。前者车身上涂蓝色，后者车身上涂绿色。绿色出租车在该镇出租车市场上的份额为85%；蓝色出租车在该镇出租车市场上的份额为15%。在一个冬天的夜晚，大雾蒙蒙，一辆出租车擦边撞击了另一出租车，而肇事车驾驶员驾车逃逸。一位目击者说它是一辆蓝色出租车。执法人员在类似事发当晚环境下对目击者进行测验，结果5次测验中他有4次能正确地说出车的颜色。也就是说，不管他在大雾的晚上看到的是蓝车还是绿车，他有80%的时候能正确地辨别颜色。

运用贝叶斯规则进行推理的过程如下。

令G=随机挑选的一辆绿色出租车，即先验概率，于是有：p(G)=0.85。 令B=随机挑选的一辆蓝色出租车，这也为先验概率，于是有：p(B)=0.15。 令WB=目击者说出租车是蓝色的，于是有：p(WB | B)=0.8。

又有p(WB|G)=0.2，因为目击者有20%的可能作出错误的回答，所以，当出租车为绿色而他说是“蓝色”的概率为20%。

我们计算一下p(B|WB)和p(G|WB)为多少，即在证人提供证词的情况下，肇事车为蓝车或肇事车为绿车的概率。

p(WB | B)p(B)p(WB B|)p(B)0.8?0.15p(B | WB)＝=??0.414

p(WB)p(WB | B)p(B)+p(WB | G)p(G)0.8?0.15?0.2?0.85p(WB | G)p(G)p(WB | G)p(G)0.2?0.85p(G WB|)==??0.586

p(WB)p(WB | B)p(B)+p(WB | G)p(G)0.8?0.15?0.2?0.85