《噪聲》：做聰明的決策者

　　《噪聲》：做聰明的決策者

　　《噪聲》

　　[以色列]丹尼爾·卡尼曼/[法]奧利維耶·西博尼/[美]卡斯·R.桑斯坦 著

　　李紓/汪祚軍/魏子晗 等 譯

　　浙江教育出版社 湛廬文化 出品

　　內容簡介

　　《噪聲》一書通過系統(tǒng)性研究，通過兩個公式揭開了“判斷出錯”的本質，并且通過對三種噪聲的系統(tǒng)性分析帶你直擊噪聲。并且，從六大部分闡述了“噪聲”：從尋獲噪聲到探究人類判斷的本質，從預測噪聲到闡釋噪聲的主要原因，從探討如何改進判斷和防止錯誤的的實際問題，一直延伸到什么才是合適的噪聲水平。”“噪聲”是隨機的，但卻是致命的?？崧跁刑岢隽?大原則，幫你重塑決策框架，做聰明的決策者。同時，卡尼曼更是精妙地附上了“審查噪聲”的使用指南，以及寫給決策者的“觀察者清單”。閱讀本書可以助你重塑自己的決策框架，遠離噪聲，做聰明的決策者。

　　精彩書摘

　　哪里有判斷，哪里就有噪聲，希望你現(xiàn)在也同意這一觀點。我們也希望，對你而言，這已不再是一件超乎想象的事。也正是這一目的激勵我們著手研究該項目。經過多年的努力，我們對這個問題的思考已經逐漸深入和完善。現(xiàn)在，讓我們來回顧一下，我們已經學習過的噪聲成分、這些成分對噪聲的重要影響以及它們各自在判斷中所起的作用。

　　噪聲成分

　　圖16是我們在第5、第6和第16章中介紹的三個方程的一個組合圖。該圖展示了對誤差的三個連續(xù)的分解：

　　•將誤差分解為偏差和系統(tǒng)噪聲，

　　•將系統(tǒng)噪聲分解為水平噪聲和模式噪聲，

　　•將模式噪聲分解為穩(wěn)定模式噪聲和情境噪聲。

　　現(xiàn)在，你可以看到MSE如何被分解為偏差，以及（我們曾討論過的）三種噪聲成分的平方。

　　圖16：誤差，偏差和噪聲成分

　　當我們開始著手這一研究項目時，我們關注偏差和噪聲在總誤差中所占的相對權重。我們很快得出結論：在誤差中，噪聲通常比偏差更多，因此，噪聲非常值得我們進一步去探索。

　　我們早期對噪聲成分的思考是基于復雜的噪聲檢測的框架。在該框架中，多個人對多個案例做出判斷；聯(lián)邦法官的研究，以及懲罰性賠償?shù)难芯?，都是這樣的例子。從這些研究中獲得的數(shù)據(jù)，能夠對水平噪聲進行可靠的估計。另一方面，雖然每個參與者都對每個案例進行判斷，但只進行了一次判斷，因此無法判斷殘差——我們將其稱之為模式誤差——是變化的還是穩(wěn)定的。依據(jù)統(tǒng)計分析的保守性原則，通常將殘視為隨機誤差。換句話說，模式噪聲被完全默認為情境噪聲。

　　很長一段時間以來，這種將模式噪聲解釋為隨機誤差的傳統(tǒng)做法，限制了我們的思維。專注于水平噪聲（嚴厲和寬容的判斷者之間、或樂觀和悲觀的預測者之間的穩(wěn)定性差異）似乎是自然而然的事。但是，有證據(jù)表明，那些無關的、變化的環(huán)境也會影響判斷，從而產生情境噪聲，這引起了我們的研究興趣。

　　這些證據(jù)讓我們逐漸認識到，不同人做出的判斷充滿噪聲，很大程度既不是因為普遍性的偏差，也并非是由于變化的或隨機的因素所致：特定個體對多重特征的穩(wěn)定的、個性化的反應，決定了他們對特定案例的反應。我們最終得出結論，我們應該擯棄將模式噪聲視作隨機變化的觀點。

　　雖然我們很想謹慎一點，盡量避免基于有限的案例做出過度性概括。然而，整合我們研究后發(fā)現(xiàn)，穩(wěn)定的模式噪聲實際上比系統(tǒng)噪聲的其他成分都更為重要。由于我們很少在同一研究中全面地探究誤差的各個組成部分，因此需要進行精確的分析才能得出這樣一個暫時性的結論。簡而言之，以下就是我們所知道的和所不知道的。（摘自第17章 噪聲源：偏差是引人注目的圖形，而噪聲是不受我們關注的背景）

　　作者簡介

　　（從右到左依次為：丹尼爾·卡尼曼、卡斯·桑斯坦、奧利維耶·西博尼）

　　丹尼爾·卡尼曼（Daniel Kahneman）：諾貝爾經濟學獎得主，全球暢銷書《思考，快與慢》作者。

　　奧利維耶·西博尼（Olivier Sibony）：巴黎高等商學院（HEC Paris）教授，曾在全球最大的戰(zhàn)略咨詢公司——麥肯錫咨詢公司（McKinsey & Company）擔任資深合伙人長達25年時間。

　　卡斯·R.桑斯坦（Cass R. Sunstein）：哈佛大學法學院教授，行為經濟學與公共政策研究項目創(chuàng)始人兼主任，主要研究領域為政策制定方面。