Думай медленно… Решай быстро
Шрифт:
Я начал эту часть с примера о частоте заболеваемости раком в США. Он появляется в книге, предназначенной для преподавателей статистики, но я узнал о нем из упомянутой выше статьи Говарда Вейнера и Харриса Цверлинга. Они написали о крупном вкладе в 1,7 миллиарда долларов, сделанном Фондом Гейтса в исследования необычных характеристик самых преуспевающих школ.
Многие пытаются найти секрет успешного образования, определяя высокорезультативные школы в надежде выяснить, чем же они отличаются от остальных. Один из выводов этого исследования состоит в том, что в среднем небольшие школы результативнее. К примеру, в обзоре 1662 школ в Пенсильвании 6 из 50 лучших были небольшими, что в 4 раза превышает реальные показатели. На основании этих данных Фонд Гейтса сделал значительные инвестиции в создание небольших школ, иногда
Интуитивно это ощущается как разумное объяснение. Легко составить каузальную историю, объясняющую, почему, в отличие от крупных школ, небольшие учебные заведения дают замечательное образование и, таким образом, выпускают замечательных учеников, уделяя им больше внимания и лучше поощряя их. К несчастью, анализ причин бессмыслен, поскольку неверны факты. Если бы статистики, делавшие доклад в Фонде Гейтса, задались вопросом о характеристиках самых плохих школ, то обнаружилось бы, что плохие школы обычно тоже малочисленные. Дело в том, что в среднем маленькие школы ничуть не лучше, у них просто выше изменчивость. Вейнер и Цверлинг утверждают, что большие школы дают лучшие результаты, особенно в старших классах, когда важно большее разнообразие доступных предметов.
Благодаря последним открытиям когнитивной психологии очевидно то, что мы с Амосом заметили лишь мельком: закон малых чисел – один из многих, объясняющих, как устроен наш разум.
• Преувеличенная вера в маленькие выборки – один из примеров общей иллюзии: мы обращаем больше внимания на содержание сообщений, чем на информацию об их надежности, и в результате получаем более простую и связную картину окружающего мира, чем предполагают данные. Поспешные выводы безопаснее делать в воображении, но не в действительности.
• Статистика порождает много наблюдений, которые, казалось бы, требуют каузальных объяснений, но на самом деле им не подлежат. Вероятность отвечает за множество событий, включая случайность выборки. Каузальное объяснение случайностей неминуемо будет неправильным.
Разговоры о законе малых чисел
«Да, с приходом нового директора студия сняла три успешных фильма, но еще слишком рано говорить, что у него легкая рука».
«Я не поверю, что новый трейдер – гений, пока не посоветуюсь со статистиком, способным оценить вероятность того, что эти удачи – не просто воля случая».
«Выборка слишком маленькая, чтобы делать выводы. Давайте не будем следовать закону малых чисел».
«Я планирую держать результаты эксперимента в тайне, пока у нас не будет достаточно большой выборки, иначе нас заставят сделать выводы раньше времени».
11
Эффект привязки
Мы с Амосом как-то раз подкрутили рулетку, размеченную от 0 до 100, таким образом, что она останавливалась только на цифрах «10» или «65». Участниками эксперимента стали студенты Орегонского университета. Мы раскручивали колесо и просили испытуемых записать число, на котором останавливалась рулетка (то есть 10 или 65). Затем мы задавали им два вопроса:
Доля африканских стран среди членов ООН больше или меньше числа, которое вы только что записали?
По вашему мнению, какую долю составляют африканские страны среди членов ООН?
Рулетка – даже неподкрученная – не может сообщить никакой полезной информации, поэтому испытуемым нужно было ее проигнорировать. Но средняя оценка, которую дали испытуемые, увидевшие цифру 10 или 65, была 25 и 45 % соответственно.
Мы изучали весьма распространенный и очень важный для повседневной жизни феномен. Он называется эффект привязки и проявляется, когда перед оценкой неизвестного значения испытуемые сталкиваются с произвольным числом. Этот эксперимент дает одни из самых надежных и стабильных результатов в экспериментальной психологии: оценки не отдаляются от рассмотренного числа, отсюда и образ привязки
Эффект привязки впервые замечен не нами, однако именно наш эксперимент впервые показал абсурдность подобной реакции: на суждения испытуемых влияли неинформативные числа. Эффект привязки, возникающий под воздействием рулетки, никак нельзя было назвать рациональным. Мы с Амосом опубликовали результаты эксперимента в журнале Science, и эта статья стала одной из самых известных наших публикаций.
Проблема заключалась в том, что мы с Амосом не сходились во мнениях о психологической подоплеке эффекта привязки. Он поддерживал одну интерпретацию, мне нравилась другая, и мы так и не нашли способа разрешить противоречие. Спустя десятилетия усилиями множества исследователей ответ найден. Сейчас понятно, что мы оба были правы. Эффект привязки порождают два разных механизма – по одному для каждой из систем. Одна форма привязки проявляется в целенаправленном процессе корректировки, то есть в действии Системы 2. Привязка через прайминг представляет собой автоматическую реакцию Системы 1.
Эффект привязки как способ корректировки
Амосу нравилась идея эвристического метода привязки и корректировки как стратегии оценки неизвестных величин: начинаем с числа-«привязки», оцениваем, насколько оно мало или велико, и постепенно корректируем собственную оценку, мысленно «отходя от привязки». Корректировка, как правило, заканчивается преждевременно, поскольку люди останавливаются, потеряв уверенность, что нужно двигаться дальше. Спустя десятилетия после нашего спора, через годы после смерти Амоса, психологи Эльдар Шафир и Том Гилович, тесно сотрудничавшие с ним в начале своей карьеры, вместе со своими студентами – интеллектуальными потомками Амоса! – независимо друг от друга представили убедительные доказательства такого процесса.
Возьмите лист бумаги и проведите от нижнего края вверх линию длиной в 6 см – без линейки. Теперь возьмите другой лист и начертите на нем – от верхнего края вниз – линию, на 6 см не доходящую до противоположного края. Сравните нарисованное. Весьма вероятно, что ваша первая оценка шести сантиметров окажется короче второй. Это потому, что вы точно не знаете, как выглядит такая линия, – существует некоторая неопределенность. Начиная снизу, вы останавливаетесь у нижней границы области неопределенности, а начиная сверху – у верхней. Робин Ле Беф и Шафир нашли множество примеров применения этого механизма в повседневной жизни. Недостаточное уточнение хорошо объясняет, почему вы склонны ехать слишком быстро, въезжая в город с трассы, особенно если беседуете за рулем. Именно в нем скрыт источник конфликта между разгневанными родителями и подростками, слушающими громкую музыку. Ле Беф и Шафир говорят, что «подросток, из лучших побуждений приглушающий исключительно громкую музыку по требованию родителей, может не подстроиться до относительно высокого уровня привязки и в итоге ощутить, что на искренние попытки компромисса никто не обращает внимания». И водитель, и подросток подстраиваются целенаправленно, но недостаточно.
Обдумайте такие вопросы:
Когда Джордж Вашингтон стал президентом?
Какова температура кипения воды на вершине Эвереста?
Первое, что приходит вам в голову, когда вы рассматриваете оба вопроса, – это привязка, и вы, во-первых, знаете, что этот ответ неправильный, а во-вторых, знаете, в какую сторону двигаться. Вам известно, что Джордж Вашингтон стал президентом после 1776 года, а температура кипения воды на Эвересте меньше 100 °C. Вы уточняете ответы в нужном направлении, находя аргументы, чтобы сдвинуться в сторону от привязки. Как и в случае с линиями, вы, скорее всего, остановитесь, когда не будете уверены в том, что вам стоит двигаться дальше, – у ближайшего края области неопределенности.