结果偏差

​

什么是结果偏差？

结果偏差是对决定质量的评分跟着结局走。选项、思考和写明的概率都没变。变的是结局，分数跟着变。

在我们的研究里，只要对决定的评价取决于它们的结果，结果偏差就出现了。

这是巴伦与赫尔希在 1988 年《Journal of Personality and Social Psychology》第 569–579 页收束定义的句子。他们要找的是：结果被用在与决定质量无关的地方。评判者被告知决策者掌握的概率。这个结果不再提供关于那些概率的新事实。 抛一枚公平硬币，是日常里的同一幅图。正面和反面各是二分之一。硬币落下正面，并不能让抛之前的那一句判断变得更聪明。后见之明偏见改的是事后记得的概率。这一页把概率按住，改的是给思考打的分。

​

结果偏差的三层理解

• 入门：称赞或责备一个选择之前，先写下当时已知的概率。顺利康复和少见的伤害，可以共享同一个概率。
• 实践：信息写一行，结果另写一行。在工作复盘、家庭商量或课堂回顾里，先写完第一行，再把结局读出来。
• 进阶：结果只有在揭示决策者当时没有的信息时，才够格给选择打分。一个已经写明的概率做不到。一连串相似、概率未知的事情可以。允许那个没选的选项教你之后，一次损失也可以是更清楚的推断。

​

起源

这个习惯很老。名字，以及把概率按住的检验，来自 1988 年。 巴伦与赫尔希从安托万·阿尔诺写起。迪科夫和詹姆斯翻译的《思维的艺术》，也就是波尔-罗亚尔逻辑，把 1662 年的那句话放在第 285 页。阿尔诺说，用行为的结果去评价行为的意图，是一种受到谴责、却很少被避开的过错。人们分不开运气和智慧，也分不开不幸和过错。这句话是源头。它不是一项计过人数的研究，也不是现在这个名字。 他们引用的决策分析规范来自沃德·爱德华兹，1984 年，第 7 页。爱德华兹称之为一个熟悉的基本点。

一个好决定不能保证一个好结果。

他接着说，真实的决定是一次赌注，所以评分取决于赌注和概率。巴伦与赫尔希问的是，这个行业以外的人能把这道分界守到什么程度。 给这个偏差命名的论文是 “Outcome bias in decision evaluation”，第 54 卷第 4 期，第 569–579 页，1988 年 4 月号。巴伦在宾夕法尼亚大学心理学系。赫尔希在决策科学系。两人都是伦纳德·戴维斯卫生经济研究所的高级研究员。研究由美国国家精神卫生研究所资助，项目号 MH37241，以及美国国家科学基金会资助，项目号 SES-8509807。他们感谢 Mark Spranca。 他们把信息分成三堆。行动者信息，决策者知道、评判者不知道。评判者信息，只有评判者知道。共同信息，双方都知道。在他们的案例里，结果是评判者信息，写明的概率是共同信息。结果仍可能有用：它能暗示决策者知道、评判者缺少的事实。一连串相似决定里，结果也能教出一个比率，就像从一副构成未知的牌里抽牌。他们的检验拿掉这两种用法。评判者被告知决策者拥有的全部相关信息。分数仍然跟着结局走，剩下的那一块就是结果偏差。 他们用大学生做了五项研究。决定是医疗案例，或是金钱赌博。人们评价思考的质量、决策者的能力，或者愿不愿意让这个人替自己决定。他们明白，相关信息自己已经有了。有利的结果得到更高的评价。在金钱赌博里，没选的那个选项结果很差，也会抬高对已做选择的评分。被问到的人说，不该使用结果。他们还是用了。作者给出的部分解释是显著性。手术台上的死亡，让死亡风险更容易被看成反对手术的理由。这个解释没有覆盖每一组题目。 巴鲁克·菲施霍夫 1975 年的后见之明研究，移动的是被判断的概率。巴伦与赫尔希把概率按住，因此思考评分的变化不必先经过一个被改过的概率。日常生活里两种效应可以叠在一起。两个页面分开写。公正世界假说是更远的邻居：它希望坏结局落在该受的人身上。

​

核心要点

四项检查把结果偏差拴在一个并不需要的结果上。每个数字留在印出它的那项研究里。

​

应用场景

用写明的概率、第二行，以及没选的选项。每一道印出来的差距，留在它自己的研究里。

​

经典案例

被点数的那幅图是一次搭桥手术，相隔三十五年讲了两遍。决定和写明的风险不动。动的是结局。 实验 1 里，巴伦与赫尔希通过校园走道上的一张告示，招募了宾夕法尼亚大学的二十名本科生。他们按小时获得报酬。十人按一个顺序读案例，十人倒序。每个人都看到两种结局，配对的案例在十五则清单里隔得很开。许多人说，他们记得先前的答案，于是照样再写一次。作者注明，这种被试内设计让小效应更容易被发现，同时也把它缩小了。 心脏案例里，一名 55 岁的男子因胸痛停止工作。他喜欢自己的工作，不想停下来。疼痛也妨碍旅行和休闲。搭桥会缓解疼痛，并把预期寿命从 65 岁提高到 70 岁。接受手术的人里，8% 会死于手术本身。一条脚注说，这 8% 来自预试验，为的是让决定看起来困难。一个版本由医生决定。配对的版本由这名男子决定。成功是手术成功。失败是手术失败，这名男子死亡。 在从 3 到 −3 的量表上，医生的决定在成功后平均 0.85，标准差 1.62；失败后平均 −0.05，标准差 1.77。患者的决定在成功后平均 1.00，失败后平均 0.75，标准差是 1.05 和 1.26。七组成败配对里，包括肝脏手术和两个检测问题，成功的平均优势是 0.70。只算患者决定的配对，心脏和肝脏合在一起，平均仍是 0.48，t = 2.59，df = 19，p < .01。这 40 对里，17 对是成功的分数更高，4 对是失败的分数更高。 同一则情境在 2023 年由 Sriraj Aiyer、Hoi Ching Kam、Ka Yuk Ng、Nathaniel A. Young、Jiaxin Shi 和 Gilad Feldman 重复，刊于《International Review of Social Psychology》第 36 卷第 1 期第 12 篇。他们预先登记的是这一个案例的被试间版本，不是全部十五则。每个人只看到决策者和结局的一种组合。招募来自亚马逊 Mechanical Turk，经 CloudResearch。707 人里有 705 人完成。经过其余预先登记的剔除之后，留下 692 人，其中 364 名女性，平均年龄 38.9 岁，范围从 19 岁到 78 岁。评分之前必须通过四道理解检查，其中包括 8% 会不会死亡。 同一类量表上的平均数是：医生且成功 1.81，患者且成功 1.76，医生且失败 0.45，患者且失败 0.90。格子人数是 173、171、172 和 176。成功对失败的差距，医生是 1.36，Cohen’s d = 1.10；患者是 0.86，d = 0.77。95% 区间分别从 0.94 到 1.26，以及从 0.62 到 0.93。两项韦尔奇检验都是单尾，印出的 p 都小于 .001。作者把从被试内改成被试间称作接近到较远的重复。他们把 1988 年的配对效应估计为：患者 d = 0.21，95% 区间从 −0.23 到 0.66；医生 d = 0.53，区间从 0.06 到 0.99。这些 d 是他们的计算。1988 年的论文印的是 t 检验。配对的 d 和独立的 d 不是同一种比较，2023 年的论文在表注里这样写。 教训停在本地。8% 已经印在纸上，成功仍然得到更高的思考评分。一次是付费的小样本学生，一次是只看到一种结局的更大线上样本。1988 年的标准差大于各案例的平均数。2023 年给旧的配对 d 画出的区间很宽。两项研究都不是医院里真实手术的记录。

​

边界与失效场景

结果揭示了隐藏事实时，问题问的是惩罚而不是思考质量时，以及把实验室的一道差距带进医院或公司时，结果偏差都是错误的概括。 第一道边界是信息。巴伦与赫尔希说，评判者如果缺少决策者的概率，可以把结果当作那些概率的线索。极端情形下，没有别的信息时，坏结果是“决定做得很差”的一个合理的初步假设。他们也说，一连串相似的决定可以教出一个比率。他们的偏差主张，从这两种用法被拿掉之后才开始。实验 2 用 41 名付费学生，量表从 −30 到 30。差距是：医生手术 4.97，t = 3.15，df = 38；患者手术 4.15，t = 2.21，df = 40。检测案例相差 3.50，t = 3.80，df = 40。显著性解释是，好结果让支持的理由显得更重要。它只在医生的手术题目上可靠，t = 3.61，df = 38。在患者题目和检测题目上不可靠。作者写明，他们解释不了这道分裂，显著性也不能完整解释这个偏差。 第二道边界是所问的问题。他们引用的伊莱恩·沃尔斯特 1966 年研究里，损害更严重时，人们把司机评得更有责任。责任和惩罚可以跟着伤害走，即使思考被按住，因为评判者常常不知道司机知道什么。他们自己的问题是思考的质量，概率已经提供。实验 4 接着问第二个问题，今后的能力，并排除那些说结果应该计入的人。能力差距还在，而且与决定质量的差距在被试之间相关 0.85。含糊的风险，一项研究是 12%，另一项是 4%，不论结局如何都降低了能力评分，t = 2.46，df = 24，双尾。它没有可靠地改变结果差距的大小。这些研究评价的是别人的决定。讨论写明，他们没有检验一个人为自己的选择打分。基本归因错误是从单个行为读出一个人格的那一页。控制错觉是把一次机遇结果当成个人技能的那一页。1988 年的一些评论把运气当成稳定特质，脚注说这些例子包括一份预试问卷。 第三道边界是外推。0.70 的平均数、心脏案例的平均数、9.91、5.03、3.41，以及 2023 年的 d，都是对书面案例的评分。它们不是手术差错率、医疗过失裁决，或晋升差距。实验 5 的意愿计数来自巴伦授课的课堂上、当天在场的 111 名学生。两份基线答卷先说不、后来说是，被剔除；表 5 的四行加起来也是 111。这两件事并排放着。神秘牌先抽并且输了的那一行，是 3 人提高、12 人降低、14 人不变。23 条不是“平均”的能力评语里，赢的情形有 6 条高于平均、4 条低于平均，输的情形有 2 条高于平均、11 条低于平均。这是一堂课，不是一项招聘研究。2023 年对拒绝使用结果的人的分析，用的是完成调查的 705 人中的 44 人。后来的 692 人是另一次切割。从 0.21 到 1.08 的 95% 区间属于 0.75 的平均差。摘要把这个区间印在 d 旁边。结果一节把它印在平均差旁边。

​

常见误区

三个捷径跟着这个名字走。一句说出来的原则被当成解药。被移动的概率被当成全部效应。坏结局被当成思考更差的证明。

​

相关概念

结果偏差旁边，是被改写的概率、从一次行为读出的人，以及被读成技能的机遇结果。旁边还有只留下可见结局的记录、要求伤害应得的期待，以及结局已知之后去寻找理由。

​

一句话总结