> ## Documentation Index
> Fetch the complete documentation index at: https://meta.niceshare.site/llms.txt
> Use this file to discover all available pages before exploring further.

# 零风险偏差

> 零风险偏差是指宁可把一项风险清到零，也不选总伤害降得一样多或更多的方案。一种措辞里，42%的人没有把少救一例的清零方案排到最差。

<Info>
  **类别**: 效应<br />
  **类型**: 总伤害降得一样多、甚至更少时，仍偏好把一项风险清到零<br />
  **来源**: W·基普·维斯库西、韦斯利·A·马加特与乔尔·休伯，《RAND Journal of Economics》（1987年冬季）；乔纳森·巴伦、拉吉夫·高达与霍华德·昆鲁瑟，《Risk Analysis》（1993）<br />
  **别名**: 走到零的那一步上的确定性溢价
</Info>

<Note>
  **快速回答** — **零风险偏差**（Zero-Risk Bias）是指，即使另一个方案预防的伤害一样多、或者更多，人仍偏好把一项风险降到零。维斯库西、马加特和休伯在1987年测到一种确定性溢价：同样大小的伤害削减里，走到零的那一刀在每一组都贵过中间那一刀，并在四组里的三组贵过第一刀。巴伦、高达和昆鲁瑟在1993年给这个模式起了现在的名字。较小城市被彻底清理、癌症病例却少防一例的那种措辞里，看到它的人有42%没有把这个方案排到最差。
</Note>

## 什么是零风险偏差？

零风险偏差是指，即使同样的资源用在别处，预防的总伤害一样多、或者更多，人仍偏好把一项风险彻底清掉。

1993年的论文写的是更严的一种。彻底清理一处场地，被排在前面，尽管同样的钱若分到两处做部分清理，能防住更多癌症病例。防住的病例数相同的那种，另外计分。那时，走到零的方案被排成最好，尽管另外两个方案防住的病例一样多。

> 零风险偏差被定义为：偏好把一处废弃物场地彻底清理干净，即使这一策略挽救的生命总数，低于把同样的资源用于两处场地的部分清理所能挽救的数目。

这是巴伦、高达和昆鲁瑟1993年的定义。美元上的模式更早，而且测量它的那篇论文用了另一个名字。维斯库西、马加特和休伯把为彻底消除而多付的意愿叫做确定性溢价。[前景理论](/zh/models/prospect-theory)里的确定性效应是另一项比较：在金钱赌博里，人对仅仅可能的结果打的折扣，大于对确定能得到的结果。[不作为偏差](/zh/effects/omission-bias)是对来自行动的伤害，评价比同样来自不行动的伤害更重。疫苗风险为零，两种模式都可以看起来像。本页上的比较是防住的病例，或者同样一刀有没有走到零时的美元。

### 零风险偏差的三层理解

* **入门**：两个写在纸上的城市共用一笔清理预算。一个方案清掉较小城市的癌症病例，较大城市还留下一些。先写下每个方案防住多少例，再偏好那个零。
* **实践**：一种产品有两类伤害风险时，给三次同样大小的削减定价，每次是每1万瓶5例。把走到零的那一刀，和没有走到零的两刀放在一起读。
* **进阶**：42%是一封信函问卷上对简化城市的排序，计分方式是没有把更差的方案放在最后。2.41美元是四组访谈里一组的平均加价。两个数字都不是清理预算，也不是商店收据。

## 起源

美元上的结果来自维斯库西、马加特和休伯的《An Investigation of the Rationality of Consumer Valuations of Multiple Health Risks》，《RAND Journal of Economics》第18卷第4期（1987年冬季），第465–479页。下面的计数来自这篇文章。访谈在北卡罗来纳州格林斯伯勒的一家购物中心和一家五金店进行。论文称这次抽取是消费者的一个有代表性的混合，并指向维斯库西和马加特1987年的著作来说明这一点。本页没有重读那本书。每人只考虑一种产品。访谈员给出的价格是杀虫剂每瓶10美元，或洁厕剂每瓶2美元，当前风险是每售出1万瓶、两类伤害各15例。

用来分析的杀虫剂组，是没有五岁以下孩子的672人，以及有五岁以下孩子的113人。洁厕剂组按同样的划分是551人和183人。这四个计数加起来是1519。摘要写的是超过1500人的样本。问题问的是，为更安全的一瓶，这个人愿意多付多少。作者称之为对确定性溢价的第一次准市场检验。它是访谈里说出的价格。它不是一次购买。

他们列出最后一步走到零可能更贵的三条理由。消除一种产品上的全部风险，可以减少焦虑，以及思考一个概率的成本。若一个人高估了残存的小风险，又把零当成零，就会高估这最后一刀有多大。[前景理论](/zh/models/prospect-theory)，丹尼尔·卡尼曼和阿莫斯·特沃斯基，《Econometrica》第47卷第2期（1979年3月），是他们点名的第三条理由。那篇摘要把确定性效应写成：对仅仅可能的结果打的折扣，大于对确定能得到的结果。本页不搬1979年那些赌博的计数。

本页上的名字来自巴伦、高达和昆鲁瑟的《Attitudes Toward Managing Hazardous Waste: What Should Be Cleaned Up and Who Should Pay for It?》，《Risk Analysis》第13卷第2期（1993），第183–192页。巴伦当时在宾夕法尼亚大学心理学系。高达在俄克拉何马大学的科学与公共政策项目。昆鲁瑟在沃顿风险管理和决策过程中心。他们寄出的是关于清理、以及关于谁该付钱的简化案例。他们引用了维斯库西、马加特和休伯，以及伊拉娜·里托夫、乔纳森·巴伦和约翰·C·赫尔希一篇即将发表的论文《Framing Effects in the Evaluation of Multiple Risk Reduction》，《Journal of Risk and Uncertainty》。本页不搬那篇即将发表的论文的计数。

## 核心要点

四项比较把削减的大小，或清理预算，保持不变，只移动一项风险有没有走到零。说出的瓶价不是收据。写在纸上的城市排序不是已经拨款的清理。平均数可以偏向最后一步，而其中一列只是和第一步打平。把两种风险一次清掉，和清掉其中一种，是分开的检验。

<Steps>
  <Step title="把最后一刀和前面的刀放在一起读">
    基线是每1万瓶、每一类伤害15例。表4印出的是，在三个起点上，把两种风险再各削减每1万瓶5例时多付的美元。没有五岁以下孩子的杀虫剂使用者，印出的增量是从15起的1.04美元，从10起的0.34美元，以及从5起的2.41美元。最后这一刀走到零。表2里，同一组为两种风险各减5例平均支付1.04美元（标准误0.09美元），各减10例支付1.37美元（标准误0.11美元），两种都消除支付3.78美元（标准误0.18美元）。从1.37美元到3.78美元的差距是2.41美元。从1.04美元到1.37美元的差距是0.33美元，表4印的是0.34美元。本页不把这两种印法收成同一分钱。
  </Step>

  <Step title="四组不要并成一组">
    表4另外三列是同一种形状，其中一列打平。有五岁以下孩子的杀虫剂使用者：1.84美元，然后0.54美元，然后5.71美元。没有五岁以下孩子的洁厕剂：0.65美元，然后0.19美元，然后0.83美元。有五岁以下孩子的洁厕剂：0.99美元，然后0.24美元，然后0.99美元。前三列里，走到零的那一步最大。第四列里，它等于第一步，并高于中间那一步。有孩子的那一组，消除两种杀虫剂风险的平均数是8.09美元（标准误1.13美元），起点价格是10美元。消除两种洁厕剂风险的平均数是2.22美元（标准误0.22美元），起点价格是2美元。作者说，四对伤害里，把每1万瓶从10降到5的那一刀，估得高于从5降到0的人，至多占11%。很大的多数把走到零的那一刀估得更高。论文没有把这个多数印成一个百分比。
  </Step>

  <Step title="不要为一次清掉两种再加一笔溢价">
    另一项检验问的是，消除两种风险的价钱，是否高于分别消除每一种的价钱之和。没有五岁以下孩子的杀虫剂使用者，只消除皮肤中毒的平均数是2.05美元（标准误0.13美元），只消除吸入的平均数是1.85美元（标准误0.15美元），两种都消除的平均数是3.78美元（标准误0.18美元）。两个分开的平均数之和是3.90美元。表6逐人比较两个分开的回答之和，与消除两种的回答。四对伤害里有三对的平均差为正，那意味着和大于合在一起的价钱。四个平均差没有一个在5%水平上显著。作者的收束读法是：在分别消除每一种风险的溢价之和以外，并没有为消除多重风险再加的溢价。他们还说，这个模式并不指向“只要还存在任何不确定性就焦虑”那种说明。他们点名的推动因素，是某一种风险上的东西，例如高估一个低概率。
  </Step>

  <Step title="按防住的病例给零打分">
    巴伦、高达和昆鲁瑟让一半受试者看一种措辞，另一半看另一种。论文没有印出每一半有多少人。两个城市有填埋场。较大的城市有200万人，泄漏每年造成8例癌症。较小的城市有100万人、4例。两处都部分清理，把较大城市从8降到4，较小城市从4降到2，防住6例。把力量集中在较大城市，把它从8降到3，较小城市从4降到3，也防住6例。彻底清理较小城市，再加上较大城市的部分清理，把较小城市从4降到0。一半受试者看到较大城市从8降到6，于是这个方案防住6例。另一半看到从8降到7，于是防住5例。
  </Step>
</Steps>

## 应用场景

把防住的病例，或同样一刀的加价，写成可以读的行。把说出的瓶价留在问它的那次访谈里。把信函上的排序留在这个人看到的那种措辞里。

<CardGroup cols={2}>
  <Card title="先写下病例，再给零拨款" icon="list-ol">
    在一个清掉一处场地的方案胜出之前，写下每个方案防住多少例。在防住例数相同的措辞里，彻底清理较小城市防住6例，和另外两个方案一样。看到那种措辞的人里，18%把彻底清理排成最好。
  </Card>

  <Card title="把走到零的那一步单独定价" icon="tags">
    把一次风险削减拆成相等的步，并标出走到零的那一步。没有五岁以下孩子的杀虫剂使用者，表4为两种风险各减每1万瓶5例的三刀，印出1.04美元、0.34美元和2.41美元。2.41美元是从5到0的那一刀。它是为一瓶说出的平均加价，不是收据。
  </Card>

  <Card title="用分别消除的和，去对一次清掉两种" icon="calculator">
    问一问，清掉一种产品上的每一种风险，是否比分别清掉每一种更贵。在没有孩子的杀虫剂平均数里，2.05美元加1.85美元是3.90美元，两种都消除是3.78美元。四对里，和与合在一起的价钱之间的平均差距，没有一个在5%水平上显著。
  </Card>

  <Card title="不要把信函排序写成清理预算" icon="envelope">
    42%是没有把一个方案排到最差。那个方案防住5例癌症，另外的方案防住6例。11%把它排成最好。作者说样本并不代表各自的群体，而且一封信函问卷看不出一个人为什么这样答。这些排序不是一座城市预算里的份额。
  </Card>
</CardGroup>

## 经典案例

乔纳森·巴伦、拉吉夫·高达和霍华德·昆鲁瑟寄出一份关于危险废弃物清理的问卷。文章刊于《Risk Analysis》第13卷第2期（1993），第183–192页。案例是故意简化的。作者说，他们在对照原则，不是在描写一处真实场地。收到邮件的人包括石油和化工公司的首席执行官、经济学家、环境人士、参加过1990年一场危险废弃物会议的人、担任仲裁人的退休和半退休法官，以及议员。各组的回收率不同。作者说，这些样本并不代表那些群体。本页不把这些回收数加成一个总人数。议员那一行印的是1170人里的104人，同时又印出第一次寄送收回67份、第二次收回27份。本页不去把104和67、27配成一个等式。

零风险的问题是案例5。两座城市，一座200万人，一座100万人，都有泄漏的填埋场。泄漏将使较大城市每年出现8例癌症，较小城市4例。资金有限。三个方案被排序。两处都部分清理，防住6例。把力量集中在较大城市的方案也防住6例。彻底清理较小城市的填埋场、只部分清理较大城市的方案，在一种措辞里防住6例，在另一种里防住5例。论文说一半受试者看到每种措辞。它没有印出每一半的人数。

在每个方案都防住6例的措辞里，零风险偏差被定义为：把较小城市的彻底清理排成三者中最好。看到那种措辞的人里，18%这样做了。在那个方案防住5例、另外的方案防住6例的措辞里，这种偏差被定义为：没有把彻底清理的方案排到最差。若计分是防住的病例，它应当最差。看到那种措辞的人里，42%没有把它排到最差。11%把它排成最好。两种版本里，这种偏差都与组别有关（卡方大于20，p \< .01）。议员、法官和环境人士表现得最经常。专家和经济学家表现得最少。论文没有印出每一组内部的百分比。

这里的教训，是对写在纸上的城市做排序，并用各方案防住的癌症例数来打分。边界是这封邮件。作者写道，这种问卷看不出一个回答的依据，关于偏差的结论在更仔细的实验室研究支持之前，仍然是暂定的。18%和42%是看到那种措辞的人里的份额。它们不是居民里的份额，也不是已经实施的清理里的份额。

## 边界与失效场景

当说出的瓶价被复述成一次购买，当“不是最差”被复述成“排成最好”，当一笔确定的钱被安上本页的名字时，零风险偏差就用错了。

第一道边界是回答的形式。格林斯伯勒的数字，是访谈员说出每1万瓶15例伤害之后，一个人为一瓶说自己愿意多付的美元。5.71美元那一步，落在有五岁以下孩子的那一组消除两种杀虫剂风险的平均数8.09美元上，而这个平均数的标准误是1.13美元。同一篇论文报告了它所谓的参照风险效应：风险上升被估得远重于风险下降。本页不搬那些上升的美元数。[损失厌恶](/zh/effects/loss-aversion)是损失比同样大小的收益更重。参照风险的结果是这种权重的近邻。它不是走到零的那一步。

第二道边界是城市上的计分。42%是没有把防住5例的方案放在最后的份额。11%把它放在第一。18%把防住例数相同的清零方案放在第一。论文没有印出每一半有多少人。它说样本并不代表各自的群体，也说这次邮寄得出的偏差结论是暂定的。后来的实验室研究不在本页上。里托夫、巴伦和赫尔希那篇即将发表的论文被引用，没有重读。

第三道边界是外推。作者自己对瓶价的读法是：很大的确定性溢价附在消除某一种风险上，而消除两种风险，并不会在这个和之外再加一笔溢价。他们说，这个模式并不支持“对任何不确定性本身感到焦虑”作为推动因素。因为零感觉像做完了，就把预算花在让一处场地走到零，是误用。要核对的是另一个方案防住的病例，以及同等一刀停在零之前的价钱。

## 常见误区

三种复述跟着这个零走。最后一步被说成在每一组里都是前面步骤的好几倍。信函上的排序被说成大多数人把更差的方案放在第一。金钱赌博和缺席的行动被安上本页的名字。

<AccordionGroup>
  <Accordion title="最后一步总是贵上好几倍">
    表4是四列，不是一个比率。没有孩子的杀虫剂那一列，印出的步骤是1.04美元、0.34美元和2.41美元。有五岁以下孩子的洁厕剂那一列，走到零的一步是0.99美元，与第一步相同，中间一步是0.24美元。5.71美元属于有五岁以下孩子的杀虫剂使用者。它不是每一种产品的乘数，也不是收据。
  </Accordion>

  <Accordion title="大多数人把更差的清理排成最好">
    在彻底清理防住5例、另外的方案防住6例的措辞里，42%没有把彻底清理排到最差。11%把它排成最好。在每个方案都防住6例的措辞里，18%把彻底清理排成最好。这些是看到那种措辞的人。作者说，样本并不代表被寄送的那些群体。
  </Accordion>

  <Accordion title="零风险偏差就是确定性效应，或不作为偏差">
    确定性效应，在卡尼曼和特沃斯基1979年的摘要里，是对仅仅可能的金钱结果打的折扣大于确定的结果。1987年访谈里的确定性溢价，是为走到零的同等伤害削减而多说的美元。[不作为偏差](/zh/effects/omission-bias)把来自行动的伤害评得比同样来自不行动的伤害更重。[模糊厌恶](/zh/effects/ambiguity-aversion)偏好已知的机会，而不是奖赏相同、机会未知的选项。[现状偏见](/zh/effects/status-quo-bias)偏好已经在那里的状态。清掉一处场地的方案，常常是一种改变，不是已经占据的状态。
  </Accordion>
</AccordionGroup>

## 相关概念

零风险偏差旁边，是一笔确定的钱，是对一次行动更重的评价，是对损失更重的权重，是一个已知的机会，以及已经在那里的状态。

<CardGroup cols={3}>
  <Card title="前景理论" icon="scale-balanced" href="/zh/models/prospect-theory">
    风险下选择的一个模型。它的确定性效应，对仅仅可能的金钱结果打的折扣大于确定的结果。1987年的瓶价是另一项测量。
  </Card>

  <Card title="不作为偏差" icon="hand" href="/zh/effects/omission-bias">
    对来自行动的伤害，评价比同样来自不行动的伤害更重。疫苗风险为零可以看起来相似。这里的比较是防住的病例，或同等一刀的美元。
  </Card>

  <Card title="损失厌恶" icon="exclamation-triangle" href="/zh/effects/loss-aversion">
    损失比同样大小的收益更重。同一次1987年访谈报告，风险上升被估得比下降更重。那些美元数不在本页上。
  </Card>

  <Card title="模糊厌恶" icon="circle-question" href="/zh/effects/ambiguity-aversion">
    偏好已知的机会，而不是奖赏相同、机会未知的选项。本页上的风险被说成每1万瓶的例数，或每年的癌症例数。
  </Card>

  <Card title="现状偏见" icon="balance-scale" href="/zh/effects/status-quo-bias">
    偏好已经在那里的状态。把彻底清理排在第一，是在几种改变之间做偏好，按防住的病例打分。
  </Card>
</CardGroup>

## 一句话总结

<Tip>在把预算花到把一项风险降到零之前，先写下另一个方案防住的病例，以及同等一刀停在零之前的价钱。</Tip>


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.