代表性法則

代表性法則指人們在不確定性的情形下，會抓住問題的某個特徵直接推斷結果，而不考慮這種特徵出現的真實機率以及與特徵有關的其他原因。

基本介紹

• 中文名：代表性法則
• 外文名：representativeness Heuristics
• 別稱：代表性法則
• 提出者：Kahneman和Tversky
• 提出時間：1974年
• 套用學科：工程學，社會學
• 適用領域範圍：小樣本容量

基本定義

在很多情況下，代表性法則是一種非常有效的方法，能幫助人們迅速地抓住問題的本質推斷出結果，但有時也會造成嚴重的偏差，特別是會忽視事件的基本要素（base rate neglect），即無條件機率和樣本大小。Rabin稱這種用小樣本特徵反映母體特徵的信念為“小數定理”。

正由於在金融市場上投資者的決策受到代表性啟發式的影響，DeBondt和Thaler(1985)指出投資者在進行機率修正時常傾向於反應過度，對近期的信息賦予過大的權重而對整體的基率數據賦予較低的權重，其對獲利數據的過度反應會推動股票價格偏離基本面價值。由此推論，在前段時期表現不佳的股票很可能比表現出色的股票更具有投資價值。

丹尼爾·卡納曼做了一個著名的實驗：約翰，男，45歲，已婚，有子女；他比較保守，謹慎並且富有進取心；他對社會和政治問題不感興趣，閒暇時間多用於業餘愛好，比如做木匠活和猜數字謎語。

假設他來自於一個工程師和律師組成的樣本群。然後分別告訴被測試者不同的先驗機率。一組被測試者被告知工程師人數為樣本的30%，律師為70%。另一組被測試者被告知工程師人數為樣本的70%，律師為30%。詢問兩組被測試者約翰更有可能從事哪種職業？

結果表明

結果表明，兩組被測試者大都認為約翰是工程師，即使在主試有意提醒他們注意敘述條件的情況下，這種現象仍未改變。這說明，人們只根據描述性語言的代表性進行判斷卻全然不考慮先驗機率的影響。

琳達，31歲，單身，性格外向，哲學畢業。在學校其間關心歧視和社會公平問題，參加過反核武器抗議示威活動。那么，她可能是個什麼樣的人？選項有以下兩個：1、她既是銀行職員又是個女權主義者。2、她是個銀行職員。結果表明，絕大部分人認為她更像1。雖然選項1出現的機率要比選項2出現的機率小得多。不過人們似乎認為1是對琳達更自然的描述，更像她的代表性特徵。

偏差

Kahneman和Tversky在1974年揭示了人們利用代表性的啟發方法形成信念和推理時，存在著兩個嚴重的偏差。一是過於注重事件的某個特徵而忽視了其出現的無條件機率，從而引起信念的偏差；二是忽略了樣本大小對推理的影響。這種用小樣本特徵反映母體特徵的信念是小數定理。若人們不知道數據的產生過程，他們會利用非常少的數據儘快地進行推斷。例如，他們會相信一個選了4次好股票的金融分析師是有天賦的，因為4次成功不會是一個差的金融分析師的代表性因察。若人們事前知道產生數據的過程，小數定律將產生賭徒謬論效應，或者反向調整的平均法則。若在公平的扔硬幣中連續產生5次正面，人們會說下一次一定是反面。因為他們認為即使是一個小的樣本也應該反映扔硬幣的公平特徵，因此，必須有更多的反面來平衡這么多的正面。

套用

統計學中有個大數規則,但研究發現,人們往往信奉“小數規則”,即不管樣本容量多小,人們總認為它能反映總體。比如前五次拋出的硬幣都是正面時,大多數人就會認為第六次拋出的硬幣更可能是反面,因為人們認為“正正正正正反”比“正正正正正正”更具有一般性。一些投資者老抱著一些深度套牢的股票不放,就是自認為已經兩年沒漲了,現在該輪到它了吧。投資者的這種股價會“自我矯正”的錯誤觀念,無疑是“把牢底坐穿”的一個很重要的原因。

與自我矯正觀念相反的是,投資者還很容易忽略事件會有向平均數回歸的傾向。比如,兩隻都缺乏題材的股票A和B,A股票持續上漲,B則按兵不動,此時有些投資者往往會認為A會繼續上漲,於是跟進,結果卻往往吃了大虧。投資者在挑選分析師時也同樣存在非回歸現象。

比如有兩位股評家A和B,股評家A可能連續兩次預測準確,而B兩次都預測錯誤,這時投資者往往就會認為A比B要好,於是往往聽從A的意見。事實上,也許B要比A好,只不過是B這兩次太不走運罷了。

要恰當利用代表性啟發法,投資者應做到:

(1)無論何時,都要關注基準機率;

(2)切記機率不存在自我矯正行為。股票價格一直下跌並不意味著將來更可能上漲,一直上漲的股票也並不意味著將來更可能下跌;

(3)不要被過度詳細的細節所迷惑。你對某公司掌握的信息越是充分,越應該謹防決策失誤;

(4)不要誤解向平均數回歸的現象。股票價格的波動是正常現象,不應將此與一些偶然事件聯繫在一起;

(5)仔細考察經驗關係,注意自己在推理過程中存在的謬誤。