啟髮式偏差

當人們要對一個既複雜模糊又不確定的事件進行判斷時，由於沒有行之有效的方法，往往會走一些思維的捷徑，比如：依賴過去的經驗，通過對過去的經驗進行分析處理，得到啟示，然後利用得到的啟示作出判斷。這些思維的捷徑，有時幫助人們快速地做出準確的判斷，但有時會導致判斷的偏差。這些因走捷徑而導致的判斷偏差，就稱為“啟髮式偏差”。

啟髮式偏差主要有三種：代表性偏差、可得性偏差、錨定效應。這三種方法既可以得出正確的推理結果也有可能導致錯誤的結論。

在使用啟發法時，首先會考慮到借鑒要判斷事件本身或事件的同類事件以往的經驗即以往出現的結果，這種推理過程稱之為代表性啟發法。

一般情況下，代表性是一個有用的啟發法，但在分析以往經驗，尋找規律或結果的概率分佈的過程中，可能會產生嚴重的偏差，從而得到錯誤的啟示，導致判斷錯誤。

使用“代表性”進行判斷可能產生的偏差有:

(1)代表性會導致忽略樣本大小。在分析事件特徵或規律時，人們往往不能正確理解統計樣本大小的意義，對總體進行統計的結果才是真正的結果，樣本的數量愈接近真實的數量，統計的結果也就愈可信，樣本愈小，與真實數量相差愈大，統計的結果愈不能反映真實的結果情況。代表性啟發法是對同類事件以往所出現的各種結果進行統計分析，得到結果的概率分佈從而找出發生概率最大的結果即最可能發生的結果。因此必須考察所有同類事件這個總體或者考察盡量多同類事件(大樣本)。但人們往往趨向於在很少的數據基礎上很快地得出結論。

(2)代表性會忽略判斷的難易程度，即使面對的是一個複雜的難以判斷的問題，也簡單地去作出判斷，或經常根據不規範的和與判斷無關的描述輕易地作出判斷，或經常會忽略掉不熟悉或是看不懂的信息，只憑自己能夠理解和熟悉的信息去作出判斷，這些忽略掉的信息可能對判斷是關鍵的。

在使用啟發法進行判斷時，人們往往會依賴最先想到的經驗和信息，並認定這些容易知覺到或回想起的事件更常出現，以此作為判斷的依據，這種判斷方法稱為可得性啟發法。

人們最容易想到的通常是過去經常發生的事件或近期發生的不尋常事件，但這些信息也可能對判斷是不重要的或不夠的，自然也會導致判斷上的偏差，因此，在使用可得性啟發法時要注意對易得性信息的性質進行判斷，挖掘更多的信息進行綜合判斷。

人們在進行判斷時常常根據一些典型特徵或過去的經驗對事件的發生產生某個錨定值，調整的範圍也在該錨定值的臨近領域，導致在判斷中常常過分誇大或縮小事件的發生概率，出現非理性傾向。