次可加性效應

一覽

1. 快速總結

當我哋用籠統嘅詞語去思考風險或者可能性嗰陣，往往會低估佢哋。但當呢啲可能性被拆解成具體、生動嘅情景嗰陣，我哋對每個情景估計嘅總和，會超過對整體嘅估計。基本上，細節會產生信念——描述得越具體，我哋就覺得件事越有可能發生，就算邏輯上講唔通都係咁。就係因為咁，「死於自然原因」聽落會比「死於癌症加心臟病加其他自然原因」加埋嘅可能性要低。

2. 背後嘅科學原理

2.1. 發現與歷史

次可加性效應係由認知心理學家 Amos Tversky 同 Derek Koehler 喺1994年提出 支持理論 (Support Theory) 嘅開創性論文中，正式被確認同埋有嚴格記錄嘅。雖然早期嘅研究已經暗示咗違反概率可加性嘅現象，但Tversky同Koehler係第一批提供全面理論框架，解釋點解同埋點樣有系統地出現呢啲違反現象嘅人。

呢個發現源於Tversky同Daniel Kahneman自1970年代以嚟，喺不確定情況下判斷嘅廣泛研究計劃。佢哋喺捷思法同偏差方面嘅工作已經揭示咗，人類嘅概率判斷會以可預測嘅方式偏離規範模型。支持理論代表咗一種自然嘅延伸，將「主觀概率唔係依附喺事件本身，而係依附喺對事件嘅描述上」呢個見解形式化。

研究嘅重要里程碑：

• 1994年： Tversky同Koehler發表《支持理論：主觀概率嘅非外延表示》，確立理論基礎
• 1995年： Redelmeier、Koehler及其同事將研究結果擴展到醫療診斷，證明現實世界中嘅臨床意義
• 1998年： Fox同Tversky將支持理論與前景理論結合，證明喺體育博彩同金融市場中嘅效應
• 2004年： Bearden、Wallsten同Fox引入隨機模型，解釋隨機誤差嘅作用
• 2008年： Thomas及其同事提出HyGene模型，提供基於記憶提取嘅機制解釋
• 2010年代至今： 應用於情報分析、保險同地緣政治風險評估

2.2. 主要研究人員

2.3. 標誌性研究

「非自然原因」研究 (Tversky & Koehler, 1994)

呢個實驗仍然係證明次可加性最決定性嘅示範。利用受試者間設計，參與者估計美國各種死因嘅概率。

研究方法：

• 打包條件： 受試者估計隨機選擇嘅死亡係由「自然原因」引起嘅概率
• 拆解條件： 另一批受試者估計特定自然原因嘅概率：「癌症」、「心臟病」同「其他自然原因」

主要發現：

• 「自然原因」（打包）嘅平均估計：58%
• 各項估計總和：癌症 (18%) + 心臟病 (22%) + 其他 (33%) = 73%
• 當類別被拆解時，會出現15個百分點嘅膨脹

呢個證明咗「自然原因」嘅概念喺心理上並冇包含其組成疾病嘅全部份量。拆解會令特定威脅變得突出，從而增加佢哋被感知到嘅可能性。

NBA季後賽研究 (Fox & Tversky, 1998)

為咗測試領域專業知識會唔會減輕次可加性，呢項研究檢查咗職業籃球嘅預測。

研究方法：

• 參與者（球迷同分析師）判斷球隊贏得NBA總冠軍嘅概率
• 比較唔同層級嘅判斷：個別球隊、賽區同賽區聯盟

主要發現：

• 8支個別球隊嘅概率總和中位數：>2.0（邏輯最大值1.0嘅兩倍）
• 4個賽區嘅總和：大約 1.5
• 2個賽區聯盟嘅總和：大約 1.0
• 隨住劃分變得越細（越拆解），總概率單調增加

呢個證明咗專業知識並唔能夠免疫次可加性。

醫療診斷研究 (Redelmeier 等人, 1995)

研究方法：

• 向醫生展示腹痛病人嘅臨床情景
• 一組收到一份包含「腸胃炎」、「宮外孕」同「以上皆非」嘅清單
• 第二組將「以上皆非」拆解成具體選項（盲腸炎、腎石等）

主要發現：

• 當選項被拆解時，分配畀「剩餘」類別嘅概率顯著下降
• 拆解選項嘅概率總和遠超打包嘅剩餘部分
• 醫生有系統地低估咗冇明確列喺鑑別診斷上嘅疾病可能性

搜救研究 (Hill, 2012)

研究方法：

• 搜索計劃人員將概率分配畀唔同嘅搜索區域部分同埋「世界其他地方」嘅剩餘假設
• 剩餘部分被打包或拆解成具體情景（「目標搭咗巴士」、「目標被綁架」、「目標搭順風車」）

主要發現：

• 拆解後，目標喺搜索區域外嘅感知概率顯著增加
• 展示咗危險嘅操作偏差：未能拆解剩餘部分會導致過度自信目標喺搜索網格內

2.4. 神經學基礎

次可加性效應源於人類記憶同注意力系統嘅基本特性：

記憶提取樽頸： Thomas等人（2008）提出嘅 HyGene（假設生成）模型解釋，喺評估全局假設嗰陣，決策者必須將相關範例由長期記憶提取到工作記憶。由於容量限制（工作記憶只能夠容納 4±1 個資訊區塊），佢哋無法提取所有可能嘅子假設。拆解透過「外判」提取過程，避開咗呢個樽頸。

涉及嘅大腦區域：

• 前額葉皮層： 限制假設生成嘅執行功能同工作記憶限制
• 海馬體： 決定邊啲範例可以提取嘅記憶提取過程
• 杏仁核： 放大概生動、具體情景多過抽象類別嘅情緒顯著性處理

認知機制：

• 可得性捷思法： 容易諗起嘅事件會被判斷為更有可能發生
• 隨機噪音： 將內心感覺映射到數值概率時嘅隨機誤差 (Bearden 等人, 2004)
• 回歸判斷： 罕見事件嘅估計會向上回歸，而頻繁事件會向下回歸至平均值 (Fiedler)

3. 演化起源

次可加性效應可能係一種適應性反應，為咗應付喺複雜、唔確定嘅環境中生存嘅計算挑戰而演化出嚟嘅。

生存優勢： 我哋嘅祖先面臨嘅係即時、具體嘅威脅（特定嘅掠食者、特定嘅食物來源），而唔係抽象嘅類別。大腦演化成對具體、生動嘅資訊高度敏感，因為呢啲資訊通常代表可以採取行動嘅威脅或機會。籠統嘅「危險」感覺，唔及認出「嗰嚿石頭後面嗰隻特定嘅獅子」咁有用。

係特點，唔係漏洞： 喺演化角度嚟睇，過度重視具體、詳細嘅情景可能係適應性嘅：

• 具體威脅需要具體應對： 認出掠食者特定嘅狩獵方式可以進行有針對性嘅防禦
• 生動嘅情景令人難忘： 故事同具體例子比抽象統計數據更能有效地跨代傳遞生存知識
• 對具體事物保持警惕可防止自滿： 高估幾個具體危險，好過低估一個籠統嘅威脅類別

大腦嘅能量節約： 維持所有可能事件嘅完整概率分佈喺計算上係行唔通嘅。大腦使用「打包」嘅表示方式作為有效嘅總結，只有當特定情景因背景或明確描述而變得突出嗰陣，先至會將佢哋拆解。呢個代表咗準確性同認知資源節約之間一種節省能量嘅權衡。

喺現代環境中適應不良： 雖然喺有即時物理威脅嘅祖先環境中係適應嘅，但次可加性喺需要準確風險評估嘅現代環境中會變成問題：當「整體」相對於明確描述部分嘅總和被系統性低估嗰陣，保險定價、醫療診斷、情報分析同戰略規劃都會受到影響。

4. 呢種偏差點樣表現出嚟

4.1. 喺日常生活中

• 旅行風險評估： 啲人會覺得「去旅行出事嘅風險」低過「航班延誤、唔見行李、病咗、被偷嘢同天氣問題」風險嘅總和
• 健康擔憂： 對「病咗」嘅模糊擔憂，產生嘅焦慮少過諗起具體疾病
• 家居安全： 「屋企受損嘅風險」聽落細過逐項列出火燭、水浸、爆格同電力故障
• 關係擔憂： 「我嘅婚姻可能會出問題」感覺上冇列出具體潛在問題咁大可能性
• 為人父母： 父母可能會低估籠統嘅「細路面臨嘅風險」，直到具體情景（哽親、浸親、被拐帶）被列舉出嚟

4.2. 喺職場中

• 項目風險評估： 項目經理會低估「項目失敗風險」相對於具體失敗模式（超支、範圍蔓延、流失關鍵人員、技術故障）總和嘅風險
• 招聘決定： 「呢個候選人唔啱做嘅風險」聽落細過逐項列出：表現問題、文化唔夾、留任風險、技能差距
• 戰略規劃： 公司喺籠統考慮競爭威脅時，會低估咗將其拆解成具體競爭對手行動時嘅威脅
• 合規： 「法律風險」睇起嚟細過逐項列出違反法規、合約糾紛、僱傭訴訟同知識產權侵權

4.3. 喺商業同營銷中

公司點樣利用呢種偏差：

• 推銷保險： 經紀將保障範圍拆解成具體情景（火燭、水浸、失竊、責任），以增加感知價值同支付意願
• 保安系統： 營銷強調具體嘅爆格情景，而唔係籠統嘅「保護」
• 藥物廣告： 藥物廣告會列出針對嘅具體症狀，而唔係籠統嘅「健康」
• 延長保養： 零售商列舉具體嘅故障模式（爆芒、電池壞、入水）嚟增加感知風險

消費者行為模式：

• 消費者願意畀更多錢買針對拆解風險嘅保障，而唔係全面嘅「全險」保單
• 具體產品缺陷警告比籠統嘅「質素問題」引起更多關注
• 提到具體情景嘅詳細退貨政策睇起嚟更全面

4.4. 喺政治同媒體中

• 散播恐懼： 政客將模糊嘅威脅拆解成生動嘅情景，以增加感知嘅危險
• 媒體報道： 詳細嘅犯罪報道會增加感知嘅普遍性，超出統計現實
• 競選信息： 具體嘅政策失敗情景比籠統嘅警告更有說服力
• 兩極分化： 雙方都將反對政策嘅後果拆解成令人恐懼嘅細節
• 政策支持： 當籠統問題被拆解成影響特定可識別群體時，對採取行動嘅支持就會增加

4.5. 喺醫療保健中

診斷影響：

• 醫生會低估冇明確列喺鑑別診斷上嘅疾病概率
• 「剩餘」或「其他」類別獲得嘅概率權重唔夠
• 罕見疾病仍然「打包」喺包羅萬有嘅類別中，並有系統地被漏診

病人溝通：

• 收到拆解風險清單嘅病人會感覺到更大嘅整體風險
• 列舉具體併發症嘅知情同意討論會增加焦慮
• 治療依從性受到風險表達方式（打包定拆解）嘅影響

治療規劃：

• 籠統嘅「可能出現副作用」警告冇逐項列出嘅清單咁有影響力
• 拆解嘅症狀描述會影響診斷分流決定

4.6. 喺金融同投資中

• 風險評估： 投資者會低估「市場風險」相對於具體風險因素（利率、地緣政治事件、盈利意外、監管變化）總和嘅風險
• 投資組合構建： 籠統嘅「分散投資」價值低過針對具體命名事件類型嘅保障
• 保險定價： 當綑綁保障對消費者嘅價值低過各項具體保障嘅總和嗰陣，次可加性會帶嚟定價挑戰
• 莊家優勢： 體育博彩市場表現出次可加性（「超額 (overround)」）——所有結果嘅隱含概率總和超過1.0，保證莊家有錢賺

5. 現實世界案例研究

案例研究1：911情報失敗

• 背景： 2001年9月之前，美國情報機構評估咗嚟自恐怖主義嘅威脅，包括同航空有關嘅襲擊。
• 發生咩事： 對於「航空威脅」嘅主要心智模型係劫機勒索或炸毀航班。「騎劫飛機當導彈撞建築物」呢個具體假設仍然打包喺更廣泛嘅類別入面。
• 偏差作祟： 因為自殺式飛行員襲擊冇喺威脅評估中被明確拆解，呢個假設得到嘅支持同資源微乎其微。「鳳凰城電子通訊 (Phoenix EC)」（聯邦調查局關於可疑飛行學校學生嘅備忘錄）冇被拆解嘅假設去支持。
• 後果： 911委員會將呢件事形容為「想像力嘅失敗」——一種拆解嘅失敗。應該引發行動嘅證據冇被認出，因為佢所支持嘅假設從來冇被明確表達出嚟。
• 經驗教訓： 情報機構必須有系統地將威脅類別拆解成具體情景。結構化分析技術依家要求明確考慮替代攻擊模式。

案例研究2：O.J.辛普森案辯護策略

• 背景： 控方提出咗一個「打包」嘅有罪敘述：動機 + 機會 + DNA證據 = 有罪。
• 發生咩事： 辯方有系統地將「合理懷疑」拆解成具體、生動嘅情景：警察無能、警察貪污 (Mark Fuhrman)、毒梟暗殺、DNA污染。
• 偏差作祟： 就算每個單獨嘅辯護情景概率可能好低，但呢啲被拆解嘅替代方案支持度嘅總和，壓倒咗打包嘅控方敘述。辯方有效地將次可加性武器化。
• 後果： 無罪釋放。研究證實，當「其他疑犯」被拆解成具體個人嗰陣，模擬陪審員會畀較低嘅有罪概率。
• 經驗教訓： 法律策略可以蓄意利用認知偏差。檢控官必須預計到辯方嘅拆解，並用自己詳細嘅敘述結構嚟反擊。

歷史例子：挑戰者號穿梭機災難

美國太空總署 (NASA) 管理層將「發射風險」視為一個全局性、可控嘅實體。24次成功任務營造咗一種安全嘅打包印象。具體嘅故障模式——低溫下O型環侵蝕——Morton Thiokol工程師係知嘅，但未能成功拆解到高層決策中。

喺最後嘅發射/取消發射投票期間，具體嘅因果鏈（寒冷 → O型環變硬 → 氣體洩漏 → 爆炸）冇被視為一個獨立嘅假設。未知故障模式嘅「剩餘」類別被低估咗。

事故後分析揭示咗概率上嘅巨大差異：

• 管理層估計嘅失敗概率：十萬分之一
• 前線工程師估計：百分之一

呢個一千倍嘅差異說明咗拆解技術細節與睇打包嘅「整體」，點樣導致截然不同嘅風險評估。如果當時具體嘅O型環故障模式被明確拆解，並喺決策過程中給予權重，場災難可能就可以避免。

6. 呢種偏差嘅代價

6.1. 個人代價

• 準備不足： 啲人喺考慮打包形式嘅整體生活風險嗰陣會低估佢哋，導致保險、儲蓄或應急計劃唔夠
• 忽視健康： 籠統嘅「健康問題」會被忽視，而具體症狀就會引發行動
• 錯過威脅： 關係問題、財務風險同人身安全威脅喺未拆解前一直被低估
• 決策質素差： 人生決定（事業、關係、地點）基於被低估嘅風險總和

6.2. 專業代價

• 項目失敗： 被低估嘅整體風險導致應急措施唔夠
• 事業受挫： 未能拆解「有咩會出錯」嘅專業人士會被可以預見嘅問題搞到措手不及
• 診斷錯誤： 醫生漏診冇喺鑑別診斷上嘅疾病
• 情報失敗： 分析師忽略冇明確假設嘅威脅
• 財務損失： 投資者對未能拆解嘅風險對沖唔夠

6.3. 社會代價

• 政策失敗： 籠統風險類別得唔到足夠重視，直到發生具體災難
• 基礎設施脆弱性： 相對於列舉嘅故障模式，「系統故障」風險被低估
• 公共衛生： 當風險被打包成籠統嘅「疾病爆發」類別嗰陣，應對大流行病嘅準備會唔夠
• 國家安全： 當威脅假設仍然打包嗰陣會發生情報失敗

6.4. 統計影響

研究結果量化咗次可加性效應：

• 15個百分點： 拆解與打包條件下嘅平均概率膨脹 (Tversky & Koehler, 1994)
• >200%： 個別NBA球隊嘅概率總和（應該係100%） (Fox & Tversky, 1998)
• 1,000倍： NASA管理層同工程師之間對失敗概率估計嘅差異（羅傑斯委員會）
• 莊家嘅超額通常介乎 10-30% 之間，利用次可加性嚟保證利潤

7. 隱藏嘅好處

唔係所有偏差都係純負面嘅——有啲都有實用價值

• 認知效率： 打包嘅表示方式可以為應付即時挑戰節省腦力資源；拆解所有嘢會令計算量超出負荷
• 行動導向： 籠統類別能夠喺時間緊迫嘅情況下更快做出決定
• 焦慮管理： 打包嘅風險喺心理上比完全列舉嘅威脅更容易處理
• 溝通效率： 討論「失敗風險」容易過討論每一個具體嘅失敗模式
• 適應性警覺： 當拆解確實發生（透過顯著性或明確描述）嗰陣，佢會適當地增加對真正威脅嘅關注

權衡： 當快速、近似嘅判斷就夠，而且唔準確嘅代價低嗰陣，呢種偏差對我哋好有用。但喺需要準確概率評估嘅高風險領域，例如醫學、情報、工程同金融，佢就會變成一個問題。

點解完全消除佢係唔理想嘅： 完全消除需要為所有可能事件維持詳盡嘅概率分佈——呢個喺認知上係冇可能嘅，對大多數日常決定嚟講亦都冇實際必要。

8. 自我評估：你有冇呢種偏差？

8.1. 警告信號清單

• 你經常透過籠統地考慮「事情需要幾耐/幾多錢」嚟估計項目時間表或預算，而唔係逐項列出具體任務
• 你對「事後睇落好明顯」嘅負面結果感到驚訝
• 當有人列出具體失敗情景嗰陣，你嘅風險評估會急劇上升
• 直到被迫列出嚟之前，你都會低估有幾多嘢會出錯
• 你會唔理籠統嘅警告（「小心啲」），但會對具體警告作出反應（「留意橋上有冰」）
• 你嘅計劃好少包含針對具體失敗模式嘅應急措施
• 你對講得出名嘅病擔心過「病咗」
• 你覺得詳細嘅災難情景比整體風險嘅統計數據可怕得多
• 你因為冇逐項列出具體開支而低估咗成本
• 你經常被「包羅萬有」類別（「其他開支」、「雜項風險」）入面嘅問題搞到措手不及

計分：

• 0-2項：低敏感度
• 3-5項：中等敏感度
• 6-8項：高敏感度
• 9-10項：極高敏感度

8.2. 自我反思問題

1. 幾時發生過一件「唔應該發生」嘅事，而事後回想，如果你有列出具體風險，係完全可以預測得到嘅？
2. 當你強迫自己逐項列出具體情景，與喺籠統類別中思考相比，你嘅風險估計有咩變化？
3. 喺邊啲領域你會依賴包羅萬有嘅類別（「其他」、「雜項」、「所有其他嘢」）而唔去拆解佢哋？
4. 你嘅項目估計或計劃有幾經常會考慮具體失敗模式，而唔係籠統嘅「緩衝時間」？
5. 有冇人指出過一啲被你忽視嘅風險，原因係佢哋冇喺你嘅明確清單上？

8.3. 快速診斷情景

情景： 你計劃緊下年夏天搞一個大型戶外婚禮。你估計大約有15%嘅機會「天氣或者物流會出問題」。

跟住你嘅婚禮策劃師要求你分別估計以下情況發生嘅概率：(a) 婚禮期間落雨，(b) 極端高溫需要轉換場地，(c) 供應商甩底，(d) 賓客交通問題，同埋 (e) 其他物流問題。

你會點回答？

• A) 「每一樣單獨發生都好微——每樣可能5%，加埋大約25%啦... 等等，呢個高過我原本估嘅15%喎。」 → 高敏感度（典型次可加性）
• B) 「等我諗諗... 落雨10%，酷熱8%，供應商5%，交通7%，其他10%——加埋40%！我原本估得太低喇。」 → 中等敏感度（有人提你你就發覺到）
• C) 「我應該有系統咁拆解呢件事。等我用一個結構化嘅方法，確保我嘅整體估計同各部分係一致嘅。」 → 低敏感度（你認識到需要進行結構化評估）

9. 識別其他人身上嘅呢種偏差

9.1. 行為指標

• 含糊咁忽視風險： 冇經過具體分析就話「我哋會冇事嘅」
• 對失敗感到驚訝： 對一啲拆解後就可以預見嘅結果表示震驚
• 包羅萬有嘅類別： 喺計劃中嚴重依賴「其他」、「雜項」或「等等」
• 抗拒逐項列出： 當被要求分解全局估計嗰陣感到唔舒服
• 細節越多越焦慮： 當列舉具體情景嗰陣表現出明顯擔憂

9.2. 對話危險信號

喺呢種偏差影響下啲人會講嘅說話：

• 「嗰件事發生嘅機會有幾大呀？」（針對佢哋冇考慮過嘅具體事件）
• 「我冇諗過嗰個具體情景」
• 「整體風險好低」（冇拆解組成部分）
• 「我哋已經涵蓋咗主要風險」（冇檢查剩餘部分）
• 「嗰個太具體喇，唔使擔心」

佢哋提出嘅論點類型：

• 基於全局直覺而唔係組件分析嚟忽視整體風險
• 未經檢查就將「其他」類別視為微不足道

佢哋避免問嘅問題：

• 「有咩具體事情會出錯？」
• 「我哋嘅『所有其他嘢』類別入面有啲咩？」
• 「我哋有冇明確考慮過替代假設？」

9.3. 情景觸發因素

• 時間壓力： 當趕時間嗰陣，啲人會依賴打包嘅全局估計
• 認知負荷： 多重需求降低咗拆解嘅能力
• 自信/專業知識： 專家可能反常地基於經驗打包假設
• 複雜性： 高度複雜嘅領域會引致打包簡化
• 情緒利害關係： 高焦慮情況會引發為咗心理安慰而依賴全局類別

10. 認知去偏見策略

10.1. 即時技巧

• 強迫拆解： 喺做概率估計之前，明確列出最少5-10個具體情景
• 檢查你嘅剩餘部分： 問吓「我嘅『其他』類別入面有啲咩？」然後拆解佢
• 事前驗屍分析： 想像失敗已經發生，然後向後推搵出具體原因
• 魔鬼代言人： 指派專人列舉替代假設
• 概率審計： 拆解之後，檢查你嘅估計加埋係咪一個合理嘅總和

10.2. 長期策略

• 制定清單： 創建特定領域嘅失敗模式清單嚟有系統咁考慮
• 練習結構化分析： 接受好似競爭假設分析 (ACH) 等技術嘅培訓
• 研究基本概率： 了解你嗰行事件嘅實際發生頻率嚟校準直覺
• 擁抱情景規劃： 將明確嘅情景生成變成一種常規做法
• 培養知識上嘅謙遜： 承認你打包嘅估計係有系統性偏差嘅

10.3. 環境設計

• 將拆解制度化： 喺組織流程中要求逐項進行風險評估
• 使用範本： 創建強迫列舉具體情景嘅表格
• 決策審查委員會： 成立挑戰打包估計嘅委員會
• 資訊系統： 設計可以呈現分類風險數據嘅數據庫同報告
• 激勵機制： 獎勵識別具體風險，而唔係淨係籠統嘅警惕

10.4. 幾時要尋求外部意見

• 高風險決定： 重大投資、醫療決定、戰略選擇
• 新領域： 你缺乏具體失敗模式經驗嘅領域
• 當「其他」好大陣時： 如果你嘅剩餘類別睇起嚟好大份，搵專家嚟拆解
• 遇到驚喜/驚嚇之後： 如果一個結果令你驚訝，搵其他人幫手搵出你錯過咗啲咩
• 做一致性檢查嗰陣： 叫其他人核實你嘅概率估計加埋係咪適當

11. 實用練習

練習1：事前驗屍拆解

• 目標： 培養喺具體失敗模式發生之前識別佢哋嘅技能
• 所需時間： 20-30分鐘
• 所需物資： 紙、計時器、一個計劃緊嘅決定或項目
• 難度級別： 初學者
• 指示：
  1. 揀一個你計劃緊、即將要做嘅決定、項目或事件
  2. 喺頂部寫低：「依家係[未來日期]。呢件事徹底失敗咗。點解？」
  3. 較計時器10分鐘，列出你可以想像到嘅每一個具體失敗原因
  4. 將你嘅原因分類
  5. 對於每個類別，估計最少有一項發生嘅概率
  6. 將你嘅估計加埋，同你原本全局嘅「失敗風險」直覺做比較
• 反思問題：
  • 拆解後你嘅整體風險估計有咩變化？
  • 你最初忽略咗啲咩類別？
  • 邊啲具體情景令你驚訝？
• 頻率： 每次重大決定或項目之前

練習2：剩餘部分審計

• 目標： 訓練對包羅萬有類別嘅系統性關注
• 所需時間： 15分鐘
• 所需物資： 最近有「其他」類別嘅預算、計劃或風險評估
• 難度級別： 中級
• 指示：
  1. 搵一份你用咗包羅萬有類別（雜項開支、其他風險等）嘅文件
  2. 列出最少10項可能屬於嗰個類別嘅具體項目
  3. 估計每個具體項目嘅概率或規模
  4. 將呢啲估計加埋，同你原本「其他」嘅分配做比較
  5. 根據呢個分析修改你嘅整體估計
• 反思問題：
  • 拆解將你嘅估計改變咗幾多倍？
  • 你喺打包入「其他」嘅嘢入面睇到咩規律？
  • 將來你會點樣處理剩餘類別？
• 頻率： 每星期審查一個「其他」類別

練習3：概率一致性檢查

• 目標： 培養對可加性限制嘅意識
• 所需時間： 15分鐘
• 所需物資： 紙、計數機
• 難度級別： 高級
• 指示：
  1. 揀一個領域（體育、政治、天氣、個人）
  2. 搵一個有互斥、窮盡結果嘅事件
  3. 獨立估計每個結果嘅概率
  4. 將你嘅估計加埋——佢哋應該等於100%
  5. 如果超過100%，重新分配以達到一致
  6. 反思你最願意修改邊啲估計
• 反思問題：
  • 你最初嘅估計超出100%幾多？
  • 呢個話畀你知你嘅概率直覺係點嘅？
  • 強迫一致性點樣改變咗你嘅諗法？
• 頻率： 每星期

日常練習

拆解停頓： 喺做任何重要估計或決定之前，停頓60秒，列出最少三個可能會影響結果嘅具體情景。

• 建議持續時間：每個決定1分鐘
• 最佳時間：全日，當有決定要留嗰陣
• 點樣追蹤進度：用日記記錄初步全局估計同拆解後評估之間嘅差異

每週挑戰

假設清單： 每個星期，揀你生活嘅一個領域（健康、財務、事業、關係），創建一個包含最少20件可能會出錯嘅具體事情清單，連埋概率估計。

• 4個星期後嘅預期結果：對整體風險嘅直覺得到校準；減少對負面事件嘅驚訝；更穩健嘅應急計劃
• 反思嘅日記提示：
  • 我最長期唔拆解嘅係邊啲領域？
  • 我嘅風險認知有咩改變？
  • 跨領域出現咗咩規律？

12. 畀特定受眾嘅建議

畀領導者同管理者

• 戰略規劃： 強制喺所有風險評估中明確列舉情景
• 團隊會議： 喺重大舉措之前訓練團隊進行事前驗屍分析
• 決策過程： 為複雜決定實施結構化技術（例如 ACH）
• 資源分配： 質疑打包嘅資源類別；要求逐項列出
• 績效評估： 評估員工預計具體挑戰嘅能力，而唔係淨係籠統嘅警覺性
• 組織學習： 失敗後，進行根本原因分析，拆解錯過咗啲咩

畀父母同教育工作者

教細路認識次可加性：

• 用具體例子：「有咩嘢可能會搞到你返學遲到？」對比「你會唔會遲到？」
• 玩需要拆解同檢查總數嘅估計遊戲
• 喺做家庭決定嗰陣大聲示範結構化思考
• 為旅行、活動同計劃制定家庭清單

適合年齡嘅解釋：

• 幼兒：「當我哋諗吓所有可能會發生嘅事嗰陣，我哋會發現比最初諗嘅要多」
• 青少年：「我哋嘅大腦會行捷徑，令我哋喺籠統思考嗰陣低估風險」
• 活動：有明確逐項列出嘅規劃練習；概率遊戲

畀醫療保健專業人員

• 鑑別診斷： 永遠要拆解「其他」類別；明確考慮最初冇列出嘅診斷
• 病人溝通： 要意識到拆解嘅風險清單會增加病人焦慮；喺全面同安撫之間取得平衡
• 醫療失誤： 承認冇列出嘅診斷會有系統地被降低權重
• 決策支援： 使用強迫考慮廣泛假設集嘅診斷清單
• 知情同意： 安排討論，以適當咁呈現打包同拆解嘅風險資訊

畀金融專業人士

• 風險評估： 要求客戶列舉具體嘅財務風險，而唔係淨係「市場風險」
• 投資組合構建： 設計投資組合嚟應對具體識別嘅風險，而唔係籠統嘅分散投資
• 保險產品： 幫客戶明白綑綁保障可能會因為次可加性而感覺冇咁有價值
• 客戶教育： 解釋拆解風險點樣改變認知，同埋點解一致嘅評估咁重要
• 盡職審查： 創建清單，強迫拆解投資分析中嘅「所有其他嘢」類別

13. 同其他偏差嘅相互作用

放大呢種偏差嘅偏差

抵消呢種偏差嘅偏差

常見偏差鏈

自滿級聯： 過度自信 → 次可加性（將風險打包入「唔太可能」類別） → 確認偏見（忽略打包假設嘅證據） → 對可預見嘅失敗感到驚訝 → 後見之明偏見（「一早應該估到」）

解釋： 當充滿自信嗰陣，我哋會將風險打包到好少概率權重嘅籠統類別入面。確認偏見跟住阻止我哋注意到可以支持拆解替代方案嘅證據。失敗發生咗，後見之明偏見令我哋相信具體嘅失敗係好明顯嘅——即使我哋嘅打包表示方式阻止咗我哋睇到佢。

打斷級聯： 及早強迫拆解；指派魔鬼代言人生成具體情景；要求對所有假設進行證據評估，而唔係淨係針對偏好嘅假設。

14. 文化觀點

關於支持理論嘅跨文化研究有限，但出現咗幾個規律：

普遍方面：

• 構成次可加性基礎嘅記憶提取機制似乎係人類普遍嘅認知特性
• 基本嘅拆解效應喺西方同亞洲樣本（Takemura，日本）中都得到複製

文化差異：

• 強調整體思維嘅文化可能會喺類別點樣自然「打包」方面表現出唔同嘅模式
• 風險溝通規範各有唔同——有啲文化偏好明確列舉，而有啲就用隱含溝通

對跨文化互動嘅影響：

• 風險溝通策略應該考慮明確與隱含列舉嘅文化規範
• 多文化團隊可能會受惠於多樣化嘅拆解傾向
• 全球性組織需要為結構化分析技術提供適應文化嘅培訓

15. 迷思與誤解

16. 專家見解

「將假設拆解成具體嘅組成部分，往往會增加對嗰個假設嘅感知支持度，違反咗外延性嘅規範原則。」 —— Amos Tversky & Derek Koehler，1994年

「我哋提供關於一組可能性嘅細節越多，嗰組可能性睇起嚟就越有可能發生，即使概率邏輯指出結果唔係咁。」 —— 摘自支持理論研究綜合

「導致911事件嘅想像力失敗，可以被理解為拆解嘅失敗——特定嘅攻擊模式從來冇被明確假設過。」 —— 情報分析對911委員會報告嘅解讀

「次可加性唔單止係一個實驗室錯誤，亦都係專業人士利用嘅市場現實。」 —— Peter Ayton 談莊家行為

「解決次可加性嘅方法唔單止係『更好嘅思考』，而係『更好嘅數學』——強迫系統遵守人類思維自然違反嘅概率公理。」 —— David Mandel 談一致化演算法

17. 關鍵要點

1. 細節產生信念： 我哋越具體咁描述可能性，佢哋就似乎越有可能發生，就算邏輯上唔應該係咁。

2. 概率依附喺描述上，而唔係事件上： 我哋點樣表達一個結果，會從根本上改變我哋對佢可能性嘅評估。

3. 專業知識提供唔到保護： 醫生、情報分析師同體育專家都會表現出次可加性。

4. 現實世界後果嚴重： 由挑戰者號災難到911，以至法律判決，未能拆解已經造成人命損失同扭曲司法。

5. 剩餘部分被低估： 留喺「其他」或「以上皆非」入面嘅任何嘢，得到嘅概率權重都唔夠。

6. 結構性干預有效： 清單、強迫一致性同聚合演算法，比單靠意識更有效地減少次可加性。

7. 呢個係一種權衡： 呢種偏差喺低風險情況下可以提高認知效率，但喺需要準確風險評估嘅高風險領域就會變得危險。

18. 進一步資源

學術論文

• Tversky, A., & Koehler, D. J. (1994). Support theory: A nonextensional representation of subjective probability. Psychological Review, 101(4), 547-567.
• Fox, C. R., & Tversky, A. (1998). A belief-based account of decision under uncertainty. Management Science, 44(7), 879-895.
• Redelmeier, D. A., Koehler, D. J., Liberman, V., & Tversky, A. (1995). Probability judgement in medicine: Discounting unspecified possibilities. Medical Decision Making, 15(3), 227-230.
• Bearden, J. N., Wallsten, T. S., & Fox, C. R. (2004). Subadditivity and similarity in probabilistic judgments. Working Paper, University of Arizona.
• Thomas, R. P., Dougherty, M. R., Sprenger, A. M., & Harbison, J. I. (2008). Diagnostic hypothesis generation and human judgment. Psychological Review, 115(1), 155-185.

書籍

• Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.
• Gilovich, T., Griffin, D., & Kahneman, D. (Eds.). (2002). Heuristics and Biases: The Psychology of Intuitive Judgment. Cambridge University Press.
• Heuer, R. J. (1999). Psychology of Intelligence Analysis. Center for the Study of Intelligence.

書籍章節

• Koehler, D. J. (2000). Explanation, imagination, and confidence in judgment. In D. Griffin, D. J. Koehler, & N. Harvey (Eds.), Blackwell Handbook of Judgment and Decision Making (pp. 499-519). Blackwell Publishing.

19. 總結卡

適合列印或快速參考嘅單頁視覺總結

20. 常用術語表

21. 討論問題

畀讀書會、課堂或自我反思用：

1. 諗吓一個你做過、但有預料之外負面結果嘅重大決定。事後回想，嗰個有問題嘅情景係咪喺你嘅評估入面一直保持「打包」狀態？拆解會點樣改變你嘅決定？

2. 媒體同政治傳播點樣利用次可加性效應？你能唔能夠搵出最近嘅例子，將籠統威脅拆解成生動情景以增加感知風險？

3. 喺咩方面次可加性效應可能係適應性嘅？有冇一啲情況下，保持打包表示對我哋有利？

4. 高風險領域（醫學、情報、工程）嘅專業人士應該點樣平衡詳盡拆解嘅認知成本同留低打包假設嘅風險？

5. 諗吓O.J.辛普森嘅案例研究。辯方利用拆解嚟製造合理懷疑，喺道德上有冇問題？定係合法嘅辯護？法律系統應該點樣考慮呢啲認知效應？