轶事谬误

概览

1. 速览

人类喜欢讲故事。引人注目的亲身经历往往能吸引我们的注意，抽象数字很少有这样的效果。轶事谬误指的是让一个生动的故事，比如“我爷爷吸烟，却活到了90岁”，压过大量统计证据。一个吓人的疫苗故事就可能盖过数百万儿童的安全性数据，正如当年一则“福利女王”的故事曾影响涉及数百万家庭的政策。

用大白话说

轶事谬误，就是一个好故事在你心里胜过了一大堆数字。别人告诉你自己的经历，你会觉得它比关于成千上万人的事实更可信，即使后者更能帮你判断。

假如午饭时，一个同学说他表哥吃了食堂的披萨后生病了，你就一个月都不碰披萨。可是，每周有几百个孩子吃那种披萨，都好好的。也许他表哥本来就肠胃不舒服。你因为一个故事改变了做法，却完全没想到那些没事的孩子，因为谁也不会特意说：“我吃了披萨，什么事也没有。”

有个简单的办法。当一个故事让你想改变主意时，先问：“一共多少人，出了这么一个？”五个人里有一个，比例不小；一千个人里有一个，就几乎不算什么。同一个故事，听起来没有变，但这个答案会告诉你，该把它看得多重。

2. 背后的科学

2.1. 发现与历史

对轶事谬误的正式研究源于1970年代更广泛的“启发法与偏差”研究计划。逻辑学家早已认识到，依据不足的样本推理会出问题；后来，认知心理学家揭示了这种错误的系统性。

Amos Tversky与Daniel Kahneman在1970年代初提出可得性启发法，表明人们会依据例子浮现于脑海的难易程度判断概率。这有助于解释，为什么生动的轶事能压过抽象的统计数据。

从1970年代末到1980年代，Eugene Borgida、Richard Nisbett、Ruth Hamill和Timothy Wilson等研究者开展了一系列实验。结果表明，即使明确提醒轶事并不典型，人们仍持续偏重具体的个人证言，轻视具有代表性的统计数据。

这一结论也受到过质疑。1982年，Shelley Taylor与Suzanne Thompson在《心理学评论》上发表题为《追寻难以捉摸的“生动性”效应》的实验文献综述，认为Nisbett等人提出的效应在受控研究中既微弱又不稳定。许多实验发现，生动信息并不比平淡信息更有优势；其中有几项发现优势的实验采用了视频与印刷文字对比等操纵方式，把生动程度与其他变量混在了一起。Shedler与Manis（1986）进一步指出，即使出现了生动性效应，可得性启发法也无法很好地解释它。此后三十年，研究结果一直有分歧。2020年，Traci Freling等人汇总61篇论文进行元分析，发现效应的方向取决于情绪投入程度：面对严重威胁、健康问题以及直接涉及读者自身的问题，轶事比统计数据更有说服力；面对轻微威胁、非健康话题以及涉及他人的问题，统计数据更有说服力。

因此，轶事谬误更适合被描述为一种有条件出现的倾向，而非普遍的认知特征。故事确实有吸引力，尤其在利害与自己切身相关时最强。下文的演化解释说明了这种吸引力为何存在，并不意味着统计数据总会输给故事。

2.2. 主要研究者

2.3. 里程碑式研究

面对面讲述的力量（Borgida与Nisbett，1977）

这项研究直接检验了统计摘要与个人证言究竟哪一个对决策影响更大。

研究者向本科生提供了可供选修的心理学课程信息。统计组看到数百名往届学生的课程评价均值，这些数据提供了可靠的统计共识。轶事组则只听到一两位据称修过该课程的人当面作出的简短评论，实际上这些人是配合研究的实验助手。

面对面的轶事对选课的影响远大于统计摘要，即便统计数据代表了此前全体学生的看法。研究者得出结论：“信息被采用的程度与其生动性成正比。”这一发现为“决策时轶事会压过数据”的观察提供了实证依据。

重复研究情况： 这项研究推动了对一般“生动性效应”的探索，但后来证据并不支持将其视为普遍规律。Taylor与Thompson在1982年的综述中发现，实验室研究中的效应微弱且不稳定，许多实验并未发现生动信息更有优势。Freling等人（2020）汇总61篇论文的元分析厘清了这些不一致结果的方向：情绪投入较高时（威胁严重、涉及健康或读者自身处境），轶事比统计数据更有说服力；情绪投入较低时（威胁轻微、非健康话题或涉及他人处境），统计数据更有说服力。Borgida与Nisbett的选课实验，正属于与自身相关、情绪投入较高的那一类。

对样本偏差不敏感（Hamill、Wilson与Nisbett，1980）

这项研究检验了当人们被明确告知某则轶事并不典型时，是否会调整自己的判断，也就是直接检验理性纠偏是否可能。

参与者观看了一段对某位领取福利救济的女性的录像访谈。她被呈现为两种形象之一：一个在困境中挣扎的负责任的人，或是一个滥用制度的人。其中一半参与者被明确告知，这名女性极不典型，无法代表普通的福利领取者。

参与者对福利领取者整体的态度几乎完全取决于这一次访谈的内容。看到“不负责任”的女性的参与者，对福利领取者整个群体形成了更严苛的看法。提醒案例并不典型几乎没有作用，正确的统计数据也未能使人们免受这一个生动故事的影响。

合取谬误（Tversky与Kahneman，1983）

这项著名研究严格来说并非研究轶事，但它表明，叙事连贯性可以压过统计概率。

参与者读到一段关于“Linda”的描述（31岁，单身，直言不讳，聪慧，主修哲学，学生时代很关注歧视与社会公正问题）。随后，研究者问哪种情况更有可能：（A）Linda是一名银行出纳；（B）Linda是一名银行出纳，并且积极参与女权运动。

约85%的参与者选择了B，尽管这在逻辑上不可能成立：两个事件同时发生的概率不可能高于其中一个单独发生的概率。“参与女权运动的银行出纳Linda”这个“故事”，让人觉得比“银行出纳Linda”更连贯。大脑常常把“更好的故事”与“更高的概率”混为一谈。

价值一致性效应（Slater与Rouner，1996）

这项研究考察了轶事在何种情况下最具说服力。

研究发现，信息符合听者已有的价值观时，统计证据有效；信息与听者的态度相悖，也就是违背其信念时，轶事证据更有说服力。当人们处于防御状态时，统计数据很容易被审视和驳回，而故事却能通过叙事传输卸下听者的心防。叙事因此成为说服的“特洛伊木马”。

2.4. 神经基础

大脑通过不同的系统处理轶事与统计数据，这是故事让人感觉更具吸引力的部分原因。

听统计数据主要激活大脑的语言处理区域，即布洛卡区与韦尼克区。听故事则在激活语言区域的同时，调动感觉与运动皮层；如果听者亲身经历所述事件，参与活动的也是这些区域。这种现象称为神经耦合，让听者在心理上与讲述者“同步”。

认知的双系统模型提供了理论框架。生动、具体的轶事调用的是“经验式”处理，即系统1，其特点是快速且受情绪驱动。统计信息则需要系统2的处理，即审慎而合乎逻辑的加工。由于人类是力求少花心力的“认知吝啬鬼”，生动的轶事往往会完全绕过批判性分析。

关于情绪与信息相容性的研究表明，当决策情境引起强烈情绪时，例如后果重大或自身容易受到伤害，人们会更倾向于依赖轶事证据。后果重大的决策使我们更多地“凭感受”处理信息，更看重故事引起的切身感受，轻视抽象事实。

3. 演化起源

人脑常被形容为“在构造上偏爱故事”。演化心理学家提出，叙事是早期人类的一项主要生存工具。关于食物来源、捕食者、社会动态和危险处境的信息，早在文字或数学发明之前，就已通过故事代代相传。这也是为什么人类有时被称为Homo Narrans（讲故事的人）。

在祖先所处的环境中，这完全说得通。草丛中的窸窣声（一个具体而即时的事件）比关于风的抽象概率估计更值得留意。部落成员的具体故事，比如谁在哪里找到食物、谁被哪种猛兽袭击，能提供可用于行动的生存信息。那些为了“基础比率”而无视生动警告的人，也许根本活不到繁衍后代的时候。

轶事谬误是一种曾让祖先受益良多的认知适应，却在现代情境中变成了负担。我们的石器时代大脑，是为个人故事大体能代表当地情况的小型部落而演化的；它并非为一个拥有80亿人口、全球统计数据、复杂因果链条和大数定律的世界而生。

这套机制在今天的许多场合已经失去用武之地。大脑默认倾向于生动而具体的信息，以此节省认知能量，因为在演化史上这通常是对的选择。而今天，同样的机制却让我们对空难的恐惧超过车祸，尽管两者的实际风险率相差悬殊。

4. 这种偏差的表现方式

4.1. 日常生活中

轶事谬误影响日常决策的方式不易察觉，却会带来实际后果。

在挑选商品时，人们常常把朋友一次糟糕的经历看得比数千条好评还重。“我表哥买了那款车，第一年变速箱就坏了”，就足以压过基于数百万数据点得出的可靠性评级。

在健康决策中，个人故事占据主导。人们安排饮食时，常常听信某位“靠生酮饮食治好了糖尿病”的朋友，忽略有对照的营养学研究；安排锻炼时，也会跟着身材不错的熟人做，忽略运动科学的依据。

恐惧与风险评估被严重扭曲。听闻鲨鱼袭人事件后，海滩上的人会变少，尽管统计风险（微乎其微）并没有变化。一则入室犯罪的故事，会让犯罪率近乎为零的社区装上昂贵的安防系统。

亲密关系决策同样受害。朋友的离婚故事可能使人对婚姻产生负面看法，其影响甚至超过任何关于亲密关系的研究。一个“疯狂前任”的故事，就能塑造人们对整整一类潜在伴侣的预期。

4.2. 职场中

职业环境为轶事谬误扭曲判断提供了充足空间。

招聘决策尤其容易受影响。面试中讲出动人故事的候选人，往往胜过资历更佳的候选人。反过来，与某所学校或某种背景的一名员工的一次糟糕经历，也可能使日后的决策对整个群体产生偏见。

绩效评估会把生动的个别事件看得比稳定的长期表现更重。曾在关键时刻挽回局面的员工，留给人的好印象往往胜过业绩一贯良好、工作可靠的员工。反之亦然：一次令人难忘的失误，就可能盖过多年的扎实工作。

战略决策常常沿用“我上一家公司怎么做管用”的思路，缺少对当前情况的系统分析。领导者据以推断的是有限的个人经验，更广泛的市场数据却被忽略了。

项目复盘常常只盯着生动的失败故事，忽略系统分析。“还记得X项目吗？”成了回避整整一类举措的理由。

4.3. 商业与营销中

营销人员早已了解并利用轶事谬误。

证言在广告中占据主导，因为它们确实有效。一个人声称“这个产品改变了我的人生”，比临床试验更具说服力。减肥产品几乎完全依赖前后对比照片和个人故事，因为统计上的效果数据远没有这样的说服力，而且往往不利于产品宣传。

B2B营销中的案例研究运用的是同样的心理机制。一个客户成功实施方案的详细故事，比汇总的绩效统计更能说服人。

社会认同机制同样利用了轶事式推理：“加入10,000名满意客户”听起来很有分量，但真正带来更多转化的，是那条附有动人叙述的五星好评。

医药广告越来越多地在疗效数据之外（或取而代之）加入患者故事。广告主知道，一个能让人产生共鸣的人的现身说法，胜过百分比和p值。

4.4. 政治与媒体中

随着政治策略人员逐渐摸清什么能打动选民，政治传播也越来越多地使用轶事。

“某某人的遭遇”式故事主导着政策辩论。政客们不去讨论政策的总体效应，而是在集会和演讲中请出具体的个人：一位被某项监管所害的小企业主，一个因某项计划而受益的家庭。政策有了具体的人物形象。

“福利女王”现象（详见下文案例研究）表明，一个非典型个案就能重塑整场全国性的政策辩论。此后，同样的套路又被用在从移民到医疗保健的各类议题上。

新闻媒体通过选题放大了这一问题。能构成动人叙事的事件所获得的报道量，与其统计上的重要性不成比例。校园枪击、空难和鲨鱼袭击所获得的报道，都远超其实际发生频率。结果便是公众风险认知的系统性扭曲。

社交媒体加速了轶事的传播。一个动人的故事可以病毒式扩散，而准确的统计更正却无人问津。错误信息借助叙事传播；更正之所以失败，正是因为它依赖数据。

4.5. 医疗保健中

在医学中，轶事与统计数据谁占上风，后果关乎生死。

患者的决策深受故事影响。一位朋友服药的糟糕经历，就可能压过关于疗效与安全性的临床证据。患者选择的是名人现身说法推荐的疗法，而不是由随机对照试验支持的疗法。

反疫苗运动几乎完全依赖轶事证据。遵循经典叙事弧线（健康的孩子 → 干预 → 受害）的“疫苗致害”故事，即使有压倒性的疫苗安全统计证据，仍然很能打动人。对家长而言，把“我认识一位家长，他……”与数百万剂安全接种放在一起衡量，在认知上要容易得多。

即便是医生也难以幸免。临床直觉，本质上就是积累起来的个人轶事，可能压过循证实践指南。哪怕元分析结果不支持这些疗法，医生仍可能继续开出那些“对我的患者管用”的疗法。

替代医学依靠轶事发展壮大。由于无需承担统计举证的负担，从业者能提供动人的现身说法，而常规医学基于数据的方式在情感上无法与之匹敌。

4.6. 金融与投资中

金融决策涉及重大的利害，也充满不确定性，给轶事式推理提供了理想条件。

投资决策遵循“我认识某人靠……赚了几百万”的套路。朋友投资比特币获利的故事，比投资组合理论和历史回报分布更有说服力。

熟人提供的股票消息，本质上是关于公司业绩的轶事，却能驱动忽视基本面分析的交易决策。“我妹夫在那儿上班，他说……”就能压过对财务报表的细致分析。

房地产决策把本地投资者的成功故事看得比市场统计更重。某位邻居靠炒房致富的传闻，对行为的影响超过关于投资者回报的汇总数据。

金融轶事中的幸存者偏差进一步加重了问题。我们能听到赢家的故事，因为他们愿意讲；输家保持沉默，我们就听不到。收集到的轶事因此成了一个被系统性扭曲的样本。

5. 现实案例研究

案例研究1：塞麦尔维斯的悲剧

• 背景： 1840年代的维也纳，分娩可能致命。维也纳总医院设有两个产科病区，产褥热（产后热）的死亡率相差悬殊。
• 发生了什么： 匈牙利医生伊格纳茨·塞麦尔维斯收集了严谨的数据，显示由医生（他们刚做完尸体解剖便前来）负责的病区死亡率约为18%，而由助产士负责的病区约为2%。他推行了氯水洗手，使死亡率降至约1%。
• 偏差如何起作用： 医学界拒绝接受他的统计发现，转而固守关于“瘴气”和“体液”的根深蒂固的轶事式理论。顶尖的产科医生们基于个人经验与绅士身份辩称，他们的手绝不可能不干净。医生认为自己是在治病救人，这种自我认识容不下暗示他们正在杀人的数据。
• 后果： 塞麦尔维斯遭到嘲笑与排挤，最终被送进精神病院，并在那里死于败血症，正是他已学会如何预防的那种感染。在细菌理论最终为他的统计数据正名之前的数十年间，无数妇女丧生。
• 经验教训： 这一案例催生了“塞麦尔维斯反射”一词，指因新证据与既有信念相悖而条件反射式地加以拒斥。当职业身份受到威胁时，即便是能挽救生命的数据，也无法压过根深蒂固的叙事。

案例研究2：“福利女王”与政策制定

• 背景： 在1976年美国总统竞选期间，罗纳德·里根屡次描述一位“芝加哥女人”，称她使用了80个化名骗取15万美元免税收入，还开着凯迪拉克。
• 发生了什么： 这位名叫Linda Taylor的女性确有其人，但她是犯罪领域的极端个例，一个“统计学上的独角兽”，其复杂的欺诈行为极其罕见。里根却反复用这一则轶事来概括整个福利制度。
• 偏差如何起作用： “福利女王”这一生动形象，利用的正是Hamill、Wilson和Nisbett所记录的“对样本偏差的不敏感”。戏剧性的细节让Taylor的故事对选民而言高度“可得”，比抽象的贫困统计数据更真实。
• 后果： 这一则轶事助推了政策变革，影响了数百万与Linda Taylor毫无相似之处的贫困家庭。它把极端例外当成常态，妖魔化了一张社会安全网。
• 经验教训： 一个生动的故事对国家政策的塑造力，可能超过关于数百万人的全面数据。当统计数据与一则动人叙事相冲突时，在政治舞台上胜出的是叙事。

案例研究3：Sally Clark案

• 背景： 1999年的英国，律师Sally Clark的两个婴儿相继死于婴儿猝死综合征（SIDS）。她被控谋杀。
• 发生了什么： 专家证人Roy Meadow爵士作证称，同一家庭发生两起SIDS死亡的概率为7300万分之1，其算法是把单次死亡风险（8,500分之1）平方。这一算法假定两次死亡是独立事件，但遗传与环境因素会使同一家庭内的SIDS风险相互关联。
• 偏差如何起作用： 陪审团面对的表面上是“统计学”论证，实则是一种谬误的叙事框架：“这么罕见，那一定是谋杀。”他们忽略了，双例SIDS固然罕见，双例谋杀同样罕见，真正相关的比较从未被恰当地作出。一位母亲杀害亲生子女的叙事契合他们能够理解的模式；概率论则不然。
• 后果： Sally Clark被定罪并入狱数年，之后统计错误才被揭露，判决被推翻。获释后不久，她死于酒精中毒，成为司法系统未能在统计证据与叙事怀疑之间恰当权衡的牺牲品。
• 经验教训： 脱离背景的“统计数字”，尤其在被误用时，能构造出很有说服力却虚假的叙事。司法系统需要更好的工具评估概率证据，因为单纯的轶事和错误的统计都无助于实现公正。

历史例证：MMR疫苗恐慌

1998年，Andrew Wakefield在《柳叶刀》上发表论文，描述了12名同时出现肠道症状和自闭症的儿童，其家长将之与MMR疫苗联系起来。这一“病例系列”本质上就是一堆轶事的集合。

此后在丹麦、芬兰和美国开展的、涉及数百万儿童的流行病学研究，均未发现疫苗与自闭症之间存在任何相关性。Wakefield的论文被撤稿，他本人因学术造假被揭露并被吊销行医执照。

然而数十年后，这一叙事依然挥之不去。“健康的孩子 → 接种疫苗 → 自闭症”这个故事对家长来说很有感染力，也很容易想象，足以压过群体层面的数据。人类心智很难把抽象的“百万分之1”风险统计与一个孩子的情感故事放在一起权衡，尤其是当后此谬误（发生在其后，故由其所致）为一个可怕的诊断提供了简单解释时。

这个虚假叙事仍通过疫苗犹豫和世界各地的麻疹疫情影响公共卫生。一篇以轶事为依据的论文，造成的后果如今已经延续了不止一代。

6. 这种偏差的代价

6.1. 个人代价

轶事谬误会导致个人依据不具代表性的信息，作出违背自身利益的决定。

当个人故事压过医学证据时，健康便会受损。患者依据朋友的经历选择治疗方案，忽略临床数据，或因关于罕见副作用的吓人轶事而回避已被证实有效的干预措施。

当投资决策追随“某人赚了几百万”而忽略稳健的分散投资与风险管理原则时，财务状况便会受损。

判断潜在伴侣、朋友或群体时，如果只依据生动的个别故事，忽略实际的行为规律，人际关系就会受损。

当对统计上不太可能发生的事件（空难、陌生人绑架、恐怖袭击）的恐惧带来不必要的自我设限与焦虑时，生活质量便会下降。

6.2. 职业代价

无论以往业绩如何出色，一次令人难忘的失败就可能让职业生涯脱轨。

组织如果只追随生动的案例，忽略系统分析，就会作出糟糕的战略决策。它们没有核查条件是否可比，就推行那些“对X公司管用”的举措。

招聘和晋升如果依据动人的个人故事，忽略经过验证的预测指标，就会削弱团队实力，并错失人才。

当戏剧性的失败故事（“还记得Y项目吗？”）阻止了合理的冒险时，创新便会受到抑制，哪怕数据表明成功概率是可以接受的。

6.3. 社会代价

轶事谬误一旦上升到集体决策层面，后果就会成倍放大。

公共政策如果围着生动个案转，忽略全面数据，就会造成资源错配：引人注目但罕见的威胁得到了资金，常见而不起眼的问题却缺少投入。

对目击者证言（最典型的轶事）给予过高权重的司法系统会造成冤假错案。清白项目发现，约70%经DNA洗冤的案件都涉及目击者错误指认。

当动人的个体故事削弱疫苗接种和其他循证干预时，公共卫生举措便会失败。疫苗犹豫之后出现的麻疹疫情，正是关于医疗风险的轶事式推理所付出的直接社会代价。

政策辩论一旦变成各说各的轶事，不再仔细分析总体效果，民主协商就会受损。

6.4. 统计影响

研究量化了这些效应的规模。

在冤案方面，DNA证据已为数百名囚犯洗冤，其中约70%的案件存在目击者错误指认。这直接衡量出轶事证据在司法系统中的代价。

1990年代的硅胶乳房植入物诉讼导致道康宁公司破产（这是一场数十亿美元的资源重新分配），尽管流行病学研究一贯表明硅胶与自身免疫性疾病之间并无关联。统计上并不存在因果关系，陪审团却被患病女性的个人证言说服了。

本可通过疫苗预防的疾病暴发，可直接追溯到轶事引发的接种犹豫。损失的生命和应对疫情的经济成本，都是轶事谬误大范围发生时可衡量的影响。

不过，这种效应本身比案例呈现的更小，也更依赖特定条件。Freling等人（2020）汇总61篇论文的元分析并未发现轶事具有普遍优势：只有在情绪投入较高时（威胁严重、涉及健康或与自身相关），轶事才比统计数据更有说服力；情绪投入较低时，统计数据更有说服力。Taylor与Thompson在1982年的综述中就已指出，许多检验“生动性效应”的实验室研究没有发现效应。

7. 隐藏的益处

偏重故事、轻视统计数据，并非全都不利于适应环境。这种倾向曾有实际作用，其中一部分至今仍有价值。

轶事很适合用来提出假说。在收集数据之前，总得有人先注意到某些有趣的现象。引人注目的生动个案，可以帮助研究者找到值得系统研究的现象。每一项流行病学研究，都始于有人注意到病例不寻常地集中出现。

故事能以统计数据无法做到的方式激发共情与动力。那句广为流传的话，“一人之死是悲剧，百万人之死是统计数字”，反映了人类心理中某种真实的东西。慈善捐赠、政治参与和社会运动，往往靠个人故事动员起来，而非汇总数据。

在基础比率并不适用的真正独特情境中，叙事式推理可能是恰当的。当面对一个确实新颖、没有相关统计历史可循的决策时，借助故事进行类比推理，或许就是当时最好的选择。

社会联结与文化传承有赖于叙事。共同体正是通过故事来维系凝聚力并跨代传递价值观的。彻底消除轶事式推理，会使人类文化变得贫瘠。

在需要快速决策时，叙事加工的速度可以是一种优势。系统1对故事的偏好虽可能误导人，但在无法进行深思熟虑的分析时，它也让快速反应成为可能。

关键是知道什么时候该用统计思维取代轶事式推理；这需要同时具备两种能力。

8. 自我评估：你有这种偏差吗？

8.1. 预警信号清单

• 我发现自己会用“我认识一个人……”来作为一般性主张的证据
• 我曾因某位朋友对某产品、服务或治疗的一次经历而改变行为
• 相比统计数据，个人现身说法更让我信服
• 我曾因知道一个反例而否定统计数据
• 关于罕见事件（空难、袭击）的新闻对我行为的影响，超出了实际发生概率所能解释的合理程度
• 我作购买决定时很大程度上依赖含有个人经历的评论
• 与具体个案相比，我觉得概率和百分比“冷冰冰”或缺乏说服力
• 当统计数据与我或我认识的人的经历相冲突时，我相信经历
• 我发现自己会记住并转述听来的戏剧性故事
• 对于我没有见过实例的统计风险，我很难产生担忧

评分：

• 勾选0-2项：易感性低
• 勾选3-5项：易感性中等
• 勾选6-8项：易感性高
• 勾选9-10项：易感性极高

8.2. 自我反思问题

1. 想想你最近作出的一个决定。个人故事（你自己的或他人的）与统计信息各自起了什么作用？那些故事具有代表性吗？

2. 回想一次你因为“认识某人”的经历与数据相悖而否定数据的经历。事后看来，你的推理站得住脚吗？

3. 是否存在某些类别的决策（健康、财务、人际关系）让你更倾向于依赖故事？这些领域有何不同之处？

4. 面对统计信息与个人证言时，你的情绪反应有何不同？其中一者是否让你感觉更“真实”？

5. 是否有人指出过你在从有限例子中过度概括？你当时的反应如何？

8.3. 快速诊断情境

情境： 你正在考虑购买某款特定车型。《消费者报告》基于50,000位车主的数据将其评为高度可靠。然而，你的邻居去年买了一辆，一直问题不断。你会如何权衡这些信息？

你会怎么回答？

• A）“邻居的亲身经历对我来说比抽象的评级更真实。我大概会去看看别的车型。” → 易感性高
• B）“两者我都会考虑，但邻居的经历带给我的担忧，会超出我理性上认为应有的程度。” → 易感性中等
• C）“我邻居只是50,000个数据点中的一个。他的糟糕经历改变不了这款车整体的可靠性，不过我或许会问问具体是哪里出了问题。” → 易感性低

9. 在他人身上识别这种偏差

9.1. 行为指标

受轶事谬误影响的人往往表现出一致的模式。

他们的论证围绕个别案例展开：拿出的证据主要是故事，缺少数据；为决策辩护时，也偏重具体例子，忽略整体规律。

他们对生动事件反应过度：在戏剧性新闻出现后行为随之改变，即便概率并未发生实质变化。

他们不接受统计数据的纠正：一旦数据与自己的轶事矛盾，就否定这些统计数据，或设法解释掉矛盾。

他们自信地从小样本外推：有限的个人经验成了对整个群体或现象作出宽泛概括的基础。

9.2. 对话中的危险信号

处于这种偏差中的人常说的话：

• “我不管统计数据怎么说，我认识一个人……”
• “统计数据想说什么都行，但真实的经历……”
• “我奶奶抽了一辈子烟，活到了95岁”
• “我读到过一个案例……”
• “一般情况可能是这样，但就我的经验而言……”

他们常作的论证类型：

• 把离群值当作对统计趋势的反驳
• 要求一般规则必须解释每一个具体个案
• 对近期或生动的例子赋予过高权重

他们回避提出的问题：

• “这是基于多少个案例得出的？”
• “这个例子有代表性吗？”
• “基础比率是多少？”

9.3. 情境触发因素

某些情境会放大对轶事式推理的易感性。

情感上的得失越重大，人越容易受影响。当决策让人感到自身受到威胁或事关重大时，系统1占据主导，故事变得更具说服力。

时间压力会削弱审慎分析。被迫快速决策时，人们会默认采用最容易想起的信息，通常就是轶事。

复杂或抽象的领域有利于叙事。当统计数据难以理解或解读时，故事的简明便更具吸引力。

社会情境会放大轶事。来自朋友、家人或可信来源的信息，无论是否具有代表性，都会被赋予更高权重。

印证已有信念的轶事更容易被人记住。与既有看法一致的故事会被不加批判地接受，而相反的数据则会被仔细审视。

10. 认知去偏策略

10.1. 即时技巧

在作出受某个个人故事影响的决定之前，先停下来问问：

“样本量是多少？” 强迫自己说清楚支撑你推理的样本量。一则轶事就是N=1。

“它是怎么被选出来的？” 问问这个故事之所以进入你的视野，是因为它典型，还是因为它不寻常。不寻常的事件构成更好的故事，却是更糟的证据。

“基础比率是多少？” 在给一则轶事赋予权重之前，先找到相关统计数据。实际上有百分之多少的人有这种经历？

“如果立场对调，我还会觉得它有说服力吗？” 假如这则轶事支持的是相反的结论，你还会把它当作证据接受吗？

“想象一下分母。” 当面对一个吓人的分子（一个糟糕的结果）时，主动去想象那成千上万乃至数百万个并未发生此事的案例。

10.2. 长期策略

培养统计直觉需要持续的努力。

通过练习提升数感。在查资料之前先作出概率估计，然后核对准确度。校准能力会随反馈而提升。

让自己接触基础比率。了解你在新闻和交谈中听到的那些事件的实际发生频率。知道全球每年约有5人死于鲨鱼袭击，会改变你处理下一个鲨鱼故事的方式。

练习“考虑相反的情况”。养成习惯，列出自己根据轶事得出的结论可能出错的理由。

养成评估来源的习惯。当你听到一个动人的故事时，追问它的出处、核实情况和代表性。

接受不确定性。说一句“我不知道统计数据”所带来的不适，好过从证据不足中推理出的虚假自信。

10.3. 环境设计

调整自己接触信息的环境，减少轶事偏差。

筛选信息来源。优先选择提供统计证据的来源，少看以故事为主的内容。媒体在选题时，本就偏爱吸引人的故事。

制定决策清单。在作重大决定之前，要求自己把轶事证据和统计证据都记录下来。把它们并排放在一起，可以暴露失衡之处。

设置冷静期。在遇到某个让你想要立刻行动的生动轶事后，先等一等再决定。给系统2留出介入的时间。

主动寻找证伪信息。听到一个动人的故事后，专门去搜索同一主题的统计数据。

10.4. 何时寻求外部意见

某些决策值得引入外部视角，以抵消轶事式推理。

后果重大的决策要寻求统计方面的专业意见。在作出重大医疗或财务决定之前，咨询受过评估证据训练的人。

当你发现自己在说“我认识一个人……”时，把它当作一个信号：行动之前先去寻找更广泛的数据。

如果你的推理主要基于个人经验，而该领域又有大量统计证据可循，这就是该去查阅统计数据的信号。

请你信任的人评判：“我是不是把这个故事看得太重了？”别人能看出你在依据轶事推理，而你自己却觉得很有道理。

11. 实践练习

练习1：基础比率侦探

• 目标： 养成为轶事寻找统计背景的习惯
• 所需时间： 15-20分钟
• 所需材料： 网络、笔记本
• 难度等级： 入门
• 步骤：
  1. 回想一则近期影响了你思考的轶事，来自新闻、朋友或亲身经历
  2. 找出其中隐含的主张（例如“疫苗有危险”“这款车不可靠”）
  3. 查找相关的基础比率（例如疫苗严重不良反应的发生率、该车型的可靠性统计）
  4. 把轶事和基础比率并排写下来
  5. 反思：当轶事被置于统计背景之中时，你的认知发生了怎样的变化
• 反思问题：
  • 基础比率让你意外吗？
  • 那则轶事在多大程度上扭曲了你的估计？
  • 如果你仅凭那则轶事行事，会发生什么？
• 频率： 每周一次

练习2：反例挑战

• 目标： 认识到反例并不能驳倒概率性主张
• 所需时间： 10-15分钟
• 所需材料： 笔记本
• 难度等级： 中级
• 步骤：
  1. 找出一个你相信的统计性主张（例如“吸烟会增加患癌风险”）
  2. 生成反例（例如“长寿的吸烟者”）
  3. 写下为什么这些反例其实并不能驳倒该统计主张
  4. 练习清晰表达“提高概率”与“必然导致”之间的区别
  5. 把这一逻辑应用到某个你因为知道反例而否定过的主张上
• 反思问题：
  • 反例为何如此具有说服力？
  • 当有人拿一个反例来驳斥统计主张时，你可以怎样回应？
  • 你是否持有某些主要建立在回避统计数据之上的信念？
• 频率： 每月两次

练习3：叙事重构

• 目标： 为统计数据创造生动的心理表征，使其能与轶事抗衡
• 所需时间： 20-30分钟
• 所需材料： 你所关心话题的统计数据、想象力
• 难度等级： 高级
• 步骤：
  1. 选择一个你在理智上接受、却“感受”不到的统计事实（例如疫苗安全性数据）
  2. 构建一个体现这些统计数据的心理“故事”：想象1,000名儿童接种疫苗，其中极少数出现问题，而绝大多数受到了保护
  3. 让这一想象具体而生动：给孩子们赋予面孔，想象家长们松了一口气的样子
  4. 练习在遇到吓人的轶事时，主动唤起这段构建出的叙事
  5. 在其他被轶事扭曲了你认知的领域重复此练习
• 反思问题：
  • 这种可视化改变了统计数据给你的“感受”吗？
  • 你能用叙事对抗叙事，来对付轶事谬误吗？
  • 哪些统计数据最值得你用这种方式加以可视化？
• 频率： 准备作出后果重大的决策时按需进行

每日练习

检查轶事的影响： 每天晚上，回想当天听到的一个影响了你思考的故事。花两分钟想清楚，要判断这个故事是否具有代表性，你需要回答什么统计问题。仅仅培养这种质疑的习惯，就能养成对轶事的抵抗力。

• 建议时长：2-3分钟
• 最佳时段：晚上
• 如何追踪进展：保留一份简短记录；留意你从什么时候开始能实时地自动质疑轶事

每周挑战

统计优先挑战： 用一周时间，每当遇到基于轶事的主张时，在查阅相关统计数据之前不要形成意见。练习容忍不确定性，避免不加思索地相信那个生动的故事。

• 4周后的预期成果：延缓判断的能力增强，更清楚轶事歪曲统计事实的频率，对生动故事的条件反射式反应减少
• 反思日记提示：
  • 悬置判断最难的地方是什么？
  • 统计数据与轶事相矛盾的频率有多高？
  • 你对自己直觉反应的信任发生了什么变化？

12. 面向特定人群

面向领导者与管理者

轶事谬误在组织领导中带来特殊的风险。

战略决策常常照搬“我上一家公司怎么做管用”的经验，缺少对当前情况的分析。领导者应当要求用数据论证重大举措，避免只依赖吸引人的先例。

绩效管理体系必须防范“生动事件”效应。评估应以系统性的绩效数据为依据，避免只看孤立而难忘的事件。使用结构化评估框架，要求评估者考虑基础比率，也就是将员工的表现与客观基准比较，避免只参照记忆中的事件。

复盘只关注引人注目的失败，忽略系统分析，会扭曲组织从经验中学习的过程。应建立同时统计分析失败与成功的流程，降低生动个案的影响。

组建同时包含讲故事者与数据分析师的团队。遇到依据轶事作出的论证，要要求对方拿出数据；同时也要认识到，用数据论证时可能需要借助故事才更有说服力。

面向家长与教育者

尽早传授统计思维，能够建立起对轶事谬误的终身抵抗力。

通过具体演示帮助孩子理解概率。涉及骰子、纸牌和硬币的游戏，能够培养对随机性与基础比率的直觉。

当孩子援引具体例子作为证据时（“我朋友说……”），温和地引导他们考虑样本量：“挺有意思。有多少人试过这个呢？”

示范统计上的谦逊。当你不知道某个基础比率时，直说，并示范如何查证，避免从轶事中直接推断。

用概率的视角讨论新闻。当戏剧性事件被报道时，讨论它们实际有多常见。帮助孩子看到“什么会成为新闻”背后的选择偏差。

适合孩子年龄的解释：“有时候一个故事听起来特别重要，但可能还有很多我们没听到的故事。所以在决定该相信什么之前，我们要先问‘有多少？’和‘多久发生一次？’”

面向医疗从业者

在抵抗轶事谬误这件事上，医学也许是后果最重大的领域。

要认识到，临床直觉本质上就是积累起来的轶事。有经验的模式识别固然有价值，但必须与源自受控研究的循证指南相平衡。

患者援引与循证建议相悖的轶事时，直接用统计数据压过他们的故事，往往会让他们轻视这些数据。可以用相反的故事回应：讲述患者如何从推荐疗法中受益，让这些故事能与吓人的轶事相抗衡。

在诊断流程中加入认知强制功能。要求考虑基础比率与鉴别诊断的清单，能够打断依据近期难忘病例作诊断的倾向。

要意识到，制药与医疗器械公司的营销刻意利用患者证言来激发轶事式推理。评估证据时，应依据系统综述，避免被引人注目的病例报告左右。

面向金融从业者

投资决策尤其容易受到轶事的扭曲。

面对客户“我朋友靠……赚了多少”的轶事，可用幸存者偏差的知识加以化解。流传开来的故事并非随机样本，赢家比输家更常讲述自己的经历。

为投资回报提供历史背景与基础比率。当客户被近期的大涨或大跌所左右时，把它放回长期分布中去看待。

运用情景分析与蒙特卡洛模拟，把统计数据转化成类似故事的形式（“在1,000种可能的未来中，结果范围是这样的”）。这样能让统计数据带有故事的特点，与轶事相抗衡。

也要防范你自己的轶事式推理。追随“上次管用的做法”或回避“以前让我们栽跟头的东西”的诱惑，可能会扭曲投资组合决策。要坚持系统评估策略，避免只根据生动的例子推断。

13. 与其他偏差的相互作用

放大这一偏差的其他偏差

抵消这一偏差的其他偏差

常见的偏差链条

轶事谬误极少单独发挥作用。它通常会按可预测的顺序触发其他认知偏差，或被它们所触发：

可得性 → 轶事谬误 → 草率概括 → 确认偏误

一个生动的故事轻易浮现于脑海（可得性），导致该故事被过度加权（轶事谬误），进而产生一个过度概括的结论（草率概括），随后又使日后的信息加工偏向于注意那些印证性的故事（确认偏误）。

如何打断这一连锁反应： 在轶事与任何概括之间插入一次基础比率核查。在从一个难忘的故事中得出任何结论之前，先要求提供统计背景。

14. 文化视角

轶事谬误似乎是植根于认知架构的人类普遍倾向，但其表现形式与被接受的程度在各文化间存在差异。

Jos Hornikx与Hans Hoeken的研究运用Hofstede的文化维度，比较了欧洲各文化对证据类型的偏好。

在荷兰（低权力距离、更为平等的文化），在受控环境下，统计证据总体上被认为比轶事证据更具说服力。

在法国这种权力距离较高的文化中，统计证据仍很有说服力，但人们更偏好专家证据，与该文化尊重权威的特点一致。

在受控环境下明确评估论证时，两种文化都把轶事证据评为最不具说服力。然而这与现实中的行为相矛盾，说明人们口中“什么能说服自己”（对事实的规范性偏好）与实际驱动决策的因素（对故事的潜意识偏好）之间存在落差。

比较分析型认知风格（西方文化中更常见）与整体型认知风格（东亚文化中更常见）的研究，提示还可能存在其他差异。整体型思维者更关注关系、情境与整体场域，在情绪高涨的情境中或许更易受轶事式推理影响，因为他们更关注故事的全貌，较少从中抽象出数据点。

15. 常见迷思与误解

16. 专家洞见

Eugene Borgida 和 Richard Nisbett 发现，过往学生给出的平均评分几乎没有改变学生的选课决定，而简短、生动的当面评论却使选择发生了明显转变。 — 概述自 Borgida & Nisbett，“The Differential Impact of Abstract vs. Concrete Information on Decisions,” Journal of Applied Social Psychology 7(3)（1977），第 258-271 页

Richard Nisbett 和 Lee Ross 认为，人们忽视基础比率，部分原因是它遥远、乏味而抽象，而个体化信息则生动、具体而突出。 — 概述自 Nisbett & Ross，Human Inference: Strategies and Shortcomings of Social Judgment（1980）

Walter Fisher 提出，人本质上是讲故事的生物，评判沟通的好坏，应主要看故事是否前后一致、令人信服，而不只是看形式化的论证。 — 概述自 Walter Fisher，Human Communication as Narration: Toward a Philosophy of Reason, Value, and Action（1987）

Melanie Green 和 Timothy Brock 把“沉浸”（transportation）描述为注意力、意象和情感的融合，它把读者吸入故事之中；他们还表明，人们越是沉浸，其信念就越向故事的主张靠拢。 — 概述自 Green & Brock，“The Role of Transportation in the Persuasiveness of Public Narratives,” Journal of Personality and Social Psychology 79(5)（2000），第 701-721 页

17. 核心要点

1. 轶事谬误是一种有条件出现的倾向，并非普遍规律。Freling等人（2020）汇总61篇论文的元分析发现，只有情绪投入较高时，轶事才比统计数据更有说服力；情绪投入较低时，统计数据占上风。

2. 可得性启发法、基础概率谬误与叙事传输有助于解释故事为何令人难忘；但自Taylor与Thompson于1982年发表综述以来，实验室中的“生动性效应”一直微弱且不稳定。

3. 这一谬误带来了可验证的现实后果：冤假错案、疫苗犹豫、公共政策扭曲，以及违背个人自身利益的决策。

4. 仅仅意识到这种倾向还不够。研究表明，告诉人们某则轶事不具代表性，并不能阻止他们受其影响。

5. 有效的缓解需要主动策略：寻找基础比率、认知强制功能、环境设计，有时还需要“以叙事对抗叙事”的方法。

6. 轶事在生成假说、激发共情和沟通方面仍有其正当价值，目标是赋予轶事恰当的权重，而不是摒弃轶事。

7. 跨文化研究证实了普遍的易感性，同时揭示出各文化在“明确看重”与“隐性使用”不同证据类型上的差异。

18. 延伸资源

学术论文

• Borgida, E., & Nisbett, R.E. (1977). The differential impact of abstract vs. concrete information on decisions. Journal of Applied Social Psychology, 7(3), 258-271.
• Hamill, R., Wilson, T.D., & Nisbett, R.E. (1980). Insensitivity to sample bias: Generalizing from atypical cases. Journal of Personality and Social Psychology, 39(4), 578-589. https://doi.org/10.1037/0022-3514.39.4.578
• Green, M.C., & Brock, T.C. (2000). The role of transportation in the persuasiveness of public narratives. Journal of Personality and Social Psychology, 79(5), 701-721. https://doi.org/10.1037/0022-3514.79.5.701
• Hornikx, J., & Hoeken, H. (2007). Cultural differences in the persuasiveness of evidence types and evidence quality. Communication Monographs, 74(4), 443-463. https://doi.org/10.1080/03637750701716578
• Taylor, S. E., & Thompson, S. C. (1982). Stalking the elusive "vividness" effect. Psychological Review, 89(2), 155-181. https://doi.org/10.1037/0033-295x.89.2.155
• Shedler, J., & Manis, M. (1986). Can the availability heuristic explain vividness effects? Journal of Personality and Social Psychology, 51(1), 26-36. https://doi.org/10.1037/0022-3514.51.1.26
• Freling, T. H., Yang, Z., Saini, R., Itani, O. S., & Abualsamh, R. R. (2020). When poignant stories outweigh cold hard facts: A meta-analysis of the anecdotal bias. Organizational Behavior and Human Decision Processes, 160, 51-67. https://doi.org/10.1016/j.obhdp.2020.01.006

书籍

• Nisbett, R., & Ross, L. (1980). Human Inference: Strategies and Shortcomings of Social Judgment. Prentice-Hall.
• Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.
• Bergstrom, C.T., & West, J.D. (2020). Calling Bullshit: The Art of Skepticism in a Data-Driven World. Random House.

书籍章节

• Tversky, A., & Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. In Science, 185(4157), 1124-1131. https://doi.org/10.1126/science.185.4157.1124

19. 速记卡

20. 术语表

21. 讨论问题

供读书会、课堂或自我反思使用：

1. 你能想起一次主要依据“你认识的某个人”的经历作出决定，却没有充分参考更广泛证据的情况吗？结果如何？

2. 你认为为什么“这则轶事并不典型”的提醒无法削弱它的影响力？这对如何更有效地传播统计数据有何启示？

3. 记者与媒体如何才能更好地平衡“需要动人故事”与“不歪曲公众风险认知”的责任？

4. 明知轶事的心理力量超过其证据价值，使用轶事去说服他人是否有正当的时候？在哪些情境下？

5. 你如何在尊重他人的亲身经历与认识到其经历可能不具代表性之间取得平衡？

最后更新：7 十一月 2026