重新认识你的大脑：行为经济学的诞生

冰水中的选择

1980年冬天的一个下午，在美国明尼苏达大学的一间普通实验室里，一场看似简单的实验正在进行。参与者们被告知，他们将经历一次痛苦的体验——把手浸入冰冷的冰水中。

实验分为两组。在第一组面前，实验人员说：“您需要在14°C的水中浸泡60秒。”在水温相同的情况下，实验人员给出了不同的表述：“虽然会有一些疼痛，但这些疼痛在实验结束后就会消失，不会留下任何长期影响。”

当水温同样是14°C、浸泡时间同样是60秒时，参与者们普遍表示可以接受。

但真正的实验还在后面。同样是这些参与者，他们在几天后被召回实验室。这一次，他们面临两个选择：A选项是将手浸入14°C的水中浸泡60秒；B选项是将手浸入14°C的水中浸泡90秒，但水温会在最后30秒逐渐从14°C降低到15°C——水温会变暖，而不是继续变冷。

从纯理性的角度分析，B选项明显更糟糕：它要求更长的浸泡时间，而且“逐渐变暖”的过程并不会让不适感消失，90秒的痛苦显然不少于60秒的痛苦。如果你是参与者，你会怎么选？

绝大多数人选择了B选项。

这看起来完全不合逻辑。明明有更短的痛苦可选，为什么人们会选择更长的痛苦？这个结果让传统经济学家感到困惑。但对于即将改变整个社会科学面貌的两位心理学家来说，这正是人类思维运作方式的真实写照。

这场实验的设计者，就是以色列心理学家丹尼尔·卡尼曼（Daniel Kahneman）和他的合作伙伴阿莫斯·特沃斯基（Amos Tversky）。他们即将用一系列类似的实验，撬动传统经济学百年来的根基，开启一个全新的研究领域——行为经济学。

经济学家的完美世界

要理解卡尼曼和特沃斯基的革命性贡献，我们首先要回到经济学家的理想世界。

自1776年亚当·斯密发表《国富论》以来，经济学逐渐发展成为一门“科学”。经济学家们为了研究的方便，做出了一个大胆的假设：人类在经济活动中是理性的。

这个“理性人”假设包含几个核心观点。首先，人类会尽可能收集所有相关信息，然后在充分计算利弊得失后做出最优选择。其次，人类的偏好是稳定且一致的——如果你在A和B之间选择了A，那么在任何情况下你都应该选择A，而不会因为表述方式的不同而改变选择。第三，人们能够准确评估各种选择可能带来的收益和损失。

这套理论体系逻辑严密、优美简洁。它让经济学家能够建立精密的数学模型，预测人们在各种经济环境下的行为。如果某个人没有做出“最优”选择，那一定是因为信息不充分，或者存在某种外部干扰。只要信息足够透明，每个人都会做出理性的选择。

在这个理想世界中，不存在“后悔”和“遗憾”这样的情绪。股票投资者不会因为恐慌而在最低点抛售，买家不会因为“框架效应”而对同样价值的商品产生不同的感受，赌徒不会在连输之后孤注一掷想要翻本。一切都是可以精确计算的概率游戏。

这套理论统治了经济学近两百年。它被写进教科书，成为政策制定的理论依据，甚至影响了我们对“理性”本身的理解。经济学家们自豪地说，人类行为虽然表面上看似混乱，但背后有深层的理性逻辑。

然而，真实的人类真的是这样行事的吗？

当理想遇见现实

经济学家的完美世界有一个致命的弱点：它假设了一种从未存在过的生物——“经济人”（Homo Economicus）。这是一种纯粹的理性计算机器，能够处理海量信息，从不受到情绪的干扰，偏好始终如一。

但我们都知道，真实的人类完全不是这个样子。

让我们来做一个小测试。下面有两个问题，请认真思考后再给出答案。

问题一：一件外套标价120元。但同一家店里，另一家分店同一款外套标价100元。假设两个分店都距离你当前位置需要20分钟车程，你会去另一家分店购买便宜的这款外套吗？

问题二：同样的外套标价120元。另一家分店同一款外套标价100元，但需要20分钟车程。而另一件不同款的夹克标价200元，同一家店有现货，你会去另一家分店买那件外套吗？

如果你和大多数人一样，你会发现自己在第一个问题中更愿意开车去另一家店，但在第二个问题中可能就不愿意了。理由是“都花了200元了，还在乎这20元差价吗”或者“反正已经要花大钱了”。

但仔细想想，这完全不合逻辑。在两个情境中，你都需要花20分钟车程来节省20元。这20元的价值是相同的，无论你的总支出是120元还是200元。然而，我们的大脑对“相对差异”的敏感度远超过对“绝对差异”的敏感度。

这就是行为经济学想要揭示的真相：我们的大脑并不按照经济学家的公式运作。我们是情绪化的生物，容易受到各种认知偏差的影响。我们的决定常常违背自己的利益，甚至违背我们自己刚刚做出的承诺。

这种发现可能会让人感到沮丧：原来我们并不像自己以为的那样聪明。但请不要急着下结论。理解这些“非理性”的模式，本身就是一种智慧。它让我们能够预见自己的错误，甚至找到弥补这些缺陷的方法。

改变世界的合作

1970年代初期，特拉维夫大学的心理学副教授阿莫斯·特沃斯基在图书馆里偶然读到了保罗·锡恩的一篇论文。锡恩在论文中指出，当人们面对涉及概率的决策时，往往会违背基本的概率原则。

特沃斯基对此产生了浓厚的兴趣。概率论是他熟悉的领域，他很快就发现锡恩的描述完全正确——人类确实会系统性地违背概率法则。但他更想知道：为什么会这样？

就在这时，一个偶然的机会出现了。

丹尼尔·卡尼曼当时也在特拉维夫大学，是一位刚刚获得终身教职的年轻心理学家。他的研究方向是人类的判断与决策。一天下午，他偶然看到特沃斯基在走廊上拿着一本数学杂志，杂志上恰好翻到了锡恩的论文页面。

“如果你对判断和决策感兴趣，”卡尼曼说，“为什么不和我一起工作呢？”

特沃斯基问：“你要研究什么？”

“人类如何估计概率。”

“那正是我想研究的。”特沃斯基回答。

就这样，一个改变整个社会科学面貌的学术合作诞生了。虽然他们各自有着不同的背景和性格——特沃斯基外向活泼，卡尼曼内敛沉稳——但他们在学术上的契合度惊人地高。

在接下来的二十多年里（直到特沃斯基于1996年因癌症去世），他们合作发表了大量论文，涉及判断、概率、决策等多个领域。他们的研究方法也别具一格：不像传统心理学家那样进行复杂的实验室实验，也不像经济学家那样建立抽象的数学模型，而是用简洁而巧妙的问卷和选择题，直接测试人们的直觉思维。

他们最著名的研究工具之一，就是“思考任务”（Think-Aloud Tasks）。他们不给参与者标准答案，而是让他们大声说出自己做出选择时的思考过程。通过分析这些思考过程，他们发现了许多令人惊讶的思维规律——那些连参与者自己都没有意识到的认知模式。

他们发现，当人们面对不确定性时，并不会像经济学家假设的那样进行复杂的概率计算。相反，人们会使用各种“启发式”（Heuristics）——一些简单的心理捷径——来快速做出判断。这些启发式在大多数时候是有效的，但它们也会导致系统性的、可预测的错误。

这正是行为经济学的核心洞见：我们不是没有逻辑，而是使用了一种不同于逻辑的思维方式。我们的“错误”不是随机的、不可预测的噪声，而是遵循着特定的模式。理解了这些模式，我们就能够更好地理解人类思维的本质。

思维的两种语言

在卡尼曼和特沃斯基的众多贡献中，最具影响力的或许是他们对人类思维运作方式的重新诠释。虽然他们没有使用“系统一”和“系统二”这样的术语（这个框架是卡尼曼在晚年的著作《思考，快与慢》中才系统化提出的），但他们的早期研究已经为这个理论奠定了基础。

让我们先来做一个简单的测试。请看下面的问题，不要急着计算，凭直觉给出答案：

一个球拍和一个球总共花费1.10元。球拍比球贵1元。请问球多少钱？

如果你脱口而出“0.10元”，这是很自然的反应。但请再想一想。球拍比球贵1元，如果球是0.10元，那么球拍就是1.10元，两者加起来就是1.20元，而不是1.10元。正确的答案是球0.05元，球拍1.05元，加起来正好1.10元。

为什么大多数人会给出错误的答案？因为我们的大脑有一个快速反应的“自动系统”，它会立即产生一个看似合理的答案，而不需要进行仔细的计算。这个自动系统非常擅长模式识别和快速判断，它让我们能够毫不费力地开车、聊天、躲避危险。

但这个自动系统也有明显的缺陷：它容易受到各种偏差的影响，倾向于使用简单的启发式，而不是复杂的逻辑推理。当面对需要精确计算的问题时，它往往会给出错误的答案。

幸运的是，人类还拥有另一个系统——“分析系统”。这个系统运作缓慢，需要集中注意力，但它能够进行复杂的逻辑推理和数学计算。当我们意识到自动系统可能出错时，我们可以调动分析系统来进行“验算”。

关键在于，这两个系统并不是简单叠加的关系。自动系统总是首先做出反应，而且它的判断往往会“劫持”我们的注意力。即使分析系统后来得出了正确的结论，我们也可能无法察觉自动系统的错误，甚至会下意识地修正记忆，让我们以为正确答案从一开始就是显而易见的。

这就解释了为什么我们经常在事后说“我早就知道”或者“本应该想到”。事实上，我们当时并没有想到，只是事后回溯时记忆被重新组织了。

理解双系统理论对于理解行为经济学至关重要。因为几乎所有我们将要讨论的认知偏误，都与这两个系统的互动有关。自动系统的快速反应是各种偏误的来源，而分析系统的介入则是我们纠正错误的希望所在。

冰水实验的启示

让我们回到本章开头描述的冰水实验。这个实验的设计非常精妙，它揭示了人类决策中一个极其重要的现象——对“过程”的偏好。

在第一组实验中，参与者需要做出一次性选择：要么接受60秒的冰水浸泡，要么不接受。大多数人愿意接受，因为疼痛是有限的，而且可以忍受。

但在第二组实验中，同样的参与者面临的选择更加复杂。A选项是明确的：60秒的冰水。B选项则描述了一个“过程”：90秒的浸泡，但在最后30秒中水温会逐渐变暖。

从纯粹理性的角度看，A选项明显更好。两种情况下，疼痛的强度都是相同的（都是14°C），但A选项的持续时间更短。B选项不仅时间更长，而且“逐渐变暖”的过程并不等同于“逐渐不疼”——你仍然能感受到低温带来的刺痛，只是刺痛的强度可能在微微减弱。

然而，超过80%的参与者选择了B选项。

这个结果让研究者们感到困惑。如果人们害怕疼痛，那么应该选择疼痛更短的A选项才对。但如果人们不害怕疼痛，他们为什么一开始要询问“疼痛会不会在结束后消失”这样的问题呢？

答案在于：人们害怕的不仅是疼痛的结果，还有疼痛“过程中的感受”。在B选项中，“逐渐变暖”给人一个希望——最后的30秒将会比最初的60秒更舒服。哪怕这种舒服只是从14°C变成15°C，它也代表了一种“改善”、一种“进步”。

这听起来很荒谬，但这就是人类思维的运作方式。我们对“过程”的评价往往独立于对“结果”的评价。当一个痛苦的过程看起来在“变好”，即使它整体上仍然很痛苦，我们也会倾向于接受它。

这种偏好在日常生活中有无数的体现。比如，人们宁愿在电视机前无聊地换台，也不愿意主动关掉电视去从事更愉快的活动——因为电视开着代表“可能性”，关掉电视代表“结束”。人们宁愿选择一份工资固定但可能会被裁员的工作，也不愿意选择一份工资更高但有明确期限的合同——因为前者的“失业”是一种不确定的未来，后者的“失业”是确定的结局。

卡尼曼和特沃斯基将这种现象称为“过程偏好”或“敏感性递减”在直觉上的运用。他们的研究表明，人类的幸福感并不完全取决于最终结果，还受到过程变化的影响。如果一个过程在“变好”，即使它仍然处于负面区间，人们也会感到安慰。

这种发现对政策制定者有重要的启示。如果政府想要推行一项改革，比如提高某个税率或改变某个福利政策，不应该只计算政策的净效应，还应该考虑政策实施过程中的“叙事”——人们会如何理解这个过程，这个过程给他们带来什么样的感受。

框架的力量

如果说冰水实验揭示了“过程偏好”，那么卡尼曼和特沃斯基的另一个经典实验则揭示了另一种更加惊人的现象——“框架效应”（Framing Effect）。这个实验后来成为行为经济学中最著名的案例之一。

实验是这样的：假设一场可怕的疾病即将爆发，预计会导致600人死亡。研究人员提出了两种应对方案。

方案A：如果采用这个方案，能够拯救200人。

方案B：如果采用这个方案，有1/3的概率拯救所有人，2/3的概率无法拯救任何人。

请先在心里做出你的选择。

在第一个版本的实验中，大约72%的参与者选择了方案A。当研究人员将问题改写成另一种表述后，结果发生了戏剧性的变化：

方案C：如果采用这个方案，400人会死亡。

方案D：如果采用这个方案，有1/3的概率没有人死亡，2/3的概率600人全部死亡。

在这个版本中，78%的参与者选择了方案D。

但请仔细比较这四个方案：方案A和方案C是完全相同的（拯救200人 = 400人死亡），方案B和方案D也是完全相同的（1/3概率全部获救 = 1/3概率无人死亡）。参与者们并不是在做不同的选择，他们只是在不同的“框架”下看到了相同的信息。

为什么人们的反应会如此不同？

在第一种表述中，方案以“收益”为框架——“拯救200人”是一个确定的收益。在第二种表述中，方案以“损失”为框架——“400人死亡”是一个确定的损失。人类的大脑对损失的反应远比同等收益强烈，这种现象被称为“损失厌恶”（Loss Aversion）。

心理学研究表明，损失的痛苦大约是同等收益带来的快乐的两倍。当面对确定的收益时，人们倾向于保守；当面对确定的损失时，人们反而愿意冒险去避免损失。这种心理特征深深地根植于我们的进化历史中——对于一个随时可能面临生死威胁的原始人来说，避免损失的本能比追求收益的本能更加重要。

但这种本能在现代社会中并不总是有效的。在金融市场上，损失厌恶导致投资者过早卖出盈利的股票，却长期持有亏损的股票——因为卖出盈利股票意味着“锁定收益”，而卖出亏损股票意味着“承认损失”。在健康决策中，损失厌恶导致人们过度害怕可能的副作用，从而拒绝有效的治疗。在政策讨论中，损失厌恶使人们对任何“损失”都反应过度，即使这种“损失”实际上是以另一种形式的“收益”为代价的。

框架效应告诉我们，信息呈现的方式会影响我们的判断。同样的事实，用不同的方式表述，会引导我们做出截然不同的选择。这并不是说我们应该被信息操控，而是提醒我们：在做重要决策时，应该尝试从多个角度审视问题，避免被最初的表述方式所限定。

认知偏误家族

冰水实验和亚洲疾病实验只是冰山一角。卡尼曼和特沃斯基在他们的研究生涯中，识别并命名了大量认知偏误。这些偏误就像一个大家族，每个成员都有自己的特征和习性。

锚定效应（Anchoring Effect）是最常见的偏误之一。它指的是人们在做决策时，会过度依赖最先获得的信息——即使这个信息与当前决策完全无关。

想象一个实验：研究人员让参与者转动一个幸运转盘，转到10以下的人需要估算联合国中非洲国家所占的比例。结果显示，转到数字较大的参与者（比如65）估算的比例也较高，而转到数字较小的参与者（比如15）估算的比例也较低。转盘的数字显然与非洲国家数量毫无关系，但它们却像锚一样固定了人们的估计。

在日常生活中，锚定效应无处不在。商店的“原价”标签让我们觉得打折后的价格很便宜，即使这个“原价”可能从未真正实行过。谈判中先出价的一方往往占据优势，因为后者的出价会围绕前者进行调整。消费者在评估一个产品时，往往会受到第一个看到的价格的影响。

确认偏误（Confirmation Bias）是另一个强大的偏误。我们倾向于寻找和解释那些支持自己已有观点的信息，而忽略或贬低那些反驳自己观点的信息。

假设你相信某个股票会涨。你会特别关注支持这种预测的新闻和分析，而对持相反观点的信息视而不见。你可能会想：“虽然最近有些负面消息，但这只是短期波动，长期趋势仍然向好。”这种思维方式让你在错误的方向上越走越远。

确认偏误在政治讨论中表现得最为明显。支持某个政党的人会相信所有有利于该党的报道，怀疑所有不利于该党的报道。结果是，双方都越来越坚信自己正确，却从未真正检验过自己的假设。

后见之明偏误（Hindsight Bias）让我们在事后回顾时，高估自己事先预测结果的能力。“我早就知道会这样”——这是我们在得知结果后常说的一句话。但事实上，在结果揭晓之前，我们通常并不比随机猜测更准确。

后见之明偏误的危险在于，它会让我们对自己和他人的决策能力产生错误的印象。当一个投资决策失败后，人们会说“我早就说过这不靠谱”；当一个创业项目成功后，同一批人又会说“我当初就觉得这个点子很好”。这种偏误会阻碍我们从失败中学习，因为它让我们相信失败是可以预见的，从而低估运气和不确定性的作用。

可得性启发式（Availability Heuristic）是指我们倾向于用容易想到的例子来判断某类事件的可能性。比如，飞机失事虽然概率极低，但由于媒体报道多、记忆深刻，人们往往高估飞行风险；而心脏病的实际致死率远高于飞机失事，但由于我们很少在新闻中看到，人们反而低估这种风险。

类似的例子还有：我们高估鲨鱼袭击的概率（因为电影《大白鲨》），低估被闪电击中的概率；我们高估中彩票的概率（因为中奖故事被大肆宣传），低估染上赌瘾的概率。

这些偏误看起来五花八门，但它们有一个共同的特点：它们都是人类认知系统的“副产品”。这些认知机制在进化过程中被设计出来，是为了帮助我们在复杂的原始环境中快速做出判断。在那个环境中，信息量有限，需要快速决策，认知捷径往往比精确计算更加有效。

但在现代社会，我们面对的环境已经发生了巨大变化。信息量爆炸，选择多样化，后果长期化。简单粗暴的认知捷径不再总是适用。但我们的大脑仍然按照旧的方式运作，这就是为什么我们会犯这些“错误”。

为什么经济学需要心理学

理解这些偏误对于经济学来说意味着什么？

传统经济学建立在“理性人”假设的基础上，认为人类行为可以通过数学模型精确预测。但这种预测在面对真实的人类行为时往往会失效。股市的剧烈波动不能用理性预期来解释，消费者对价格的反应往往与供需模型预测的相去甚远，人们在风险面前的行为也不符合期望效用理论。

经济学需要一个更加现实的“人性”模型。这就是行为经济学诞生的背景。它不是要推翻经济学，而是要在经济学的基础上加入心理学的洞见，让经济理论更加符合真实的人类行为。

这种融合带来的洞见是革命性的。

在金融领域，行为经济学解释了为什么股票市场会出现泡沫和崩盘——因为投资者会受到情绪和认知偏误的影响，而不是像理性预期理论假设的那样始终保持冷静。

在消费者行为领域，行为经济学解释了为什么人们对“免费”这个词如此敏感，为什么打折往往比等价的降价更有效，为什么人们会购买自己不需要的东西。

在公共政策领域，行为经济学为“助推”（Nudge）理论提供了基础——通过调整选择架构，可以在不强制干预的情况下引导人们做出更好的决策。比如，将器官捐献设为默认选项可以显著提高捐献率；在菜单上标注卡路里可以减少不健康的选择；简化报税表格可以减少填报错误。

这些应用表明，理解人类决策的局限性不仅仅是为了学术上的好奇，更是为了在实践中做出更好的设计。当我们知道人们容易犯什么错误时，我们就可以设计出帮助人们避免这些错误的系统。