章节 16
因果胜过统计
读进去
出租车问题里，同样的基础比率数据，换一种说法，人们的判断就完全不同。说“该城市85%的出租车是绿色的”，人们几乎不用这个信息；说“目击者看到的是绿色出租车，而绿色出租车的事故率是85%”，人们就认真采纳。区别不在于数字，而在于后者能嵌入一个因果故事：这辆车为什么更可能是绿色的。
卡尼曼由此区分了统计性基础比率和因果性基础比率。前者是抽象的、关于类别的频率，无法回答“这一个案为何发生”；后者是关于机制的信息，能和其他线索一起参与推理。大脑习惯用因果叙事理解个案，所以因果性基础比率被采纳，统计性基础比率被忽略。刻板印象在心理机制上也是中性的：它就是用类别常模认识个体，但涉及社会群体时，我们需要用道德理由约束它，哪怕牺牲一些判断准确性。
打开原图 ↗画出来
文字里在连续叙述中不易区分的是两种基础比率：它们数学上等价，心理上却完全不同。沿着图里的结构看，可以看到因果性基础比率如何通过“机制解释”进入个案推理，而统计性基础比率因为缺少这条路径被搁置。这个对照关系解释了为什么单纯讲授统计结论难以改变人们的预期：抽象结论没有因果代入感，无法撼动个体化的直觉判断。
再想一遍
技术方案评审时，一个架构师说“这个模块的故障率是0.1%”，大家可能无动于衷；但他说“上次故障是因为连接池耗尽，而这个模块的连接池配置和那个一样”，所有人都会警觉。前者是统计性基础比率，后者是因果性基础比率。想让数据被采纳，就要把它翻译成机制，而不是只报数字。
带回生活
在个案判断中，优先使用因果性基础比率；在群体决策或政策制定中，必须同时保留统计性基础比率，并用道德约束刻板印象的使用。