哈佛大学著名心理学家斯坦利·史密斯·史蒂文斯（Staley Smith Steves）发现了一个令人惊讶的事实，那就是人们对许多主观体验和态度的强度比例都有着强烈的直觉。他们可以调整光线强度使其看起来是另一种光线亮度的“2倍”，人们会觉得10个月监禁的情感体验并不等于一个月监禁的10倍。史蒂文斯说，量表就是依据这类直觉等比绘制出来的。

你会发现，我们对金钱的直觉是通过理解“萨拉加薪了60%”或“我们的富豪邻居一夜之间损失了一半的财富”这类采用比例的表述而轻松实现的。惩罚性损害赔偿的赔偿金额量表是衡量惩罚倾向的等比量表。同其他等比量表一样，赔偿金额量表有个有意义的零点（0美元），而且没有上限。

史蒂文斯发现，等比量表（如赔偿金额量表）可能会受单个中间锚定点（行业术语是“模数”）的约束。他在实验室中将观察者置于一定亮度的灯光下，并让观察者“将现在灯光的亮度称为10（或50、200），并相应地为其他亮度分配数字”。不出他所料，观察者分配给不同灯光的亮度数值与最初让他们采用的任意锚定点成正比。锚定点为200的观察者给出的判断值是锚定点为10的观察者的20倍。观察者判断的标准差与锚定点成正比。

在第13章中，我们介绍了一个有关锚定效应的有趣例子。在那个例子中，首先询问人们是否要支付与他们社保号后两位数字等金额的费用（以美元为单位）购买某件物品，这个问题极大地影响了他们之后购买该物品的意愿。更令人惊讶的是，最初的价格锚定点也会影响他们购买清单上其他物品的意愿。被说服愿意为无线鼠标支付较高哈佛大学著名心理学家斯坦利·史密斯·史蒂文斯（Staley Smith Steves）发现了一个令人惊讶的事实，那就是人们对许多主观体验和态度的强度比例都有着强烈的直觉。他们可以调整光线强度使其看起来是另一种光线亮度的“2倍”，人们会觉得10个月监禁的情感体验并不等于一个月监禁的10倍。史蒂文斯说，量表就是依据这类直觉等比绘制出来的。

你会发现，我们对金钱的直觉是通过理解“萨拉加薪了60%”或“我们的富豪邻居一夜之间损失了一半的财富”这类采用比例的表述而轻松实现的。惩罚性损害赔偿的赔偿金额量表是衡量惩罚倾向的等比量表。同其他等比量表一样，赔偿金额量表有个有意义的零点（0美元），而且没有上限。

史蒂文斯发现，等比量表（如赔偿金额量表）可能会受单个中间锚定点（行业术语是“模数”）的约束。他在实验室中将观察者置于一定亮度的灯光下，并让观察者“将现在灯光的亮度称为10（或50、200），并相应地为其他亮度分配数字”。不出他所料，观察者分配给不同灯光的亮度数值与最初让他们采用的任意锚定点成正比。锚定点为200的观察者给出的判断值是锚定点为10的观察者的20倍。观察者判断的标准差与锚定点成正比。

在第13章中，我们介绍了一个有关锚定效应的有趣例子。在那个例子中，首先询问人们是否要支付与他们社保号后两位数字等金额的费用（以美元为单位）购买某件物品，这个问题极大地影响了他们之后购买该物品的意愿。更令人惊讶的是，最初的价格锚定点也会影响他们购买清单上其他物品的意愿。被说服愿意为无线鼠标支付较高费用的参与者也同意为无线键盘支付较高的费用。相比商品的绝对价值，人们似乎对可拿来比较的商品的相对价值更加敏感。该项研究的作者将单个锚定点的这种持续效应称为锚定的“任意连贯性”（coheret arbitrariess）。

来感受一下任意锚定点对琼·格洛弗案的影响。假设本章开头对该案件的介绍中包括以下信息：

在一个涉及另一家制药公司的类似案例中，受害者是一个小女孩，她遭受了中度的心理创伤（就像你先前读到的轻度损害版本一样）。惩罚性损害赔偿的数额是150万美元。

请注意，这时候如何处罚Geeral Assistace公司这个问题突然就变得容易多了。确实，你可能已经想好了赔偿金额，将前面提到的赔偿金额乘以一个倍数（或比例）就可以了。这个倍数（或比例）对应琼受到的严重损害与另外那个小女孩受到的轻度损害之间的差异。此外，当你读到单一锚定点（150万美元）时，你的整个赔偿金额量表的取值范围基本上就被确定下来了。现在，设置比上述两种情况更严重或更轻微的案件的赔偿金额对你来说也很容易了。

如果人们依据等比量表进行判断时需要锚定点，那么要是没有锚定点，将会发生什么？史蒂文斯给出了答案。在没有实验人员指导的情况下，人们在首次使用量表测量灯光亮度时，不得不随意地选择了一个值。他们将自己选的这个值作为锚定点，基于这个点做出一致性的判断。

你可能会发现，我们为琼·格洛弗案设定赔偿金额时所面临的任费用的参与者也同意为无线键盘支付较高的费用。相比商品的绝对价值，人们似乎对可拿来比较的商品的相对价值更加敏感。该项研究的作者将单个锚定点的这种持续效应称为锚定的“任意连贯性”（coheret arbitrariess）。

来感受一下任意锚定点对琼·格洛弗案的影响。假设本章开头对该案件的介绍中包括以下信息：

在一个涉及另一家制药公司的类似案例中，受害者是一个小女孩，她遭受了中度的心理创伤（就像你先前读到的轻度损害版本一样）。惩罚性损害赔偿的数额是150万美元。

请注意，这时候如何处罚Geeral Assistace公司这个问题突然就变得容易多了。确实，你可能已经想好了赔偿金额，将前面提到的赔偿金额乘以一个倍数（或比例）就可以了。这个倍数（或比例）对应琼受到的严重损害与另外那个小女孩受到的轻度损害之间的差异。此外，当你读到单一锚定点（150万美元）时，你的整个赔偿金额量表的取值范围基本上就被确定下来了。现在，设置比上述两种情况更严重或更轻微的案件的赔偿金额对你来说也很容易了。

如果人们依据等比量表进行判断时需要锚定点，那么要是没有锚定点，将会发生什么？史蒂文斯给出了答案。在没有实验人员指导的情况下，人们在首次使用量表测量灯光亮度时，不得不随意地选择了一个值。他们将自己选的这个值作为锚定点，基于这个点做出一致性的判断。

你可能会发现，我们为琼·格洛弗案设定赔偿金额时所面临的任务，就是在没有锚定点的情况下确定量表的例子。就像史蒂文斯实验室中没有锚定点的观察者一样，你对Geeral Assistace公司应该受到的惩罚的判断也具有很强的随意性。我们的研究的参与者也面临相同的问题：他们不得不对自己看到的第一起案件随意地做出决定。不过与你不同的是，他们不仅做出了一个随意的决定，而且还要为其他9起案件设定惩罚性损害赔偿。后面这9项判断就不再是随意的了，因为这些判断可以与最初判断的锚定点保持一致，因此它们彼此之间也更加一致。

史蒂文斯实验室的研究说明，个体生成的锚定点将对其随后做出的对赔偿金额绝对值的判断产生很大影响，但对这10起案件赔偿金额的相对值没有任何影响。如果最初判定的赔偿金额很高，那么后续判定的赔偿金额也会很高，但不影响它们的相对大小。这一推论可以得出一个令人惊讶的结论：尽管赔偿金额的判断看起来充满噪声，它却真实地反映了法官的惩罚倾向。为了测量这种惩罚倾向，我们只需用相对分数代替绝对的赔偿金额即可。

为了验证这一想法，我们将每个参与者给出的这10起案件的赔偿金额替换为按金额大小排序的分数，然后再次进行噪声分析。最高金额的排序分数为1，次高金额的排序分数为2，依此类推。这种将赔偿金额转换为排序分数的做法消除了所有陪审员的水平误差，因为除了偶尔会出现分数相同的情况外，1～10分的排序分布对每个人都是一样的。这里要说明一点，该问卷有多个版本，每个人都评判了28个情境中的10个。我们将判断10个相同情境的参与者划分到同一组，然后对各组的反馈分别进行了分析，并且给出了平均值。务，就是在没有锚定点的情况下确定量表的例子。就像史蒂文斯实验室中没有锚定点的观察者一样，你对Geeral Assistace公司应该受到的惩罚的判断也具有很强的随意性。我们的研究的参与者也面临相同的问题：他们不得不对自己看到的第一起案件随意地做出决定。不过与你不同的是，他们不仅做出了一个随意的决定，而且还要为其他9起案件设定惩罚性损害赔偿。后面这9项判断就不再是随意的了，因为这些判断可以与最初判断的锚定点保持一致，因此它们彼此之间也更加一致。

史蒂文斯实验室的研究说明，个体生成的锚定点将对其随后做出的对赔偿金额绝对值的判断产生很大影响，但对这10起案件赔偿金额的相对值没有任何影响。如果最初判定的赔偿金额很高，那么后续判定的赔偿金额也会很高，但不影响它们的相对大小。这一推论可以得出一个令人惊讶的结论：尽管赔偿金额的判断看起来充满噪声，它却真实地反映了法官的惩罚倾向。为了测量这种惩罚倾向，我们只需用相对分数代替绝对的赔偿金额即可。

为了验证这一想法，我们将每个参与者给出的这10起案件的赔偿金额替换为按金额大小排序的分数，然后再次进行噪声分析。最高金额的排序分数为1，次高金额的排序分数为2，依此类推。这种将赔偿金额转换为排序分数的做法消除了所有陪审员的水平误差，因为除了偶尔会出现分数相同的情况外，1～10分的排序分布对每个人都是一样的。这里要说明一点，该问卷有多个版本，每个人都评判了28个情境中的10个。我们将判断10个相同情境的参与者划分到同一组，然后对各组的反馈分别进行了分析，并且给出了平均值。结果令人震惊：判断的噪声从94%下降至49%（见图15-2）。将赔偿金额转换为排序后我们发现，实际上，陪审员在不同案件中对什么是合适的惩罚基本达成了共识。事实上，赔偿金额排序中的噪声（如果有的话）还略低于最初的惩罚倾向评分中的噪声。

图15-2　数值中的噪声与排序中的噪声

一个不幸的结论

结果与我们提出的理论是一致的：所有案件的赔偿金额均锚定在每个陪审员在遇到的第一起案件中所选择的数字上。案件的相对排名反映了相对准确的态度，噪声水平相对较低；而赔偿金额的绝对数值基本上没有意义，因为它们取决于在第一起案件中选择的任意数字。

颇具讽刺意味的是，陪审员在实际审判中所评估的案件往往是他结果令人震惊：判断的噪声从94%下降至49%（见图15-2）。将赔偿金额转换为排序后我们发现，实际上，陪审员在不同案件中对什么是合适的惩罚基本达成了共识。事实上，赔偿金额排序中的噪声（如果有的话）还略低于最初的惩罚倾向评分中的噪声。

图15-2　数值中的噪声与排序中的噪声

一个不幸的结论

结果与我们提出的理论是一致的：所有案件的赔偿金额均锚定在每个陪审员在遇到的第一起案件中所选择的数字上。案件的相对排名反映了相对准确的态度，噪声水平相对较低；而赔偿金额的绝对数值基本上没有意义，因为它们取决于在第一起案件中选择的任意数字。

颇具讽刺意味的是，陪审员在实际审判中所评估的案件往往是他们遇到的第一起也是唯一一起案件。美国的法律要求民事陪审团为一起案件设定一个赔偿金额，却不给出任何指导性的锚定点。美国的法律还明确禁止向陪审团透露其他案件的赔偿金额。美国法律隐含的假设是，陪审员的正义感将直接引导他们根据对犯罪行为的周详思考，做出正确的惩罚判断。这个假设从心理学上说是不合理的，因为它假设了一种人类不具备的能力。司法机构应承认，司法人员也有局限性。

惩罚性损害赔偿是个极端的例子。专业判断很少用如此模糊的量表。但是，模糊的量表是很常见的，这意味着本书所介绍的惩罚性损害赔偿的研究对于商业、教育、体育、政府管理及其他领域都具有启示性。第一，量表的选取会对判断中产生的噪声量造成很大影响，因为模糊的量表是充满噪声的。第二，如果可以的话，用相对判断代替绝对判断可能会减少噪声。们遇到的第一起也是唯一一起案件。美国的法律要求民事陪审团为一起案件设定一个赔偿金额，却不给出任何指导性的锚定点。美国的法律还明确禁止向陪审团透露其他案件的赔偿金额。美国法律隐含的假设是，陪审员的正义感将直接引导他们根据对犯罪行为的周详思考，做出正确的惩罚判断。这个假设从心理学上说是不合理的，因为它假设了一种人类不具备的能力。司法机构应承认，司法人员也有局限性。

惩罚性损害赔偿是个极端的例子。专业判断很少用如此模糊的量表。但是，模糊的量表是很常见的，这意味着本书所介绍的惩罚性损害赔偿的研究对于商业、教育、体育、政府管理及其他领域都具有启示性。第一，量表的选取会对判断中产生的噪声量造成很大影响，因为模糊的量表是充满噪声的。第二，如果可以的话，用相对判断代替绝对判断可能会减少噪声。