考虑到相关研究较为匮乏，我们的结论只是暂时性的，但它们反映了我们对噪声的态度以及应对方式的改变。从原则上说，水平噪声——法官之间简单、全面的个体差异，应该是一个相对容易测量和解决的问题。如果有异常“严格”的评分者，或异常“谨慎”的儿童监护权法官，抑或十分厌恶承担风险的贷款人，雇用他们的机构可以试图使他们的判断维持在平均水平。例如，大学会要求教授们在评分时遵守事先确定好的成绩分布。

很可惜，我们发现，专注水平噪声会遗漏掉很大一部分个体差异。大多数噪声都不是水平差异的产物，而是交互的产物，如不同的法官如何对待特定的被告，不同的老师如何对待特定的学生，不同的社会工作者如何对待特定的家庭，不同的领导如何对待特定的公司愿景……噪声主要是我们的独特性或“判断人格”的副产品。降低水平噪声依旧是一个有价值的目标，但仅达到此目标仍然未能解决大部分的系统噪声问题。

对误差的解释

与噪声有关的很多问题都值得关注，但公众并没有意识到这些问题，有关判断与误差的讨论也几乎很少涉及噪声。尽管有证据表明噪声是存在的，并且产生噪声的机制很多，但人们很少将噪声作为影响判断的主要因素。为什么会这样呢？为什么我们从不用噪声来解释糟糕的判断结果，而是将其归咎于偏差呢？既然噪声无处不在，为什么人们很少将其作为判断误差的来源呢？考虑到相关研究较为匮乏，我们的结论只是暂时性的，但它们反映了我们对噪声的态度以及应对方式的改变。从原则上说，水平噪声——法官之间简单、全面的个体差异，应该是一个相对容易测量和解决的问题。如果有异常“严格”的评分者，或异常“谨慎”的儿童监护权法官，抑或十分厌恶承担风险的贷款人，雇用他们的机构可以试图使他们的判断维持在平均水平。例如，大学会要求教授们在评分时遵守事先确定好的成绩分布。

很可惜，我们发现，专注水平噪声会遗漏掉很大一部分个体差异。大多数噪声都不是水平差异的产物，而是交互的产物，如不同的法官如何对待特定的被告，不同的老师如何对待特定的学生，不同的社会工作者如何对待特定的家庭，不同的领导如何对待特定的公司愿景……噪声主要是我们的独特性或“判断人格”的副产品。降低水平噪声依旧是一个有价值的目标，但仅达到此目标仍然未能解决大部分的系统噪声问题。

对误差的解释

与噪声有关的很多问题都值得关注，但公众并没有意识到这些问题，有关判断与误差的讨论也几乎很少涉及噪声。尽管有证据表明噪声是存在的，并且产生噪声的机制很多，但人们很少将噪声作为影响判断的主要因素。为什么会这样呢？为什么我们从不用噪声来解释糟糕的判断结果，而是将其归咎于偏差呢？既然噪声无处不在，为什么人们很少将其作为判断误差的来源呢？这个难题的关键在于：尽管误差的平均值（偏差）和变异性（噪声）在误差方程中起着同等作用，我们却是以截然不同的方式来看待它们的。我们对周遭世界进行合理化的常规方式让我们几乎无法识别噪声的作用。

在本书前面的章节中我们已经指出，人们在事前很难对事件进行预测，但对其进行事后解释却很容易。常态谷中的事件通常不足为奇，也容易解释。

判断也是如此。像其他事情一样，大多数判断和决策也发生在常态谷中，它们通常不会令人惊讶。如果对某件事的判断已经产生了令人满意的结果，那么该判断就是再正常不过的了，因而很少遭到质疑。当任意球的射手射门得分时，当心脏病手术成功时，当创业成功时，我们会认为决策者一定是根据正确的原因做出的选择。毕竟，这些原因已经被其结果证明是正确的。就像其他不足为奇的故事一样，一个成功的故事，一旦结果已知，就能自圆其说了。

然而，我们还是觉得需要对异常的结果进行解释，包括那些糟糕的结果，有时也包括好到出奇的结果，比如一个令人难以置信的商业冒险最终却获得了成功。用误差或特殊才能来解释这些结果是很普遍的做法，因为对于过去的重大冒险行为，一旦结果已知，人们就很容易将其解释为因为天才或愚蠢。心理学中著名的基本归因偏差说的就是这种倾向，人们通常会将责任或功劳归因于行动者。事实上，将这些结果解释为运气或客观环境所致或许更合适。另一个心理偏差，即后见之明偏差，则扭曲了人们的判断，从而导致那些无法预料的结果从事后看来是很容易预见到的。这个难题的关键在于：尽管误差的平均值（偏差）和变异性（噪声）在误差方程中起着同等作用，我们却是以截然不同的方式来看待它们的。我们对周遭世界进行合理化的常规方式让我们几乎无法识别噪声的作用。

在本书前面的章节中我们已经指出，人们在事前很难对事件进行预测，但对其进行事后解释却很容易。常态谷中的事件通常不足为奇，也容易解释。

判断也是如此。像其他事情一样，大多数判断和决策也发生在常态谷中，它们通常不会令人惊讶。如果对某件事的判断已经产生了令人满意的结果，那么该判断就是再正常不过的了，因而很少遭到质疑。当任意球的射手射门得分时，当心脏病手术成功时，当创业成功时，我们会认为决策者一定是根据正确的原因做出的选择。毕竟，这些原因已经被其结果证明是正确的。就像其他不足为奇的故事一样，一个成功的故事，一旦结果已知，就能自圆其说了。

然而，我们还是觉得需要对异常的结果进行解释，包括那些糟糕的结果，有时也包括好到出奇的结果，比如一个令人难以置信的商业冒险最终却获得了成功。用误差或特殊才能来解释这些结果是很普遍的做法，因为对于过去的重大冒险行为，一旦结果已知，人们就很容易将其解释为因为天才或愚蠢。心理学中著名的基本归因偏差说的就是这种倾向，人们通常会将责任或功劳归因于行动者。事实上，将这些结果解释为运气或客观环境所致或许更合适。另一个心理偏差，即后见之明偏差，则扭曲了人们的判断，从而导致那些无法预料的结果从事后看来是很容易预见到的。对判断误差做出解释并非难事。为判断找原因比为结果找原因要容易得多。我们总是倾向于用动机来解释人们的判断。如果用动机不足以做出解释，我们还可以将误差归结为他们的无能。近几十年来，出现了另一种对糟糕的判断进行解释的常见心理机制：心理偏差。

心理学和行为经济学的大量研究发现了一长串的心理偏差，包括计划谬误、过分自信、损失规避、禀赋效应、现状偏差、未来过度折现（即刻偏差）等，当然也包括针对不同人群的歧视或偏好。人们已经很了解这些偏差在何种情况下会影响判断与决策，对于决策观察员怎样实时地对偏差进行识别也已知之甚多。

如果心理偏差可以被事先预测或被实时检测出来，那人们就可以对判断误差做出合理的因果解释。即使偏差只能被事后识别，只要它可以对未来做出预测，那也能够提供有意义的、暂时性的解释。例如，一名优秀的女性应聘者出人意料地应聘失败了，那么可以据此做出一个一般性的假设——存在性别歧视，可以通过对后续的招聘决策进行分析来证实或驳斥这一假设。相反，想象一个仅适用于某一具体事件的因果解释：在那个案例中，他们失败了，一定是因为他们过分自信了。这种说法没有任何实际意义，但它提供了一种让人感到满意的理解错觉。商学院教授菲尔·罗森茨威格（Phil Rosezweig）坚定地认为，在讨论商业结果时，用偏见去进行空洞的解释是非常普遍的，这是因为人们迫切需要一个使经验合理化的故事。

从统计学上说，噪声无处不在对判断误差做出解释并非难事。为判断找原因比为结果找原因要容易得多。我们总是倾向于用动机来解释人们的判断。如果用动机不足以做出解释，我们还可以将误差归结为他们的无能。近几十年来，出现了另一种对糟糕的判断进行解释的常见心理机制：心理偏差。

心理学和行为经济学的大量研究发现了一长串的心理偏差，包括计划谬误、过分自信、损失规避、禀赋效应、现状偏差、未来过度折现（即刻偏差）等，当然也包括针对不同人群的歧视或偏好。人们已经很了解这些偏差在何种情况下会影响判断与决策，对于决策观察员怎样实时地对偏差进行识别也已知之甚多。

如果心理偏差可以被事先预测或被实时检测出来，那人们就可以对判断误差做出合理的因果解释。即使偏差只能被事后识别，只要它可以对未来做出预测，那也能够提供有意义的、暂时性的解释。例如，一名优秀的女性应聘者出人意料地应聘失败了，那么可以据此做出一个一般性的假设——存在性别歧视，可以通过对后续的招聘决策进行分析来证实或驳斥这一假设。相反，想象一个仅适用于某一具体事件的因果解释：在那个案例中，他们失败了，一定是因为他们过分自信了。这种说法没有任何实际意义，但它提供了一种让人感到满意的理解错觉。商学院教授菲尔·罗森茨威格（Phil Rosezweig）坚定地认为，在讨论商业结果时，用偏见去进行空洞的解释是非常普遍的，这是因为人们迫切需要一个使经验合理化的故事。

从统计学上说，噪声无处不在正如我们在第12章中指出的那样，我们惯常使用因果思维。我们会自然而然地去关注特定的事件，追踪并创建出因果连贯的故事。这其中，失败往往被归因于误差，而误差往往被归因于偏差。糟糕的判断结果很容易被解释，因而没有为用噪声解释误差留有余地。

因果思维的直接后果是我们看不见噪声。噪声本质上是一种统计概念：只有当我们采用统计思维对一组相似的判断进行思考时，噪声才可见。事实上，此时很难对噪声视而不见：它是对量刑判决和保费核准进行事后统计时呈现出的变异性；它是当你和其他人思考如何预测未来的结果时呈现出的各种可能性的范围；它是靶子上那些散布的弹孔。从因果性上说，噪声并不存在；从统计学上说，它无处不在。

很遗憾，用统计思维看待噪声并非易事。我们毫不费力地就能为观察到的事件找出理由，但是若要对其进行统计学思考，必须学习并持续努力。因果思维是与生俱来的，而想要使用统计思维则困难重重。

这严重影响了我们是将偏差还是将噪声视为误差来源的选择。如果你接触过普通心理学，你可能还记得一幅插图：在模糊的背景中，一个突出而又充满细节的人物会脱颖而出。虽然人物很小，背景很大，但我们的注意力仍然会牢牢地集中在人物身上。图形／背景的例子可以与人类关于偏差和噪声的直觉进行很好的类比：偏差就是引人注目的图形，噪声则是不受我们关注的背景。这就是为什么我们在很大程度上意识不到自己的判断中存在重大缺陷。正如我们在第12章中指出的那样，我们惯常使用因果思维。我们会自然而然地去关注特定的事件，追踪并创建出因果连贯的故事。这其中，失败往往被归因于误差，而误差往往被归因于偏差。糟糕的判断结果很容易被解释，因而没有为用噪声解释误差留有余地。

因果思维的直接后果是我们看不见噪声。噪声本质上是一种统计概念：只有当我们采用统计思维对一组相似的判断进行思考时，噪声才可见。事实上，此时很难对噪声视而不见：它是对量刑判决和保费核准进行事后统计时呈现出的变异性；它是当你和其他人思考如何预测未来的结果时呈现出的各种可能性的范围；它是靶子上那些散布的弹孔。从因果性上说，噪声并不存在；从统计学上说，它无处不在。

很遗憾，用统计思维看待噪声并非易事。我们毫不费力地就能为观察到的事件找出理由，但是若要对其进行统计学思考，必须学习并持续努力。因果思维是与生俱来的，而想要使用统计思维则困难重重。

这严重影响了我们是将偏差还是将噪声视为误差来源的选择。如果你接触过普通心理学，你可能还记得一幅插图：在模糊的背景中，一个突出而又充满细节的人物会脱颖而出。虽然人物很小，背景很大，但我们的注意力仍然会牢牢地集中在人物身上。图形／背景的例子可以与人类关于偏差和噪声的直觉进行很好的类比：偏差就是引人注目的图形，噪声则是不受我们关注的背景。这就是为什么我们在很大程度上意识不到自己的判断中存在重大缺陷。·　消除噪声

噪声源

·　我们很容易看到判断在平均水平上存在的差异，但我们无法看到的模式噪声有多大呢？

·　你说这个判断是由偏差引起的，但如果结果不同，你还会这样说吗？你能确定其中是否有噪声吗？

·　我们专注于减少偏差，这是对的。同样，我们也应该关注如何减少噪声。·　消除噪声

噪声源

·　我们很容易看到判断在平均水平上存在的差异，但我们无法看到的模式噪声有多大呢？

·　你说这个判断是由偏差引起的，但如果结果不同，你还会这样说吗？你能确定其中是否有噪声吗？

·　我们专注于减少偏差，这是对的。同样，我们也应该关注如何减少噪声。