作者：佚名

整理 by A小蚊子丨ID：xiaowenzileyuan

歡迎將此文分享給更多朋友，大家共同精進

一、推理的世界

所有的概念、判斷、信仰都來源於某種推斷，而不是對事實的直接反映。

思維定式

和刻板印象引導著我們去理解這個世界，但他們也可能是我們陷入誤區，以致逃避自己過分依賴他們進行判斷的事實。

行為是由一系列除金錢之外的其他因素決定的

二、情境的力量

我們常常會低估（或者根本忽視了）一些最重要的

情境性因素

對我們的行為和信仰的巨大影響力。

避免“低估情境、高估個人因素”

我們更有可能在分析他人行為時，低估情境的影響力，而高估他們的個人內在因素。

“基本歸因謬誤”

人在解釋別人的行為原因時，傾向歸因於個人內在特質，而往往忽略了外在情境因素的影響

意識到情境因素通常會比他們看上去更深刻影響你和他人的行為，而

個性因素

通常比他們看上去的影響力要小。

不要以為，透過某個人在一個或兩個情境中的行為就能夠預測其未來行為，也不要認為一個人所擁有的個性、信仰或偏好導致了他的行為。

認識基本歸因謬誤，能讓你的思考更理性一些，提醒你不要盲目崇拜英雄，更不要盲目丟掉自信。

三、發現“理性的”無意識思維

潛意識在解決一些特定的“有意識思維”無法解決的問題時才有效。

兩個意識

一些固有規則和意識對於分辨問題中的元素十分關鍵，並且對於勾勒出問題的大致解決方案是必要的。

有意識的思維在你核對和完善由潛意識得出的結論時十分必要。

一定要利用潛意識免費幫你完成大量工作

四、像經濟學家一樣思考

“成本-收益”分析時研究人們通常做什麼決定，怎樣做決定的一種方法

要做的決定越重要，越複雜，做此類分析也就越關鍵。

五、倒掉的牛奶與免費的午餐

沉沒成本

是指以往發生的，但與當前決策無關的費用

在決策時，只考慮未來的收益和成本

機會成本

因為一項行動而失去另一項次優行動帶來的收益。

機會成本並非其他所有沒有做的選擇的總和，而只是未選項中最優選擇的收益

任何價值都可以算作機會成本-金錢、時間、樂趣

“天下沒有免費的午餐”

過度關注機會成本、過度關注沉沒成本都會付出一些代價

那些已經消耗掉且無法挽回的資源不應當影響我們做決策

六、掩飾缺陷

損失厭惡

人們傾向於儲存自己已有的東西，拒絕放棄，甚至在事情已經發展到成本-收益分析提醒我們放棄時，仍然不願意止損

人們獲得一件東西而感到的快樂程度只有失去這件東西而感到悲傷的程度的一半

稟賦效應

稟賦效應是指當個人一旦擁有某項物品，那麼他對該物品價值的評價要比未擁有之前大大增加

人們在決策過程中對利害的權衡是不均衡的，對“避害”的考慮遠大於對“趨利”的考慮。

渉事關己過度重視

出於對損失的畏懼，人們在出賣商品時往往索要過高的價格。

物質激勵為王

一種社會性影響的機制是，我們知道他人比我們預想的做得更好，我們會在他人行動的感召下做同樣的事。

“別人比我預想的做的更好”-可以加深了你的反叛念頭

希望人們減少用電量

告訴他們用量比鄰居家的多 皺眉頭

告訴他們用量比鄰居家的少 微笑

希望人們能節約用水，透過迴圈利用酒店的毛巾來保護環境

告訴人們酒店大部分客人（“大部分曾經住過這個房間的客人”）都會迴圈利用毛巾

人們在行事時，總是更傾向於計較損失而非收益

七、機率和樣本量

樣本統計值（均值、中位數、

標準差

等）的準確性與總體的規模是無關的。

只有在當選取的樣本沒有偏差時，

大數定律

才是成立的

在考慮某件物體或事情時，應當時時將其當作整體中的樣本來加以考量。

訪談錯覺-我們總是對自己過度自信，相信從某人30分鐘的言行裡就能瞭解他

標準差是一個便捷的可用於我們衡量連續變數在均值附近離散情況的指標。

標準差越大，我們無法確定一個特定樣本值能否接近樣本均值

八、錯誤的“關聯”

相關性並不能建立起因果聯絡

變數A、B之間不存在相關性，那在兩者之間（可能）不存在因果關係

沒有相關性不意味著沒有因果

統計性思維的關鍵“編碼”

人們基於能力測驗（拼寫和打籃球）和品性測試（友好和誠實）得出的少量資料和大量資料而做出的相關性推測

能力測驗：人們的推測能力低於實際能力

品性測試：人們的推測能力高於實際資料

問題在於編碼，有些可以用單位衡量，有些不可以

一個事物越可以透過編碼來分析，我們對其的相關性分析就越準確

信度是指一個樣本在不同情境中或是以不同方式測量時得分相同的程度

效度是指一個測量工具能夠準確測出所需測量的事物的程度

對於一個給定的測量工具，其可能有完美的信度，確沒有效度

九、忽略最具價值者的觀點

A或B

設計一種想檢測的步驟，設定一個對照情況

商業活動亦如政治，牽一髮而動全身，小節見成敗

內設計-對於整體差異的控制法

前後對比設計-需要平衡不同策略，否則策略的效果和樣本順序變化的效果會被混淆

一些樣本需要現在實驗情境下進行

另一些樣本需要再控制情境下進行

相關性設計不可靠，是因為研究者沒有限定樣本的具體條件

十、自然實驗與恰當實驗

隨機控制實驗通常被當作科學和醫學研究中的黃金標準，這是有充分理由的。

隨機分配保證裡在實驗組和

控制組

的任何變數之間都是沒有差別的

自然實驗：是指事情已經發生了，“上帝”已經幫你做完了實驗，你需要對這兩組具有相似性，但卻在某一個方面具有差異性的樣本進行比較。

十一、實驗經濟學

多元迴歸分析——可用於相關性分析的工具

實驗能控制自變數；相關性分析只能測量自變數

檢驗的是自變數與因變數之間的關係

原理：

如果你控制了一切與自變數和因變數都有關的因素，將他們從交錯的混合影響中抽離，那麼你就能得到預測變數與結果變數之間真正的因果關係。

在只能用實驗解決問題時誤用多元迴歸分析

拇指法則

：如果針對同一個問題，實驗的結論和多元迴歸分析的結論不一樣，那麼，就相信實驗的結論。

多元迴歸分析中存在的根本缺陷在於自我選擇，研究者不能為每一個主體（或樣本）選擇自變數值

十二、放棄提問，做個實驗

聽言還是觀行？——-行勝於言

不過，關於信仰、態度、價值觀或性格的口頭報告，你更應該選擇相信人在具體情境中的反應

口頭報告十分容易引起大量的錯誤和誤讀

行動是理解人們態度和性格的更好的指南

十三、邏輯

一個結論的正確性與一個結論的有效性是完全不同的兩碼事

演繹推理推出結論

1。性質模態

直言判斷的對當關係

A E

I O

1）矛盾關係：A與O，E與I之間，一個為真另一個為假

一個真來，另必假；一個假來，另必真

2）上反對：A與E

同假不同真；至少有一個假；一個真來，另必假；一個假來，另不知

3）下反對：I與O

同真不同假；至少有一真；一個假來，另必真；一個真來，另不知

4）

從屬關係

：A與I ，E與O

大的真來，小的真；大的假來，小不知；小的真來，大不知；小的假來，大必假

5）某個

某個s是p與某個s不是p是矛盾關係

2。模態判斷常見等價變形

·

不可能=必然不

不必然=可能不=不一定

可能=不必然不

不可能不=必然

不一定=可能不

3。充分必要

必要：

有前件未必有後件

有後件必有前件

只有p才q 如果q才p

不p，（就）不q

沒有p，（就）沒有q

除非p，否則不能q

p對於q來說是必須的（必不可少的）

p是q的前提，p是q的基礎

如果沒有q就不可能p

非p，非q

除非x否則不y==只有X，才Y

==非X，非Y

不可能（P且Q）=必然（非p或非Q）

充分：

如果 p，那麼q（非A或B）

只要。。。就 若。。。必 當。。。就， p就q

所有P都是q

一p 就q

越p 越q

p不可避免的產生q p導致q

p產生q

題型1直接推理

充分條件只要A——B

如果肯前，則必肯後

如果否後，則必否前

如果否前，未必否後

如果肯後，未必肯前

題型2：矛盾命題

並非（p——>q）==p且非q

十四、辯證推理

西方邏輯

同一律：A=A，無論是什麼，他就是他。A是他的本身，而不是其他什麼事物

無矛盾律：A和非A不可能同時發生。沒有什麼事物同時既是它又不是它。一個命題和他的相反面不可能同時為真

排中律

：任何事物一定要麼是，要麼不是。A或者非A為真，但兩者之間不存在其他情況

西方思維是分析式的，強調認同邏輯概念，堅持非矛盾的觀點

西方思維鼓勵將形式從內容中抽離，以便評估論斷的效度

東方邏輯

變化論

顯示是處於變化過程中的

現在正確的東西可能很快就會變成錯誤的

矛盾論

矛盾是動態存在於變化中的

因為變化是不能斷的，所以矛盾也是不能斷的

關係論（整體論）

整體大於部分疊加之和

各部分只有在整體關係中時才有其意義

A是正確的，但是非A並不是錯誤的

東方人更關注情境

東方思維

是整體式的，鼓勵人們認知到變化，接受矛盾

東方思維強調關注影響事物和人類行為的情境因素

十五、大道至簡

我們應該讓各類解釋簡單化，他們應該包含最少的概念，以儘量簡潔的方式被定義

特別解釋：對某個理論的完善，為了使理論合理而存在

十六、真實、真實

明智的認知，應該是不過於誇大別人的成就，也不過於放大自己的失敗，以一個空杯心態，時刻保持努力狀態，隨著積累和沉澱，有利的環境之門就會徐徐為自己開啟。

不能正確認知事物的本質，往往造成自己妄自尊大或者妄自菲薄，這樣會給自己的生活和成長帶來更多的挫折和打擊。

始終還是相信，個人努力才是一個人成功的重要因素。有利環境隨著你的努力款款而來，否則，環境再好，你不懂努力和珍惜，成功也會與你擦身而過。

整理者資訊：

想了解更多，歡迎關注公眾號“A小蚊子（xiaowenzileyuan）”，更多精彩內容、知識大禮包等你發現。