对直觉性预测的偏见进行修正

如果你有充分的理由对自己直觉性预测的准确性充满信心，也就是你确信证据和预测之间联系非常紧密，那么你的预测结果所带有的偏见就很小，需要进行调整的余地就会很小。但多数情况下，由于直觉性预测不具有回归性，在预测结果与实际结果进行比较时，往往会带有很大的偏见。比如说，如果你根据孩子小学时的成绩来预测他大学的成绩，那么那些在小学学习成绩好的孩子在大学取得的成绩多半会让你感到失望，而那些在小学学习成绩差的孩子往往却会给你带来意想不到的惊喜。这就是直觉性预测带来的偏差，要想将这种偏差降到最小值，就需要对直觉性预测进行修正。

怎样修正直觉预测带来的偏见呢？最佳办法就是回归到平均值上去。下面就以阅读年龄和大学成绩的决定因素为例，对直觉性预测进行修正，先看两个公式，这两个公式是美国2002年诺贝尔经济学奖获得者丹尼尔·卡内曼（Daniel Kahneman,1934～）给出的。

一、两个公式

阅读年龄＝共同因素+决定阅读年龄的特殊因素＝100%

平均绩点＝共同因素+决定平均绩点的特殊因素＝100%

公式中的共同因素包括遗传因素、家庭因素及孩提时期成为出色阅读者、大学时期在学术上有所成就的所有其他因素。这些因素中的许多因素只会影响某个结果，而对其他结果毫无影响。比如说，父母对孩子期望值很高，从小就强迫和培养孩子进行阅读，导致孩子很小阅读能力就很强；到了大学时期，由于经历了一段感情挫折，造成学习成绩下滑；等等。

二、进行无偏见预测的简单步骤

上述两个公式中的共同因素在决定因素中所占的比例是一样的，你能做出的最贴近的估测最多不超过30%，有了这个估测，你就可以进行无偏见预测了，主要有以下四个简单步骤：

1．首先估测出平均绩点的平均值；

2．根据对证据的印象计算出与之相匹配的平均绩点；

3．估算出你对证据和平均绩点的关联度；

4．如果你对关联度的估计是0.3，就从平均绩点的估算平均值中拿出30%，放到与它相匹配的平均绩点里。

在这四个步骤中，步骤1为你的预测提供了基准线，你除了知道你预测的对象是个大学生之外什么也不知道，在没有其他信息的情况下，你很有可能预测她的平均绩点为一般水平；步骤2将证据与你的估计进行搭配，是你的直觉性预测；步骤3是根据对关联性的估计和预测，你离开基准线向自己的直觉靠拢，但你能离开基准线的远近却由关联度决定；步骤4是做出最终预测，尽管直觉仍然影响这个预测，但其影响的力度已经是很小了。

这种预测方法还可以用来预测投资效益、公司发展的业绩等，如果你需要预测一个定量数值，就可以运用这个方法。这个方法虽然是以直觉为基础，但却削弱了直觉的影响，使它回归到平均值上了，是一种不带有偏见的预测。在运用这种方法预测时尽管仍然会出现偏差，但却不会导致过高或过低的估值，所以是一种特别常见的预测方法。