# 代表性启发（Representativeness Heuristic） ## 理论基础 - 定义：人们根据某对象/事件与原型或刻板印象的相似性来判断其归属或概率，常导致忽视基率、样本大小与统计结构（Tversky & Kahneman, 1974）。 - 认知神经机制概述：海马与联想皮层支持原型/类别表征与相似性匹配；vmPFC对主观价值与置信进行整合，dlPFC的控制与规则应用不足时，易出现基率忽视；ACC在统计与直觉冲突时参与监测。 - 理论背景：对应代表性会诱发合取谬误与小数定律信念；自然频率与外部表征可改善统计推理。 ## 实证证据 - 基率忽视：在“律师/工程师”问题中，被试过度依赖描述相似性而忽视总体比例（Kahneman & Tversky, 1973）。 - 合取谬误关联：Linda问题显示高代表性情境下，被试将更具体的合取事件评为更可能（Tversky & Kahneman, 1983）。 - 小数定律：人们错误地认为小样本能充分代表总体特性（Tversky & Kahneman, 1971）。 ## 研究方法 - 常用范式：类别归属判断、自然频率 vs 概率呈现、合取/析取比较；控制基率、样本大小与描述相似性。 - 测量与分析：记录选择与反应时；采用分层模型估计基率权重；fMRI任务考察dlPFC/ACC在冲突试次活动。 ## 研究结果 - 典型发现：相似性驱动的直觉常压过统计信息；自然频率与图示可提升基率整合。 - 边界条件：统计训练、明确呈现样本大小与随机性、外部计算辅助显著降低代表性误导。 - 跨文化研究：WEIRD样本偏重提示需谨慎外推（Henrich et al., 2010）。 ## 临床应用 - 评估：警惕诊断“原型化”与刻板印象驱动；加入基率与鉴别诊断。 - 干预策略分析： - 自然频率与可视化呈现（树图/概率网）。 - 检查清单要求显式写出基率与样本大小。 - 训练统计推理与去偏见框架。 ## 参考文献 - Kahneman, D., & Tversky, A. (1973). On the psychology of prediction. Psychological Review, 80(4), 237–251. https://doi.org/10.1037/h0034747 - Tversky, A., & Kahneman, D. (1971). Belief in the law of small numbers. Psychological Bulletin, 76(2), 105–110. https://doi.org/10.1037/h0031322 - Tversky, A., & Kahneman, D. (1983). Extensional versus intuitive reasoning: The conjunction fallacy. Psychological Review, 90(4), 293–315. https://doi.org/10.1037/0033-295X.90.4.293 - Tversky, A., & Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. Science, 185(4157), 1124–1131. https://doi.org/10.1126/science.185.4157.1124 - Henrich, J., Heine, S. J., & Norenzayan, A. (2010). Most people are not WEIRD. Behavioral and Brain Sciences, 33(2–3), 61–83. https://doi.org/10.1017/S0140525X0999152X