Уже отмечалось, что многие из поведенческих и мыслительных процессов, которые экономисты (поведенческие) называют «иррациональными» или «предвзятыми», на самом деле очень адаптивны и эффективны в реальном мире. Тем не менее вопрос ОП интересен. Я думаю, однако, что может быть выгодно обратиться к более фундаментальным, описательным знаниям о наших когнитивных процессах, а не искать конкретные «предубеждения», которые соответствуют тем, которые обсуждались в экономической литературе (например, неприятие потерь, эффект одаренности, пренебрежение базой и т. д.).
Например, оцениваемость , безусловно, является проблемой при анализе данных. Теория оцениваемости утверждает, что у нас избыточный вес информации, которую мы находим легко интерпретировать или оценить. Рассмотрим случай коэффициента регрессии. Оценка «реальных» последствий коэффициента может быть тяжелой работой. Мы должны рассмотреть единицы независимой и зависимой переменной, а также распределения нашей независимой и зависимой переменной, чтобы понять, имеет ли коэффициент практическую значимость. С другой стороны, оценить значимость коэффициента легко: я просто сравниваю его значение p с моим альфа-уровнем. Учитывая большую оцениваемость p-значения по сравнению с самим коэффициентом, вряд ли удивительно, что так много сделано из p-значений.
(Стандартизация повышает оцениваемость коэффициента, но может усиливать неоднозначность : ощущение, что соответствующая информация недоступна или скрыта, поскольку «оригинальная» форма данных, которые мы обрабатываем, нам недоступна.)
Связанное с этим когнитивное «смещение» - это принцип конкретности, тенденция к избыточному весу информации, которая «тут же» в контексте решения и не требует извлечения из памяти. (Принцип конкретности также гласит, что мы, скорее всего, будем использовать информацию в том формате, в котором она предоставлена, и, как правило, избегаем выполнения преобразований.) Интерпретация p-значения может быть сделана простым рассмотрением результатов регрессии; это не требует от меня каких-либо существенных знаний о том, что я моделирую.
Я ожидаю, что многие отклонения в интерпретации статистических данных могут быть связаны с общим пониманием того, что мы, вероятно, пойдем простым путем при решении проблемы или формировании суждения (см. «Когнитивный скряга», «ограниченная рациональность» и т. Д.) , Соответственно, выполнение чего-либо «с легкостью» обычно повышает уверенность, с которой мы придерживаемся полученных убеждений ( теория беглости ). (Можно также рассмотреть возможность того, что данные, которые легче сформулировать- для нас самих или для других - переоценены в наших анализах.) Я думаю, что это становится особенно интересным, когда мы рассматриваем возможные исключения. Некоторые психологические исследования показывают, например, что если мы считаем, что проблему должно быть трудно решить, то мы можем отдать предпочтение подходам и решениям, которые являются менее конкретными и более сложными, например, выбрать более загадочный метод, чем простой.