围绕着信息样本的有偏采集如何导致决策偏见问题，本文对采样偏差这一新的研究视角展开述评：首先从Fiedler的“认知—生态采样”思想出发，阐述了“采样”的概念内涵，然后对采样偏差导致决策偏见的基本机制进行归纳，接着对采样偏差视角下的一种典型偏见——“描述—经验”差异研究进行梳理，并重点回顾几个融入采样思想的决策模型。在述评基础上，论文总结并指出采样偏差视角下决策偏见研究的未来发展方向。
正因为判断与决策建立在获得的样本的基础上，所以采样在判断与决策过程中非常重要。Fiedler（2000）认为，样本是个体认知和生态环境交互作用的结果：一方面，环境中的信息刺激能否被个体采集受制于个体的动机、兴趣和目标；另一方面，采样并非完全处于个体的认知控制之下，而是在很大程度上受环境中信息分布的影响。认知和生态两个方面的因素共同决定了个体的信息采样过程。
（1）环境中的信息分布
（2）信息的表征
（3）信息的接近性和可得性
（4）个体的动机和目标
个体的动机和目标是影响采样和引起决策偏见的重要机制。与动机视角将决策偏见直接归因于个体的动机和目标不同，采样偏差视角认为动机与目标通过影响采样过程从而引发决策偏见。例如，在认知一致性动机作用下，个体偏好于采集同自身先验（信念、态度、预期）一致的信息，忽略或扭曲性解读与先验不一致的信息，表现出选择性接触、信息扭曲和验证性偏见（Lord等，1979；Polman和Russo，2012）。在省力动机作用下，个体倾向于采集易于处理的外围信息或启发信息（Chaiken等，1989；Petty和Cacioppo，1986）。在社会从属动机作用下，个体倾向于采集群体内信息和能够提升自我印象的信息，从而引起过度自信、优于平均等偏见（Chambers和Windschitl，2004；Galesic等，2012；Proeger和Meub，2014）。
（5）所采集样本的有限性
人们依赖于从整体环境中采集的部分样本进行认知和决策。也就是说，人们透过一扇很窄的窗户看世界。样本能否真实地反映现实就非常重要。从统计上说，大样本比小样本更优越，样本量越小，采样分布的方差就越倾斜。但在现实环境中，受外部环境制约和个体动机、能力、资源的限制，人们可获得的样本数量相比于完全信息数量来说往往是很有限的。同时，受到人类工作记忆能力的制约，大脑能够同时加工的样本数很少，成人平均为7个条目（Miller，1956），甚至更低（Cowan，2001）。小样本最终扭曲决策结果（Kareev，2006）。
（6）采样的粒度
采样粒度是指个体在采样过程中对消息刺激进行心智分解的程度（Fiedler和Juslin，2006）。以汽车购买决策情境为例，消息刺激可能包括厂商发布的汽车参数和性能信息、其他人（比如亲人、朋友、同事、邻里等）的观点或者期望、决策者对汽车的体验等。根据联结主义模型（Roe等，2001），这些在自然水平（或者说初始状态）上采样得到的信息性、社会性或体验性消息刺激又可以分解为更细粒度的分子性或者原子性单元，如汽车的商标、性能、油耗、价格、舒适感、社会化认同程度等属性线索。进一步，那些分子性属性线索还可以分解为更基本的原子性或者神经元单元，比如汽车性能又可以分解为动力性、制动性、操控稳定性等。不同的个体对于消息刺激的分解与采样的能力和粒度存在差异。细粒度水平（如神经元水平）上的采样更利于对决策目标和决策标准的理性认知表征，从而更利于理性的权衡和抉择（Tversky，1977；Fiedler和Juslin，2006）。
（7）搜索算法
样本是总体的子集，也是认知主体在采样过程中使用特定搜索算法的结果。由于决策是对一个或多个预测子（predictor，自变量）与标准子（criterion，因变量）之间影响关系的推断，理论上，个体只有运用预测子搜索算法才能够得到无偏的估计。然而，在使用预测子采样时，因受到环境中信息可得性与接近性的影响，人们往往表现出对于大样本选项的偏好。例如，老师根据学生在课堂上回答问题的正确次数对学生i和j的能力高低进行判断时，可能由于学生i的举手次数更多，座位更显眼而更多地采集到学生i的表现。即使学生i和j回答问题的正确率相同（都为75%），老师也更倾向于给学生i以较高的评价，因为更大的样本能更有效地体现学生的正确率。预测子采样总是优于标准子采样，尤其对于稀有事件，标准子采样会高估稀有事件的条件概率，出现基准率忽视现象（Fiedler，2000）。更糟糕的是，人们难以识别预测子采样和标准子采样的区别，经常不假思索地在两种搜索算法之间进行转换，错误地混淆“如果p，则q”和“如果q，则p”两种逻辑规则。人们对搜索算法的错误使用最终导致有偏的估计结果。
（8）元认知监控能力不足
总之，由于受现实环境中信息分布不均匀、个体动机和目标制约、搜索算法混淆、有限样本量和元认知监控能力不足等因素的影响，个体无法采集到完全随机的样本。样本中固有的偏差进一步导致了个体的决策偏差。
（一）决策的描述范式与经验范式
（二）“描述—经验”差异及其产生原因
Hau等（2010）遵循Fiedler和Juslin（2006）的“认知—生态”采样框架，从总体水平的收益方差、样本水平的采样误差和认知水平的记忆限制三个层次的信息表征和转移来考察“描述—经验”差异的形成原因。具体地，总体水平描述了全部样本（决策者采集到的和未采集到的）中每个事件的生态属性特征；样本水平表示决策者从总体中采集出的样本所揭示的每个事件信息；认知水平描述了样本经过决策者大脑学习、记忆、评估和过滤后的每个事件信息。然而，他们的实证结果表明这三个层次的样本转移难以有效地解释“描述—经验”差异；相比之下，信息的表征格式影响“描述—经验”差异，但该差异仅发生于较大样本量的观测情境中。
①Glckner等（2016）设置了两组信息不对称条件下的博弈经验情境。在第一组中，被试需要在两个选项中做出序列采样和决策：A（具有8.7欧元的稳定收益）、B（0.91的概率收益9.6欧元，0.09的概率损失6.4欧元）；在第二组中，被试被给予选项A以及C（0.91的概率收益8.2欧元，0.09的概率收益20欧元）。显然，选项C的期望收益大于A，A大于B。他们的实验研究发现，在第一组实验情境中，由于选择B曾导致多次高收益，因而极端小概率损失事件采样并未改变决策者对于B的偏好，他们在后续决策中仍然更多地选择B；而在第二组实验情境中，由于选择C曾导致多次低收益，因而极端小概率高收益事件采样并未使得决策者产生对C的偏好，他们在后续决策中更多地选择安全选项A。
总的来说，经验决策范式更加注重环境与心理之间的相互作用，强调决策者对环境进行探索时的信息采样和认知过程。经验决策研究发现了“描述—经验”差异，并为从信息样本的有偏采集视角理解这一决策异象提供了丰富的研究成果。
（一）查询理论（querytheory）
查询理论由Johnson等（2007）提出，其主要有两个基本思想。首先，查询理论假定，当面临一个决策问题时，个体会将决策问题分解为一系列子问题，然后从记忆中序列地查询这些子问题的不同方面。子问题的查询顺序非常重要，其影响后续的决策制定，不同的子问题查询序列可能导致不同的判断与决策结果。子问题的查询顺序取决于个体在决策情境中的内在目标（Oppenheimer和Kelso，2015）。其次，借鉴Anderson等（1994）的检索遗忘研究，查询理论认为，由于认知处理的有限性以及初始检索信息对后续检索信息的干扰，决策者前期的检索会比后期的检索更有效，同时较之于后期处理的子问题，针对较早处理的子问题所检索的信息会被决策者赋以更高的权重。
Johnson等（2007）基于查询理论解释了禀赋效应。禀赋效应刻画的是个体对已拥有物品的价值估计高于未拥有该物品时的价值估计的现象（Thaler，1980）。前景理论中的损失厌恶心理曾是禀赋效应的主要解释机制（Kahneman和Tversky，1979），查询理论则从记忆采样角度为禀赋效应提供了新的解释。Johnson等（2007）在“马克杯”实验中，将被试分为“卖出者”和“选择者”两组。“卖出者”需以一定的价格将已拥有的马克杯卖给实验者，而“选择者”需在一定数量的金钱和马克杯之间做出选择。通过分析被试的思考过程和记忆召回内容，结果发现，拥有马克杯的“卖出者”更多地考虑了那些可以抬高马克杯价值的内容，且在记忆召回时更准确地回忆起马克杯的正面特征；而尚不拥有马克杯的“选择者”更多地考虑可以压低马克杯价值的内容，且在记忆召回时更准确地回忆起马克杯的负面特征。实验结果证实个体的内在目标（例如“卖出”或“选择”）决定了记忆检索和采样顺序，且早期检索的记忆内容干扰后期的检索，从而成功地解释了禀赋效应。
（二）决策场理论（DecisionFieldTheory）
决策场理论（Busemeyer和Townsend，1993）是一种量化模型，其能够动态地预测人类在不确定条件下的决策制定过程。具体地，该模型假设决策者在决策过程中不断地从记忆里检索不同选项的优缺点特征，从而获得支持或反对该选项的证据。有关每个选项的证据缓慢累加，直到决策者对某个选项的偏好强度达到特定阈值。决策者将第一个达到该阈值的选项作为决策结果。决策者的偏好强度在决策过程中不断变化，表现出犹豫不决、甚至偏好反转等现象。
决策场理论最初用于解决不确定条件下两个备选方案的选择问题，之后被扩展至多属性决策（Diederich，1997）和多方案选择（Roe等，2001）场景中。在决策场理论的证据累加和阈值思想基础上，一些竞争模型，如联结累加模型（Bhatia，2013）和多属性线性球状累加模型（Trueblood等，2014）被相继提出。该类以决策场为代表的模型能够为偏好反转的相似效应（Tversky，1972）、吸引力效应（Huber等，1982）和折衷效应（Simonson，1989）提供有效的解释（Roe等，2001；李艾丽莎和张庆林，2006；Pettibone，2012；Oppenheimer和Kelso，2015）。
（三）“漏斗—竞争”累加器模型（leaky,competingaccumulatormodel）
“漏斗—竞争”累加器模型的有效性已在多个决策任务中得以验证并被成功用于解释一些决策偏见。Dufau等（2012）发现该模型能够有效地描述和预测词语的再认偏见。Tsetsos等（2012）引入该模型解释了感知决策任务中的首因效应和近因效应。Usher和McClelland（2004）将前景理论中的损失厌恶心理（Tversky和Kahneman，1991）纳入“漏斗—竞争”累加器模型中，并基于此解释了现状偏见、相似效应、吸引力效应以及折衷效应等决策偏见的形成机制。
（四）采样决策（decisionbysampling）
采样决策模型（Stewart等，2006）认为，决策者在决策过程中并不对选项进行效用计算，而是在当前选项和从记忆中采集的样本选项之间做二元序列比较，并在每个选项的获胜频次排序基础上做出选择。Stewart等（2006）运用采样决策模型，从收益和损失在现实世界的生态分布角度，对前景理论中的边际效用递减、损失厌恶、高估小概率、低估大概率现象进行了新的解读。通过分析银行信贷的现金账户，Stewart等（2006）发现，相比大的收益和损失，人们在现实环境中遇到的更多的是小的收益和损失。人们对小的收益和损失更加敏感仅仅是因为小收益和小损失事件频次更高，更易于被采样。类似地，超市商品、面包、巧克力等价格的敏感度相对排序均呈现出边际递减特性。Stewart等（2006）还发现，小损失和小收益的频次在现实中呈现不对称分布，相比小收益，小损失频次更高。这意味着相比于收益，同等金额的损失具有更高的敏感度相对排序。这符合Kahneman和Tversky（1979）在前景理论中描述的损失厌恶思想。
此外，Stewart等（2006）统计了自然语言中概率词汇（如“绝对可能”、“非常有可能”、“可能”、“也许”、“不可能”等）的使用频次，结果表明，处在两端的小概率和大概率词汇的使用频次高于处在中间的中等概率词汇的使用频次。词频的相对排序呈现出倒转的S形，与前景理论的概率权重函数形状相一致，其一定程度上意味着人们倾向于高估小概率事件同时低估大概率事件。
其他一些研究也为采样决策模型提供了支持性证据。例如，Brown等（2008）发现相比于绝对工资数量，雇员工资的现实排序位置能更好地预测雇员的工资满意度。Olivola和Sagara（2009）的研究表明，不同国家的灾难死亡人数在现实世界的曝光和分布能够预测该国国民对灾难的风险偏好。Ungemach等（2011）证实了人们对超市商品价格的感知影响他们对货币价值的感知，同时人们在近期会话交流中所使用的概率词汇影响他们对风险的评估。
采样偏差视角是近十几年来行为决策科学发展起来的一种新的研究取向。这一取向着眼于决策前的信息采样过程，强调从环境中获取的有偏样本对决策的偏见性影响。经验决策范式是采样偏差视角的代表性研究，研究者发现了“描述—经验”差异这一系统性的决策偏见，并从样本和环境角度对其进行了广泛的探索和解释。融入了采样偏差思想的决策模型，如查询理论、决策场理论、“漏斗—竞争”累加器模型和采样决策模型等，为一些偏见现象提供了有效的解释。
采样偏差视角的创新之处在于，其将研究者的注意力从动机和认知视角的偏见式信息处理转向偏见式信息生成。这一转移使得研究者能够从信息加工的不同阶段对偏见机制进行研究。信息采样既包括外部环境采样，也包括内部记忆采样，这一过程实际上蕴含着丰富的心理学特征，例如启发式、可得性、显著性、记忆、图式、学习等。采样偏差视角下的决策制定涵盖了从环境中获取信息样本、信息表征、存储、检索、方案选择和做出决策的整个过程，扩展了判断与决策领域的研究内容。