사람들은 과신하기가 너무나 유명합니다. 스포츠, 금융, 정치와 같은 맥락에 관계없이 사람들은 자신의 판단과 결정이 실제로있는 것보다 낫다고 믿습니다. 충격은 나중에 발생합니다. Steven Bradbury, 동계 올림픽 금메달 수상, Brexit, 금융 시장 불안감및 도널드 트럼프, 공화당 후보 지명 승리.

과신은 타이타닉 침몰에서부터 대 불황에 이르기까지 모든 것에 책임이 있습니다. 과신성에 대한 연구는 투자자들의 판단을 포함하여 다양한 상황에 대한 판단을 손상시키는 것을 의미합니다. 과도한 거래 행위, 관리자 ' 열악한 예측, 그들의 경향 위험한 제품 소개, 그리고 그들이 참여하는 경향 가치 파괴적인 합병.

과신은 매우 보편적이기 때문에 가장 강력한인지 적 편견 중 하나이며, 우리는 합리적인 수준의 배려없이 중요한 판단과 결정을 내리게됩니다. 다행히도 과신을 줄이기 위해 사용할 수있는 몇 가지 전략이 있습니다.

자신감이 과분 할 때 어떻게 알 수 있습니까?

과신은 일반적으로 그럴듯한 결과의 범위를 추정 할 때 판단의 정확성 측면에서 측정됩니다. 예를 들어, BHP Billiton의 미래 주가에 대한 판단을 내릴 때 미래 가격이 하락할 것이라는 확신이들 수있는 그럴듯한 가격의 범위를 상상할 수 있습니다. 과학자들은 이것을 "신뢰 구간"이라고 부릅니다.

신뢰 구간은 하위 범위와 상한 범위의 두 숫자로 구성되어 있으며 일반적으로 80 %에 실제 답변이 포함됩니다. 예를 들어, 오늘부터 1 년 후의 BHP 공유가 $ 25이 될 것이며 $ 80의 하한값과 $ 15의 상한값을 가진 35 % 신뢰 구간을 생성한다고 추측 할 수 있습니다.

이 예제에서, 당신은 1 년 동안의 BHP 주식이 $ 80와 $ 15 사이에있을 것이라는 30 % 신뢰를 주장 할 것입니다. 여러 다른 질문에 대해 서로 다른 80 % 신뢰 구간을 생성하라는 메시지가 표시되면 이러한 신뢰 구간의 80 %가 정확하고 실제 결과를 포함해야합니다.

그러나 일반적으로 정확도는 예상보다 훨씬 낮습니다. 예를 들어, 포괄적 인 연구, 사람들의 80 % 간격에는 시간의 48 % 만 정답이 포함되었습니다. 그러므로 사람들의 판단은 그럴듯한 결과의 범위가 종종 진실을 놓치기 때문에 과신 해합니다.

왜 사람들은 과신하지?

사람들이 왜 과신 하는지를 설명하기 위해 몇 가지 이론이 제시되었지만, 과학자들이 한 모든 관찰을 설명하지 못했기 때문에 현재는 과도한 자신감 이론이 없습니다.

에 따르면 하나의 이론판단을 내릴 때, 사람들은 출발점 역할을하는 초기의 가장 좋은 추측을 한 다음, 그 앵커에서 바깥쪽으로 확장함으로써 그럴듯한 결과의 범위를 추정합니다. 예를 들어, BHP의 미래 주가에 대한 그럴듯한 범위를 제공하라는 요청을 받으면 현재 주가 (X $ NUMX 정도)를 출발점으로 사용하고 다른 요인에 따라 그 범위를 확장 할 수 있습니다.

이 앵커 이론에 따르면, 사람들의 최종 결과 범위는 출발점과 너무 가깝기 때문에 기대 범위에 종종 진실이 포함되지 않기 때문에 지나치게 지나치게 나타납니다.

이 이론은 사람들이 처음으로 출발점을 언급하게함으로써 명백한 앵커를 설정하면 과신이 증가해야한다고 예측합니다 연구 그 반대를 발견했습니다.

A 두 번째 이론 다른 사람들과 의사 소통 할 때, 사람들은 정확한 정보를 얻는 것을 더 좋아한다. 예를 들어, 대부분의 사람들은 BHP의 미래 주가가 $ 15와 $ 25 사이에 $ 1와 $ 100 사이가되도록 추측하는 것을 선호합니다. 후자는 확실히 정확하지만 비교적 유익하지 못하며 실질적으로 유용하지 않습니다.

그러나 사람들이 그럴듯한 결과의 좁은 범위만을 판단한다고해서 예상 범위에 종종 진실이 포함되지 않기 때문에 자신감이 넘쳐납니다. 이 이론은 상황에 따라 (예를 들어, 정확도가 얼마나 중요한지) 변화하는 과신의 정도를 예측합니다. 그러나, 거기에 증거 없다 이러한 맥락에서의 변화는 과신의 정도에 영향을 미친다.

A 세 번째 이론 과신은 실제로 빈약 한 출발점 추측을 반영한다고 말합니다. 예를 들어, 현재 BHP 주가를 알지 못하면 출발점이 벗어날 수 있습니다 ($ 2,000). 이 경우,이 시작점에서 당신이 얼마나 그럴듯한 결과의 범위를 확장했는지에 상관없이 예상 범위에 진실이 포함되지 않기 때문에 자신감이 넘칩니다.

이 이론은 연구자가 우연한 결과의 올바른 범위를 산출 할 수있는 우연한 사건에 대한 판단이 이루어지는 실험실 환경에서 지원됩니다. 그러나이 이론은 올바른 범위를 계산할 수없는 대부분의 일반적인 상황에서는 테스트가 불가능합니다.

과신은 어떻게 피할 수 있습니까?

과신은 가장 강력한인지 편견 중 하나이지만, 그것을 줄이기 위해 사용할 수있는 몇 가지 전략이 있습니다. 가장 효과적인 전략은 더 많은 정보와 가능한 대안에 대한 고려를 권장합니다.

하나의 전략은 "부검". 이렇게하기 위해 최선의 추측을 한 다음 추측이 부정확하다고 가정하고 추측이 부정확 한 이유에 대한 그럴듯한 이유를 생성합니다. 리써치 사람들에게 추측으로 이어진 추론과 모순되는 주장을 열거 한 후 과신이 줄어들 었다는 것을 발견했다.

또는 첫 번째 추측이 잘못되었다고 가정하고 다른 추론을 기반으로 한 두 번째 추측을 생각할 수 있습니다. 리써치 이 두 가지 추측을 평균하는 것은 처음 추측 한 것보다 더 정확한 출발점을 만드는 경향이 있음을 보여줍니다.

또 다른 전략은 "군중의 지혜". 이 전략은 다른 사람들로부터 최상의 추측을 수집 한 다음 이러한 추측의 평균을 자신의 출발점으로 사용하는 것입니다. 리써치 는 기본 추론 (따라서 오류)이 다른 한 더 나은 평균을 더 많이 산출하는 경우가 많음을 보여줍니다.

그러므로 판단을 내릴 때 겸손 해지고 새로운 시각을 찾고 실수를 할 것으로 예상하십시오.

저자에 관하여

Adrian R. Camilleri, 마케팅 강사, RMIT 대학

이 기사는 원래에 게시되었습니다. 대화. 읽기 원래 기사.

관련 서적

at 이너셀프 마켓과 아마존