インサイドビューの詳細を加える前にベースレートにアンカーする
クラスの中央値から予測を始め、そこから調整する——自分の物語から始めてベースレートに調整するのではない。
Why it works
アンカリング研究によれば、初期値からの調整は不十分になる——人は証拠が示すよりも出発点に近いところに落ち着く傾向がある。楽観的なインサイドビューから出発してベースレートへ下方修正しようとすると、十分に調整しきれない。ベースレートから出発し、自分のプロジェクトの真に特徴的な点についてのみ上方修正する方が、はるかに正確な最終見積もりを生む。
How to do it
- ベースレートの中央値を初期見積もりとして設定する。
- 自分のプロジェクトがクラスの平均と本当に異なる、具体的で検証可能な特徴だけを挙げる。
- 各特徴について、それが正当化する方向と大きさの調整を見積もる——控えめに。
- 最終見積もりを一点ではなく分布上の一点として扱い、その範囲を伝える。
エビデンス
アンカリングと調整不足は判断研究において最も再現性の高い発見のひとつである(トベルスキー&カーネマン)。予測に応用すると、これはベースレートへのアンカリングがインサイドビューへのアンカリング+調整を上回ることを予測し、それはフリウビヤのプロジェクトに関する実証研究が裏づけている。 (observational)
ベースレートの推定精度が低い、あるいは母集団が本質的に不均一な領域では、ベースレートへのアンカリングもインサイドビューへのアンカリングと同じくらい誤解を招く可能性がある。
出典
- Tversky & Kahneman (1974), "Judgment under uncertainty: Heuristics and biases," Science
- Flyvbjerg (2008), "Curbing optimism bias and strategic misrepresentation," European Planning Studies
よくある間違い
ベースレートを最初のアンカーとしてではなく、最後の答え合わせとしてのみ使うこと——その時点ではインサイドビューの見積もりはすでに固まっており、ベースレートは都合よく説明づけられて消えてしまう。
IX Coach でこれを実践する
More practices for リファレンスクラス予測
- 自分の状況に合ったリファレンスクラスを特定する
自分の状況と構造的に似た過去の事例をまとまった集合として見つけ、その結果データを集める。
- 一点の見積もりではなく分布として予測する
予測を単一の予想数値ではなく、起こりうる結果の範囲として表現する。
- 認知的な楽観バイアスと戦略的な虚偽表示を区別する
予測の水増しには純粋なバイアスによるものと意図的な操作によるものがあることを認識する——それぞれ異なる対処が必要だ。
- 新しい証拠が入るたびに予測を段階的に更新する
予測を、矛盾する証拠にも生き残るコミットメントとしてではなく、新しい証拠ごとに変わるべき確率として扱う。
- プロジェクト終了後にクラスデータへ貢献するための振り返りを行う
実際の結果と予測を正直に記録する——これが将来の予測が依拠するリファレンスクラスを築く。