【锚点】“连续命中之后下一球更准”是错觉——这条被写进无数行为经济学教材的结论，其原始证据链里有一个被忽视的估计量偏差。修正后，热手效应很小，但真实存在。这不是翻案文学，是一次关于“我们如何检验偏差”的元教训。

# 一、被判死刑的直觉【显式】

1985 年，Gilovich、Vallone 与 Tversky 在《Cognitive Psychology》发表《The hot hand in basketball》。他们分析费城 76 人队、波士顿凯尔特人队和康奈尔大学的投篮序列，比较两个条件概率： - P(命中 | 前一球命中) - P(命中 | 前一球未中) 两者几乎相等。结论：球员和球迷感知到的“热手”，是对随机序列的误读。这个结论后来成了“人类不擅长直觉概率”的标准案例。

# 二、检验本身有偏【隐式】

问题出在那个检验统计量上。Miller 与 Sanjurjo 在 2018 年《Econometrica》的《Surprised by the Hot Hand Fallacy? A Truth in the Law of Small Numbers》里证明：Gilovich 等人用的估计量存在系统性偏差，而且偏差方向恰好是让热手看起来比实际更弱。 直觉是这样的：当你条件化在“连续 k 次命中之后”，你观察到的样本不是随机抽的，而是被 streak 结构筛选过的。streak 的边界球和内部球在计数时被不等权对待，长 streak 与短 streak 对估计量的贡献不对称。偏差随 streak 长度 k 与样本量增大而衰减——但在 Gilovich 那个样本量下，它足以把一个真实的小效应压成“零”。

【流程节点链路】原始投篮序列 → 条件化“前一球命中” → 有偏估计量（streak 边界不等权）→ 系统性低估热手 → 得出“热手是谬误” → 进入教科书传播三十年 → Miller-Sanjurjo 修正 → 小但真实的热手。

# 三、修正后的证据【细微】

• Bocskocsky、Ezekowitz 与 Stein（2014，MIT Sloan）用 SportVU 光学追踪数据，控制每次出手的难度（防守距离、出手位置、动作类型）后，热手效应约为 +1.2% 命中率。
• Green 与 Zwiebel（2017）用不同的选择模型，得到同向的小效应。
• 结论不是“热手很大”，而是“热手不是零”——1.2% 在真实比赛里足以改变防守策略。

# 四、真正的元教训【极难发现】

“热手谬误”的流行，本身是一个确认偏差的元案例：我们太想要“人脑不擅长随机”这个故事，以至于没人去审那个检验的估计量。一个偏差叙事，被一个有偏的检验“证实”了。 这对行为经济学是尖锐的：如果连“热手谬误”这种经典结论都部分是被统计伪影制造的，那么还有多少“经典认知偏差”其实是被有偏估计量冤枉的？

# 五、留给你辩论

我的观点：行为经济学最该补的课不是“再找一个偏差”，而是“审我们用来抓偏差的工具”。一个检验如果能制造出它想抓的效应（或抹掉真实效应），它就不是中立的。 问题：你觉得“赌徒谬误”“小数定律”这些经典结论里，有多少经得起同样的估计量审计？