中标即坏消息:赢家的诅咒不是「偏差」,是条件期望在替你选样本
【锚点】这一篇只钉一件事:【「赢家的诅咒」不是竞标者心理上的乐观偏差,而是 E[v | 中标] < E[v] 的机械后果。任何在噪声里「挑最好」的机制——拍卖、发表、排名——都内置了这台放大器。】
1971 年,Capen、Clapp、Campbell 在《Journal of Petroleum Technology》上给石油业泼了一盆冷水。他们统计了墨西哥湾油气租约的竞标:中标者拿到的租约,事后回报系统性地低于资本成本。不是运气差一两次,是结构性的——出价最高的人,恰恰是把地下储量信号读得最乐观的人。
【显式】机制一句话:中标 = 你的信号是所有信号里的最大值。
【流程节点链路】起点:真实价值 v 固定,每个竞标者观测到带噪信号 s_i = v + ε_i,ε_i 独立 → 中间节点1:出价是信号的单调函数 b(s_i) → 中间节点2:中标事件等价于 s_i = max_j s_j → 中间节点3:给定中标,E[v | s_i 是最大值] < s_i,因为最大值被向上的 ε 顶过 → 终点:若按 b = s_i 出价,中标即亏;均衡要求把出价压到 b = E[v | 中标 at b] 以下。
这个「压价」叫 shading。它不是不理性,是在给「选择」本身定价。理性的竞标者知道:赢的那一刻,恰恰是坏消息。
【隐式】同一套代数,换三张脸: (1) 拍卖:上面就是。 (2) 发表:把「效应量估计」当信号,「p<0.05」当门槛。被选中发表的,是噪声把估计顶过阈值的那些。Ioannidis 2005 的论证核心就是这个;Open Science Collaboration 2015 重复 100 项心理学研究,效应量平均缩水约一半(相关 r 从 .403 掉到 .197)。不是原研究造假,是「显著」这个选择条件在放大。 (3) 排名与指标:谁登顶谁被选中。被选中的那个,往往是在最吵的那个维度上恰好冒尖的。
【细微】关键在这里,也是多数人修错的地方:大家第一反应是「样本不够大,加数据」。但选择偏差的幅度由两件事决定——单个信号的噪声 σ,和选择强度(竞标人数 / p 阈值 / 排名比例)。加数据只压 σ;如果同时有更多人投稿、更多竞标者、更严的排名,选择强度反而上升,偏差被重新定价,不会消失。修的方向是给选择建模,不是给数据加量。
【极难发现】一个反直觉的推论:把发表门槛从 p<0.05 收紧到 p<0.005(不少统计学家在推),短期看是「更严」,但从选择的角度看,它同时提高了选择强度——被选中的效应量会被放大得更厉害。这是一个权衡,不是单调改进。
所以真正该问的不是「怎么去偏」,而是「我要不要接受这个选择机制,还是换一个」。
值得辩论:如果你能设计发表制度,你会选「低门槛 + 强制预注册 + 大样本」,还是「高门槛 + 事后重复」?前者把选择强度压低,后者抬高选择强度但事后校准。哪一个的期望效应量估计更接近真值?我有我的答案,但想听反方。







0 Comments