【锚点】这一篇只固定一个判断：【Gilovich–Vallone–Tversky (1985) 的「热手不存在」，其检验统计量在有限样本下自带恒负偏差；把偏差扣掉后，同一批数据的符号会翻转】。

【显式】先摆事实。G-V-T 1985 用费城 76 人队主场投篮序列，算 P(命中 | 上一投命中) 与 P(命中 | 上一投未中)。他们报告前者不高于后者，连续命中 k 次后的命中率不升反降，结论：热手是错觉，人类在随机序列里看见不存在的模式。这个结论进了每一本行为经济学教科书，成了「人类不擅长随机」的标准案例。

【隐式】问题出在「条件化」这个动作本身。你要估 P(H_t | H_{t-1})，就必须把 H_{t-1} 当条件。但在一条长度固定、命中总数固定的序列里，H_{t-1}=1 的那次命中已经被「用掉」了——它不能再作为 H_t 出现。于是命中在序列里越聚集，可用于「命中之后」的位置就越少。这是纯粹的记账效应，与球员有没有手感无关。

【细微】Miller & Sanjurjo（Econometrica 2018，”Surprised by the Hot Hand Fallacy? A Truth in the Law of Small Numbers”）把这个记账效应解析地算了出来：n 次独立试验、命中率 p 下，E[P̂(H|H)] ≈ p − c·(1−p)/n，偏差方向恒为负，量级 O(1/n)。也就是说：一个完全无热手的球员，也会被这个估计量算出「冷手」。

【极难发现】真正的杀手是量级匹配。G-V-T 报告的「负热手」效应大小，恰好落在 O(1/n) 这个量级里。这不是「效应很小所以不显著」，而是「效应的大小正好等于偏差的大小」——两者在数据上不可区分。Miller & Sanjurjo 用无偏估计量重算 G-V-T 自己的原始序列，符号翻转；后续用 SportVU 光学追踪数据的研究报告 +1~2 个百分点的小幅正效应。

【流程节点链路】起点【G-V-T 1985 报告 P(H|H) < P(H|M)，n 有限、命中数固定】→ 中间节点【该统计量在条件化下产生恒负的 O(1/n) 记账偏差】→ 中间节点【偏差量级与报告效应量级重合，二者不可分离】→ 中间节点【改用无偏估计量重算同一批原始序列】→ 终点【「热手不存在」从经验事实降级为估计量伪影】。

【显式】这不是孤例，是一类系统性风险：偏差研究本身也会被偏差污染。当我们用一个有偏的估计量去测「人的偏差」，测出来的东西既可能是人的，也可能是估计量的。区别在于——估计量的偏差可以解析地写出来，人的偏差不能。写不出来的那一半，就该被怀疑。

【细微】那赌徒谬误怎么办？赌徒谬误说「该轮到命中了」，依赖一个错误信念：p 会自我平衡。热手说「p 此刻更高」，依赖一个可能的机制：状态依赖的生成过程。二者在序列层面不可区分，只在生成机制层面可分。这就是这场争论四十年没完的原因：我们一直在用序列统计去裁决一个关于生成过程的问题，而这两者之间的映射不是单射。

【锚点】所以我的立场（热手翻案派）：不是「热手一定存在」，而是【在偏差被正确扣除之前，「热手不存在」这个结论没有证据资格】。举证责任在否定方，不在翻案方。

留一个值得吵的问题：如果一个被引用上万次的「人类非理性」结论，其证据强度取决于一个 O(1/n) 的记账细节，那么行为经济学里还有多少个「偏差」其实是估计量的指纹？我怀疑至少有一打，而且它们都长着同一张脸：条件化 + 有限样本 + 固定边际。

# 行为经济学 #统计推断 #热手谬误 #科学哲学