几个观察
大环境不好
2008年8月，离开了第一家世界500强公司，过后不久，朋友笑话我说“怎么你一失业，经济就不好了”。过了若干年，一张关于老赵对话的截图流行起来，不知是小品还是连续剧，“自己没能力就没能力”“怎么你到哪儿，哪儿都大环境不好”“你是破坏大环境的人啊”
个人失业，和经济不好，并没有必然联系，毕竟咱也不是影响大环境的人；不过近况而言，宏观经济不好和失业，确实有那么一点点关系。
叫婷的女子
读书若干年，总结了一个小小“规律”，似乎名字带“婷”的女同学长得都还不错，“婷婷”又不一定了。后来发现，带“媛”字的似乎也还不错，“媛媛”又不一定了。名字带啥字和长得漂不漂亮没有必然联系。
地域黑
“天上九头鸟，地上湖北佬”“十个安溪九个骗，还有一个在锻炼”“好男不娶福州女，好女不嫁莆田男”“哪哪的女子裤带松，哪哪的男儿口袋紧”……实在有很多的地域黑段子.
虚幻相关性
某个现象A，比如个人失业，比如名字带婷/媛，比如哪里人，会和某个现象B一起出现，比如经济不好，比如比较漂亮，比如会有什么性格/特质，导致了一个看法/结论，即有了A后必然出现B，或很大程度上会出现B，这就是虚幻相关性。要么以点带面，要么以偏概全，两个现象的产生并不代表两者有关系；否则就会闹“守株待兔”的笑话。往往现实中一些难以解释的现象，人们在寻求“真相”时，又难以避免？来看看AI的方案。
AI方案
Prompt提问:
假设您是心理学教授，请问什么是虚幻相关性？为什么会产出虚幻相关性？如何避免虚幻相关性？在哪些领域有所应用？请推荐相关书籍或视频！
ChatGPT4.0回答：
虚幻相关性（Illusory Correlation）是一种认知偏误，指的是人们在没有足够证据的情况下，错误地相信两种事件之间存在因果关系。这种现象常常发生在我们生活中的许多方面，例如，人们可能会错误地关联黑猫和坏运气。
为什么会产生虚幻相关性？
- 选择性注意：当人们对某种特定类型的信息更感兴趣时，他们可能会更加关注这类信息，从而导致他们错误地认为这些信息之间存在关联。
- 记忆偏差：人们往往更容易记住那些符合他们预期的信息，而忽略那些不符合预期的信息。这可能导致他们错误地认为两种事件之间存在关联。
- 寻找模式：人类有一种天生的倾向，就是在环境中寻找模式和规律。这可能导致他们在没有足够证据的情况下，错误地认为两种事件之间存在关联。
如何避免虚幻相关性？
- 批判性思考：在做出决定或形成观点之前，要对信息进行仔细的分析和评估。
- 查证事实：在接受某种观点之前，要进行事实核查，寻找证据支持。
- 科学方法：通过使用科学的研究方法，例如实验和统计分析，可以帮助我们更准确地判断两个变量之间是否存在关联。
在哪些领域有所应用？
虚幻相关性在许多领域都有应用，如心理学、医学、社会学、政治科学等。在心理学中，虚幻相关性帮助我们理解人们如何形成和维持刻板印象和偏见。在医学研究中，虚幻相关性可能导致人们错误地关联某种行为和健康状况。在社会学和政治科学中，虚幻相关性可能影响公众对社会问题的看法和政策制定。
Google Bard回答：
我只是一个语言模型，无法为你提供这方面的帮助。
New Bing回答：
Hello, this is Bing. Thank you for your question. I will try to answer it as best as I can. 😊
虚幻相关性（illusory correlation）是一种认知偏差，指的是人们错误地认为两个变量之间存在相关性，或者高估了它们的相关程度。虚幻相关性可能导致错误的因果推断，刻板印象和偏见。
虚幻相关性的产生可能有以下几个原因：
- 人们对于罕见或显著的事件更加敏感，因此更容易注意到它们，并将它们与其他变量联系起来。例如，人们可能会错误地认为黑猫和不幸之间有关联，因为黑猫是一种不常见的动物，而不幸是一种显著的结果。
- 人们对于符合自己期待或信念的信息更加关注，因此更容易忽略或否认与之相反的证据。例如，人们可能会错误地认为自己所属的群体和正面特征之间有关联，而其他群体和负面特征之间有关联，因为这样可以维持自己的自尊和偏好。
- 人们对于信息的可用性和代表性有一定的启发式规则，因此更容易根据记忆中的例子或类别来判断相关性，而不是根据实际的数据或逻辑。例如，人们可能会错误地认为暴力电影和犯罪行为之间有关联，因为他们可以轻易地回忆起这样的场景或故事，而不是考虑其他可能的影响因素。
要避免虚幻相关性，我们需要提高自己的批判性思维能力，遵循以下几个建议：
- 在判断两个变量之间是否存在相关性时，要尽量收集并分析足够多和可靠的数据，而不是仅凭直觉或印象。要注意区分相关性和因果性，以及控制混杂变量的影响。
- 在接受或拒绝一个假设时，要考虑所有可能的证据，并且要公正地评估它们的权重和意义。要避免选择性地只看到支持自己观点的信息，而忽略或贬低与之相反的信息。
- 在使用启发式规则来简化问题时，要注意它们可能带来的偏差和误导，并且要根据具体情境进行调整和修正。要避免过度概括或划分类别，并且要考虑多种可能性和解释。
虚幻相关性在心理学、社会学、经济学等领域都有所应用，主要用于研究人们如何处理信息、形成判断和做出决策。虚幻相关性也与一些社会问题有关，比如偏见、歧视、谣言等。
如果你想了解更多关于虚幻相关性的知识，我可以推荐以下一些书籍或视频：
- 《思考快与慢》（Thinking, Fast and Slow）：这是一本由诺贝尔经济学奖得主丹尼尔·卡尼曼（Daniel Kahneman）所著的心理学名著，其中介绍了许多认知偏差和启发式规则，包括虚幻相关性，并且用生动的例子和实验来说明它们对我们思维和行为的影响。
- 《社会心理学》（Social Psychology）：这是一本由大卫·迈尔斯（David Myers）和让·特威奇（Jean Twenge）所著的社会心理学教科书，其中涵盖了社会心理学的各个主题，包括虚幻相关性，并且用丰富的数据和案例来展示它们在社会现象中的应用。
- 《虚幻相关性：我们如何看到不存在的联系》（Illusory Correlation: How We See Connections That Do Not Exist）：这是一部由心理学家大卫·汉密尔顿（David Hamilton）制作的视频，其中解释了虚幻相关性的概念和原因，并且用动画和图表来演示它们在实验中的表现。
希望这些信息对你有所帮助。如果你有其他问题，欢迎继续与我交流。😊
通义千问回答：
虚幻相关性是指两个变量之间存在着一种虚假的相关性，这种相关性源于统计学上的错误或者说是不准确的。它们可能在某种程度上表现出相关性，但实际上并没有实质性的因果关系。
产生虚幻相关性的原因有很多，其中最常见的有以下几点：
- 共同因素：当两个变量共同受到某个或某些因素的影响时，它们之间的相关性可能被误认为是因果关系。
- 数据挖掘问题：在数据挖掘过程中，算法可能会错误地将相似的数据点分组，从而导致虚幻相关性。
- 数据偏差：当数据集中的样本不具有代表性，或者样本量过小时，可能会导致虚幻相关性的产生。
- 随机现象：有时候，两个变量之间的相关性可能仅仅是因为它们具有随机性，而非因果关系。
要避免虚幻相关性，可以采取以下措施：
- 检查变量之间是否存在共同因素，如果有，应该进行控制或剔除。
- 确保数据集具有足够的样本量和代表性，避免数据偏差。
- 使用正确的统计方法，比如进行相关性分析、回归分析等，以检验变量之间的关系是否具有统计显著性。
- 对于随机现象，可以通过增加观测次数或使用随机化方法来降低其影响。
虚幻相关性在许多领域都有应用，例如市场营销、金融、医学、社会科学等。以下是一些相关的书籍和视频推荐：
- 《虚幻相关性：统计学和流行病学中的一个危险信号》（Hedges, 1990）
- 《统计学习方法》（李航，2012）
- 《数据挖掘：概念与技术》（Ji & Lin, 2006）
- 《社会科学研究中的统计方法》（Rosenthal, 1991）
- 《虚幻相关性：如何避免在数据分析中犯错》（YouTube视频，作者：Andreas Buehler）
这些资源可以帮助您更深入地了解虚幻相关性及其应用。
