。 也就是說 ， 臨床 心理 醫師 除了 擁有 與 精算式 預測 一樣 的 量化 資訊 以外 ， 還 持有 與 病患 個別 接觸 和 訪談 等 個別化 的 資訊 ， 但 這些 都 無法 讓 他 的 預測 像 精算式 預測 那麼 準確 ： ﹁ 即使 擁有 資訊 優勢 ， 臨床 判斷 仍然 不能 超越 精算 方法 ； 實際 上 ， 擁有 更多 資訊 ， 一點 也 不能 彌補 兩 個 方法 之間 的 差距 。 ﹂ ︵ Dawes et al., 1989, p. 1670 ︶ 原因 當然 是 方程式 將 各 種 資訊 資料 ， 以 增加 預測力 為 目標 作 既 準確 又 穩定 的 優化 整合 。 在 優化 和 穩定 這 兩 個 因素 上 ， 精算 方法 就 遠遠 優於 臨床 心理 醫師 透過 非正式 方法 所 蒐集 的 資訊 了 。 有關 臨床式 — 精算式 預測 的 研究 文獻 中 ， 還 包含 另 一 種 比較 的 方法 ： 給 臨床 心理 醫師 由 精算 方程式 得來 的 預測 結果 ， 讓 他 根據 自己 與 病患 接觸 的 經驗 ， 對 這 一 預測 加以 調整 。 結果 ， 在 臨床 醫師 對 精算式 預測 作出 調整 後 ， 實際 上 非但 沒有 增加 ， 反而 降低 了 預測 的 準確度 ︵ 參見 Dawes, 1994 ︶ 。 這裡 我們 又 看到 一 個 不能 接受 錯誤 以 減少 錯誤 的 絕佳 例子 ， 與 前面 所 述 的 紅 藍 燈 預測 實驗 非常 類似 。 受 試 者 不顧 燈亮 次數 多少 這 一 精算 資訊 ， 因而 不 採用 每 次 都 預測 紅燈 會 亮 的 策略 ︵ 可以 獲得 70 % 的 正確率 ︶ ， 而是 在 紅燈 與 藍 燈 之間 換選 ， 以 力求 每 一 次 預測 都 正確 ， 結果 卻 反而 使 正確率 減少 12 % ︵ 只 有 58 % 的 正確率 ︶ 。 同樣 的 ， 這裡 所 述 的 研究 中 ， 臨床 心理 醫師 相信 ， 他們 的 經驗 應該 可以 給 自己 一些 ﹁ 臨床 洞 見 ﹂ ， 從而 作出 比 定量 資料 更 好 的 預測 。 實際 上 ， 這些 ﹁ 洞 見 ﹂ 根本 不 存在 ， 他們 的 預測 反而 比 依賴 公開 、 精算 的 資訊 所 做 的 預測 要 差 。 最後 請 注意 ， 精算式 預測 的 優點 並 不 局限於 心理學 ， 它 也 擴展到 許多 其他 臨床 科學 中 — 例如 醫學 中 對 心電圖 的 解讀 ︵ Gawande, 1998 ︶ 。 有鑒於 研究 顯示 精算式 預測 優於 臨床式 預測 ， 米爾 ︵ 1986 ︶ 曾 說 ： ﹁ 社會 科學 中 ， 沒有 任何 爭論 能 像 這 個 一樣 ， 在 這麼 大量 、 性質 那麼 不同 的 研究 領域 中 得到 如此 一致 、 單向 的 結果 。 ﹂ ︵ pp. 373-374 ︶ 但 令 人 發窘 的 是 ， 心理學 領域 並 沒有 根據 這 一 研究 成果 身體力行 。 例如 ， 儘管 大量 證據 表明 ， 個人 面談 這 一 考試 方法 實際 上 是 無效 的 ， 但 在 研究生 入學 與 心理 健康 培訓 班入班 的 挑選 等 方面 ， 還是 有 許多 人 使用 。 臨床 工作 者 也 繼續 用 一些 似是而非 的 理由 ， 為 他們 依靠 ﹁ 臨床 直覺 ﹂ 合理化 ， 而 不 依賴 更 有效 的 總體性 預測 。 例如 ， 道斯 等 人 ︵ 1989 ︶ 注意到 ： 廣為 流傳 的 反 精算 論點 或 陷阱 在於 ， 認為 群體 統計 不 適用 於 預測 單一 個 人 或 事 。 這 種 觀點 濫用 了 機率 的 基本 原則 …… 。 要 保持 邏輯