總體 相關 資訊 。 既然 講 得 這麼 明瞭 ， 那麼 ， 我們 就 很 容易 檢驗 這 個 觀點 的 正確性 。 很 不幸 ， 經過 檢驗 ， 此 一 觀點 證明 是 錯 的 。 對 臨床式 與 精算式 預測 的 比較 研究 ， 結果 具有 驚人 的 一致性 。 自從 米爾 的 經典 著作 ︽ 臨床式 預測 對 統計式 預測 ︾ ︵ Clinical Versus Statistical Prediction ︶ 於 一九五四年 出版 以來 ， 四十 年 間 有 一百多 個 研究 表明 ， 在 每 個 進行 過 研究 的 臨床式 預測 領域 ︵ 心理 療法 的 效果 、 假釋 行為 、 大學生 畢業 比例 、 電擊 治療 的 療效 、 累犯 問題 、 精神病 住院 治療期 的 長短 等 ︶ ， 精算式 預測 幾乎 都 優於 臨床式 預測 ︵ 如 Dawes , 1994; Dawes , Faust & Meehl , 1989; Faust , Hart , Guilmette , & Arkes , 1988; Goldberg , 1959, __UNDEF__ 1968 , __UNDEF__ 1991; Leli & Filskov , 1981; Ruscio , 2002 ︶ 。 在 多 個 臨床 領域 中 ， 研究 者 給予 一 個 臨床 心理 醫師 某 位 病患 的 資料 ， 讓 他 預測 這 個 病患 的 某些 行為 。 同時 ， 研究 者 也 把 同樣 的 資料 量化 ， 並用 一 個 統計 程式 分析 及 預測 同樣 的 行為 ， 之後 再 看看 到底 哪 一 種 預測 比較 準確 。 後者 是 以 由 先前 相同 研究 找出 的 精算 關係 為 基礎 來 進行 的 。 這些 比較 研究 的 結果 毫無 例外 地 顯示 ， 統計 程式 是 勝利 者 。 這 就 表明 ， 精算式 預測 比 臨床式 預測 準確 。 事實 上 ， 即使 是 在 臨床 心理 醫師 可以 得到 的 資訊 比 精算 方法 所 用 的 資訊 更多 的 情況 下 ， 精算式 預測 仍然 更 準確 。 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 .
 
__UNDEF__ 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 .
 
__UNDEF__ 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 上 的 一致性 ， 反 精算論 者 必須 承認 以下 想法 是 對 的 ： 如果 一 個 人 被迫 只 能 玩 一 次 俄羅斯 輪盤 ， 但是 允許 他 選擇 一 把 鏜 內 裝有 一 發 或 五 發 子彈 的 手槍 。 由於 這 是 單一 事件 ， 所以 那 個 人 選擇 哪 一 把 手槍 就 變 得 無關緊要 了 。 ︵ p .
 
__UNDEF__ 1672 ︶ 此 一 觀點 的 一 個 類比 是 ， 問 你 自己 對 如 下 一 個 科學 發現 的 反應 是 什麼 ： 一 個 完成 過 多 次 類似 手術 的 醫師 ， 下 次 類似 的 手術 成功率 較 高 ︵ Christensen , 1999 ︶ 。 現在 有 個 醫師 Ａ ， 他 常 做 某 一 手術 ， 失敗 的 可能性 很 小 ； 另 一 個 醫師 Ｂ 沒 做 過 這 種 手術 ， 失敗率 可能 很 高 ， 請問 ， 你 願意 讓 哪 一 個 醫師 為 你 動手術 ？ 如果 你 相信 ﹁ 機率 在 單一 事件 中 不 適用 ﹂ ， 就 應該 不 介意 讓 醫師 Ｂ 動手術 。 道斯 ︵1994︶ 討論 了 對 精算式 預測 的 另 一 反對 意見 ， 認為 它 是 ﹁ 非 個人化 的 ﹂ 。 他 指出 是否 個人化 其實 無關緊要 。 我們 在 臨床 心理學 、 醫學 治療 或 財經 諮詢 等 領域 ， 爭論 的 是 哪 一 種 方法 的 預測 最好 。 道斯 推測 說 ， 大多數 人 會 選擇 一 種 有效 但 非 個人化 的 治療 ， 而 不 理會 一 個 無效 但是 個人化 的 治療 ： 對於 感染 ＨＩＶ ︵ 愛滋病 ︶ 的 人 來 說 ， 有 什麼 會 比 非 個人化 地 發明 一 種 ＨＩＶ 治療法 更 具 個人 意義 及 重要性 ？ 對於 研究生 入學