Текст книги "Как принять правильное управленческое решение"

Глава 5
Эффект фрейминга и инверсия предпочтений

Ниже дана одна из самых популярных задач, используемых в литературе о принятии решений (Tversky & Kahneman, 1981).

Задача 1. Представьте, что США готовятся к вспышке необычной азиатской болезни, по прогнозам способной убить 600 человек. Предложено две стратегии борьбы с этой болезнью. Последствия применения этих программ будут такими:

● Если будет принята программа А, удастся спасти 200 человек.

● Если будет принята программа Б, с вероятностью ⅓ будут спасены 600 человек, в противном случае никого не удастся спасти.

Какую из двух программ вы бы выбрали?

Вы можете задаться рядом вопросов, сравнивая эти программы. Например: как отразятся обе программы на остальном обществе? Кто больше всех подвержен риску заболеть? Какая из программ принесет больше пользы? Но что вы выберете, если другой информации нет? Большинство людей выбирают план А.

Давайте обсудим, как здесь можно рассуждать. Одно из простых правил принятия решений – выбирать альтернативу с наибольшим математическим ожиданием выигрыша. Как хорошо видно, математическое ожидание в обеих программах одинаковое: план А сохранит 200 жизней, план Б дает вероятность в ⅓ спасения 600 жизней, то есть в среднем те же 200 жизней.

Похоже, что решения, принятые на основе математического ожидания, в совокупности будут оптимальными. Но представьте себе следующие сценарии:

Крупный выигрыш. Вы можете:

А. Гарантированно получить $10 млн – математическое ожидание $10 млн;

Б. Бросить монетку и получить $22 млн за орла и не получить ничего, если выпадет решка, – математическое ожидание $11 млн.

Правило математического ожидания подсказывает вам выбрать вариант Б. Вы согласны?

Судебный иск. На вас подали в суд, требуя выплатить $500 000. Ваши шансы на победу в суде оцениваются в 50 %, то есть ожидаемые потери составляют $250 000. Однако оппонент согласен заключить досудебное соглашение, если вы выплатите $240 000, – математическое ожидание потерь $240 000. Правило математического ожидания предполагает заключение досудебного соглашения. Если не принимать во внимание гонорары адвокатов, судебные издержки и т. д., вы:

А. Будете биться в суде?

Б. Пойдете на сделку?

Большинство в обоих случаях выберут вариант А. Как показывают эти примеры, мы не всегда готовы выбрать сценарий с наилучшим математическим ожиданием. Чтобы объяснить, почему люди отступают от правила математического ожидания, Даниил Бернулли (Daniel Bernoulli, 1738/1954) предложил заменить критерий ожидаемой денежной выгоды на критерий ожидаемой полезности. Теория ожидаемой полезности предполагает, что любой уровень дохода связан с определенной степенью удовлетворения, или полезностью. Ожидаемая полезность недетерминированного варианта считается как взвешенная сумма полезности возможных исходов, умноженная на соответствующие вероятности. Подход к принятию решений на основе математического ожидания будет трактовать $1 млн как вдвое более ценный исход, чем $500 000, но полезность 1 млн не обязательно в два раза выше, чем полезность 500 000. Большинство не получат такого преимущества от вторых 500 000, как от первых.

Причина этого кроется в «убывающей предельной полезности»: чем больше какого-то ресурса мы получаем, тем меньше удовольствия от каждой новой порции. К примеру, выиграть $500 000 приятно, выиграть $1 млн еще приятнее – но не вдвое приятнее, чем $500 000. Второй кусок пиццы вкусный, но не такой вкусный, как первый. В терминах полезности получить $500 000 для большинства людей намного ценнее, чем иметь 50 %-ный шанс на $1 млн.

Решения, не соответствующие принципу наивысшего математического ожидания, также можно рассмотреть в терминах риска. Предпочитая гарантированные $480 000 миллиону, с вероятностью 50 % мы делаем выбор с целью избежать риска, то есть жертвуем частью ожидаемого дохода ради уменьшения риска. В задаче про крупный выигрыш осторожным выбором будет $10 млн – ожидаемая материальная выгода меньше, но меньше и риск. Напротив, решение пойти в суд – это рискованная стратегия, так как она предполагает меньшую ожидаемую ценность и более серьезный риск. Но важно понимать, что ожидаемая полезность не равносильна арифметическому среднему возможных исходов. Правило, основанное на ожидаемой полезности, отклоняется от логики ожидаемой ценности, но представляет собой рабочую и непротиворечивую структуру, следование ему ученые считают рациональным поведением.

Рассмотрим теперь вторую версию задачи Канемана и Тверски об азиатской болезни.

Задача 2. Представьте, что США готовятся к вспышке необычной азиатской болезни, по прогнозам способной убить 600 человек. Предложено две стратегии борьбы с этой болезнью. Последствия применения этих программ будут такими:

В. Если будет принята программа В, погибнут 400 человек;

Г. Если будет принята программа Г, с вероятностью ⅓ все будут спасены, в противном случае никого не удастся спасти.

Какую из двух программ вы бы выбрали?

Внимательное изучение наборов программ в задачах 1 и 2 приводит к выводу, что они абсолютно одинаковые. Спасти 200 человек, следуя плану А, это то же самое, что погубить 400 (план В), то же верно и для программ Б и Г. Но тесты показали, что большинство выбирает план А в задаче 1 и план Г в задаче 2 (Tversky & Kahneman, 1981). Хотя оба набора программ объективно не отличаются друг от друга, стоит изменить описание с точки зрения потерянных жизней, а не спасенных, и этого оказывается достаточно, чтобы предпочитаемая тактика сменилась с осторожной на рискованную.

Люди оценивают риск, относящийся к возможной выгоде (например, спасению жизней – варианты А и Б), не так, как риск, касающийся возможных потерь (летальных исходов – варианты В и Г). Теория, предложенная Канеманом и Тверски (Kahneman & Tversky, 1979), говорит о том, что даже различия в восприятии, происходящие от «фрейминга» (формулировки) вариантов – в данном случае потерянных или спасенных жизней, – могут радикально изменить способ принятия решения. Под фреймингом мы понимаем способ перефразировать сведения так, чтобы обычно принимаемое решение существенно изменилось, хотя рациональное решение осталось прежним.

В случае задач 1 и 2 основное манипулятивное воздействие достигается за счет неявного ориентира, относительно которого взвешиваются альтернативы. Обе задачи, по существу, одинаковы. Задача 1 сформулирована в терминах спасения жизней, а неявная точка отсчета – смерть 600 человек. Когда речь идет о положительном итоге, мы обычно стараемся избегать риска – вот почему мы выбираем гарантированные 10 млн в игре с большими ставками.

Напротив, задача 2 описана в терминах потерь. Неявная точка отсчета в ней – это наилучший исход при полном отсутствии смертей от азиатской болезни. Многие из нас, делая выбор, касающийся возможных потерь, готовы пойти на риск. Многие пошли бы в суд, несмотря на более низкое математическое ожидание потерь в варианте с соглашением. Ключевой вывод Канемана и Тверски в том, что можно переформулировать задачу и предсказуемо получить иные результаты.

Обычно, принимая решение, человек оценивает исходы относительно некой нейтральной точки отсчета. От положения этой точки отсчета зависит, будет ли решение проблемы видеться в позитивном или негативном ключе и что предпочтет человек – уйти от риска или рискнуть. Задача про азиатскую болезнь как раз и демонстрирует эффект точки отсчета. В оптимистичном ключе неявный вопрос звучит так: как много жизней удастся спасти из потенциальных 600 смертей – и точкой отсчета является потеря 600 жизней. В негативно окрашенной формулировке неявный вопрос таков: как много жизней будет потеряно?

Приведем еще один пример того, какое значение имеет постановка точки отсчета.

Задача 3. Два года назад вам подарили 100 акций корпорации АБВ, цена акции тогда составляла $20. К сожалению, за прошедшие два года цена упала до $10 за акцию. Компания в данный момент ведет разведывательные работы в районе потенциально крупного нефтяного месторождения, но разведка может и не увенчаться успехом. При хорошем исходе цена акций вернется к $20, но, если поиск окончится ничем, компания обанкротится. Будете ли вы закрывать позицию сейчас по цене $10 за акцию?

Какова ваша точка отсчета в этой задаче? Это потенциальная прибыль (то, что вы заработаете относительно цены в $0) или потенциальный убыток (то, насколько стоимость упадет с изначальных $20)? Если вы примете $0 за акцию как ориентир, то вам захочется избежать риска и вы, скорее всего, согласитесь на гарантированную «прибыль», продав позицию сейчас. Если вы отталкиваетесь от $20 за акцию, вам, скорее всего, захочется рискнуть и придержать акции.

Те, кто принимает решения рационально, не должны реагировать на перефразирование вопроса, но, как мы убедились, сама постановка задачи может существенно влиять на наш выбор. В последнее время явление фрейминга было глубоко изучено. Исследователям удалось глубже проникнуть в суть ошибок и непоследовательности людей при принятии решений. Концепция фрейминга нашла отклик в таких областях, как теория принятия решений, психология, маркетинг, юриспруденция, медицина, финансы, корпоративная культура, экономика.

Цель этой главы – разбор концепции фрейминга в широком смысле. Мы исследуем, как наши предпочтения меняются на противоположные в следующих ситуациях:

1. Как фрейминг может заставить нас прийти к ряду нежелательных решений.

2. Как чувство «мнимой определенности» влияет на суждения.

3. Как фрейминг побуждает нас покупать лишние страховки.

4. Как мы оцениваем успешность сделки.

5. Как право собственности меняет точку отсчета.

6. Как психологические факторы влияют на наши формулировки проблем и решений.

7. Есть ли разница в восприятии понятий «компенсация» и «бонус».

8. Как меняются предпочтения, когда мы рассматриваем варианты по отдельности или в совокупности.

Фрейминг и иррациональность совокупности решений

Тверски и Канеман (Tversky & Kahneman, 1981) попросили 150 человек ответить на следующие вопросы.

Задача 4. Представьте, что вам нужно одновременно принять два решения. Сначала изучите обе дилеммы, потом отметьте варианты, которые выберете.

Дилемма А

Сделайте выбор:

А. Гарантированно получить $240.

Б. С вероятностью 25 % получить $1000 и с вероятностью 75 % ничего не получить.

Дилемма Б

Сделайте выбор:

В. Гарантированно потерять $750.

Г. С вероятностью 75 % потерять $1000 и с вероятностью 25 % ничего не потерять.

В дилемме А 84 % участников выбрали вариант А и только 16 % отметили вариант Б. В дилемме Б 87 % респондентов предпочли вариант Г и только 13 % – вариант В. Большинству приглянулась возможность «гарантированно получить $240» в дилемме А – из-за нашей склонности избегать риска в отношении прибыли и оптимистичной формулировки вопроса. Напротив, большинство решило, что лучше иметь «75 %-ную вероятность потерять $1000» в дилемме Б – мы готовы рискнуть, когда дело касается потерь и негативно сформулированной проблемы. Объединяя результаты по двум дилеммам, получим, что 73 % участников выбрали А и Г и только 3 % – Б и В.

Рассмотрим теперь следующую задачу, предложенную Тверски и Канеманом 86 человекам, которые не решали задачу 4.

Задача 5. Сделайте выбор:

Д. С 25 %-ной вероятностью выиграть $240 и 75 %-ной – потерять $760.

Е. С 25 %-ной вероятностью выиграть $250 и 75 %-ной – потерять $750.

Разумеется, все 86 участников выбрали вариант Е – он во всех отношениях лучше, чем Д. Но вот что интересно. Если объединить варианты А и Г (наиболее популярные) из задачи 4, то получится вариант Д:

100 % × $240 + 75 % × (–$1,000) + 25 % × $0 = 25 % × $240 + 75 % × (–$760).

Если же вы скомбинируете Б и В, то получится Е:

25 % × $1,000 + 75 % × $0 + 100 % × (–$760) = 25 % × $250 + 75 % × (–$750).

Комбинация двух непопулярных вариантов выгоднее двух популярных! Выходит, что разбиение вопроса на две части привело к противоположному выбору.

Почему это интересно для менеджеров? Многие связанные между собой вопросы, такие как просмотр портфолио, составление бюджета, поиск финансирования для нового проекта, могут возникать как порознь, так и вместе. Приведенный пример говорит о том, что манера компаний решать вопросы один за другим потенциально может приводить к нерациональному результату. Менеджеры могут последовательно принимать решения, которые кажутся оптимальными по отдельности, но не в совокупности. Например, отделы продаж работают на рост выручки, а кредитные отделы занимаются минимизацией рисков и потерь. Чтобы выработать целостную стратегию действий в условиях неопределенности, люди и организации должны знать о явлении фрейминга и разрабатывать процедуры для выявления и принятия решений, касающихся связанных с риском ситуаций.

Выбирая консервативные варианты действий в одних случаях и проявляя себя агрессивно в других, мы рискуем воспитать в себе манеру принимать неоптимальные решения, такие как А и Г в вышеприведенном примере. Чтобы преодолеть свойство интуиции подстраивать отношение к риску под формулировку проблемы, Канеман и Ловалло (Kahneman & Lovallo, 1993; см. также Rabin & Thaler, 2001) предлагают следовать тактике математического ожидания для большинства задач, считая ее в общем случае более выгодной.

Однажды нобелевский лауреат Пола Самуэльсон (Samuelson, 1963) предложил коллеге пари с подбрасыванием монеты. Если бы коллега выиграл, то получил бы $200, а в случае проигрыша остался бы должен $100 – положительное математическое ожидание с элементом риска. Сотрудник, несклонный к риску, отказался от одиночного пари, но сказал, что будет рад сыграть раз сто! Он понимал, что математическое ожидание в этом случае положительно и что за много повторений опыта ставки неизбежно сыграют в его пользу, одно подбрасывание оставляло ему 50 % шансов пожалеть о заключении пари. Без сомнения, он стоял перед похожим выбором много раз в жизни – будь то инвестиции в акции, облигации или валютный рынок. В долгосрочной перспективе ему было бы выгоднее следовать за максимальным математическим ожиданием в каждом отдельном случае – аналогично ста подбрасываниям монеты в игре Самуэльсона. Боязнь рисковать заставляет нас отказываться от каждой конкретной возможности что-то выиграть – но в совокупности проиграть по результатам многих рискованных предприятий с положительным математическим ожиданием, встречающихся в жизни, практически невероятно, зато вполне возможно ощутимо выиграть.

В реальной жизни не оставаться нейтральным к риску стоит в критически важных ситуациях, таких как согласие на работу, покупка жилья, корпоративные поглощения, тщательно изучив задачу с разных сторон (иначе говоря, в различных «фреймах»). Тем не менее многие из нас стараются не рисковать в одних обстоятельствах, но быть менее осторожными в других, накапливая неоптимальный ряд решений. Кроме исключительных случаев, простая и эффективная тактика математического ожидания – хороший фундамент для принятия решения.

Нам нравится определенность – даже мнимая

Наверняка вы слышали о «русской рулетке» – довольно противной игре, в которой игроки по очереди приставляют к виску револьвер с одним патроном. Сама мысль о такой игре заставляет содрогнуться!

А что, если вас заставят играть в эту игру, но у вас будет возможность заплатить за то, чтобы вынуть патрон и снизить шансы смертельного исхода с одной шестой (около 17 %) до нуля? Скорее всего, вы, как и большинство людей, будете готовы заплатить немалую сумму, чтобы обезопасить себя от пули.

Теперь представьте еще более жуткую версию «русской рулетки», в которой в револьвер заряжают два патрона. Сколько вы готовы заплатить за то, чтобы убрать из револьвера один патрон, снизив свои шансы погибнуть на 17 % (с ¹/₃ до ¹/₆)? Большинство считают это менее существенным изменением – то есть не таким ценным, как гарантированная безопасность вместо 17 %-ной вероятности погибнуть. И это несмотря на то, что в обоих случаях вероятность гибели снижается на одну и ту же величину.

Канеман и Тверски (Kahneman & Tversky, 1979) первыми описали склонность людей недооценивать события высокой вероятности (например, 83 %, что вы сможете выжить, играя в «русскую рулетку», и рассказать о своем приключении), но адекватно оценивать неизбежные события (например, гарантию безопасности в той же игре). Если что-то произойдет с вероятностью 1 или 0, мы точно понимаем, что это значит. Однако, если вероятность события достаточно высокая (скажем, 83 %), мы склонны реагировать так, как теория ожидаемой полезности предлагала бы нам действовать в ситуации с вероятностью меньше 83 %. В результате, как наблюдали Словик, Фишхофф и Лихтенштейн (Slovic et al., 1982), «любое защитное действие, снижающее вероятность ущерба с 1 % до 0, видится как более ценное, чем снижающее вероятность того же ущерба с 2 % до 1 %» (с. 24). Другими словами, люди ценят возникновение определенности больше, чем аналогичный сдвиг вероятности в условиях сохраняющейся неопределенности.

Интересно, что ощущением определенности (то есть восприятием вероятности какого-либо события как нулевой или единичной) можно легко манипулировать. Словик и др. (Slovic et al., 1982) задались вопросом, как лучше всего рекламировать страховку от стихийных бедствий, которая покрывает пожар, но не наводнение. Такой страховой полис можно адекватно описать как предоставляющий «полную защиту» от пожаров или снижающий риск потерь по вине стихии. Ученые обнаружили, что с рекламой про «полную защиту» страховка выглядит более привлекательной для покупателей. Почему? Потому что человеку кажется более надежной «полная защита» от пожара, чем частичная защита от стихийного бедствия. Кажущаяся определенность в рекламе, навязываемая формулировкой «полная страховка», называется «мнимой определенностью», потому определенность, которую она предлагает, на самом деле оставляет клиента с целым букетом неопределенностей (Slovic, Fischhoff, et al., 1982).

Словик и др. (Slovic et al., 1982) получили эмпирическое подтверждение силы эффекта мнимой определенности в контексте вакцинации от болезней. Они подготовили две версии опросника. В первой версии описывалась некая болезнь, способная затронуть 20 % населения, и вакцина, которая защищает только половину вакцинированных. Во второй версии шла речь о двух взаимоисключающих и равновероятных штаммах заболевания, каждый из которых должен был заразить 10 % людей. В этом случае вакцина давала полную защиту от одного из штаммов, но не действовала на второй. Участники исследования должны были ответить, согласятся ли они на введение вакцины. А вы согласились бы в первом случае? А во втором? В обоих случаях вакцинация снижает риск заболеть с 20 % до 10 %. Словик и др. обнаружили, что версия 2 (мнимая определенность) оказалась более привлекательной, чем версия 1 (вероятностная). На вакцинацию согласились 57 % респондентов, получивших версию 2, и 40 % участников, которых ознакомили с версией 1.

С помощью следующих задач Тверски и Канеман (Tversky & Kahneman, 1981) одновременно исследовали эффекты определенности и мнимой определенности.

Задача 6. Что вы предпочтете:

А. Гарантированный выигрыш $30.

Б. 80 % вероятности выигрыша $45.

Задача 7. Рассмотрим двухуровневую игру. На первом уровне у вас 75 %-ные шансы закончить игру без выигрыша и 25 %-ные шансы перейти на второй уровень. Если вы прошли на второй уровень, вам дается на выбор:

В. Гарантированный выигрыш $30.

Г. 80 % вероятности выигрыша $45.

Нужно выбрать В или Г до того, как станет известно, прошли вы на второй уровень или нет.

Задача 8. Что вы выберете?

Д. 25 %-ную вероятность выигрыша $30.

Е. 20 %-ную вероятность выигрыша $45.

Тверски и Канеман предложили каждую из этих задач отдельной группе людей. В задаче 6 78 % участников выбрали более вероятный маленький приз А, а 22 % решили рискнуть ради большего выигрыша Б. В задаче 7 74 % респондентов выбрали маленький выигрыш с более высокой вероятностью В, а 26 % выбрали риск Г. В задаче 8 42 % людей выбрали маленький выигрыш с большей вероятностью Д, а 58 % рискнули ради большей выгоды Е.

Это очень интересный результат. Посмотрите на задачу 7: объединяя первую и вторую части, легко понять, что В предполагает вероятность 25 % выигрыша $30, а Г – вероятность 20 % выигрыша $45. Такой же выбор, как и в задаче 8! Но предпочтительный вариант изменился. Если вы проиграете на первом уровне задачи 7, будет неважно, какой выбор вы сделали. Если вы прошли первый уровень, то вопрос сводится к задаче 6. Соответственно, нет оснований использовать разные подходы к задачам 6 и 7. А поскольку задача 7 равносильна задачам 6 и 8, то можно заключить, что и задачи 6 и 8 должны решаться одинаково. Но в задаче 8 люди ответили иначе. Почему?

Разница между задачами 6 и 8 иллюстрирует то, что Тверски и Канеман назвали эффектом определенности: «Снижение вероятности исхода производит большее впечатление, когда этот исход был неизбежен, чем когда он был вероятен» (с. 455). Расхождение в ответах на объективно одинаковые задачи 7 и 8 демонстрирует эффект мнимой определенности, описанный ранее (Slovic, Lichtenstein, & Fischhoff, 1982; Tversky & Kahneman, 1981). Перспектива выиграть $30 более притягательна в задаче 7, чем в задаче 8 из-за кажущейся определенности («гарантированно получить») в пункте В. Но эта «определенность» работает только при попадании на второй уровень, что делает этот исход не 100 %-ным.

Эффекты определенности и мнимой определенности вызывают непоследовательность суждений. Эффект определенности позволяет нашему мышлению работать с уменьшением вероятности определенных событий. Эффект мнимой определенности заставляет нас выбирать варианты, которые обещают нам полную определенность, а не просто уменьшают вероятность неопределенности. Рационально рассуждая, мы должны одинаково оценивать уменьшение вероятности неопределенной ситуации на одну и ту же величину – например, снижение риска рака с 20 % до 10 % так же важно, как и с 10 % до нуля. Но большинство людей гонятся за мнимой определенностью, которая поэтому занимают особое место в коммуникациях по вопросам медицины, страховок, корпоративной ответственности и множества других задач защиты и ответственности. Исследования показывают, что люди покупают страховку не только для защиты от риска, но и чтобы исключить тревогу, вызванную любой степенью неопределенности (Tversky & Kahneman, 1981).