D 块 · 共事 · 第 36 课

虚假共识效应

为什么我会把自己的选择误当成“大家都这么想”？

📍 第 35 课解释匿名为什么不会自动让人变坏，却可能让群体规范更有力量。本课继续问：当我相信“多数人和我一样”时，这个“多数”究竟是从哪里来的？第 37 课会转向讨论后立场怎样沿原来的方向走得更远。
🎯 先把“我身边”拆成总体、样本和沉默者，再决定要不要找独立数据。缺少总体数据时，自己的选择、熟悉圈层和可见声音是最容易提取的现成样本；人可能把这个局部样本扩成“大家”，于是选择不同的人会对同一个选项有系统不同的共识估计。这不表示每次估计都客观错误，也不能证明自己的选择单独造成了估计差异。
这课只回答一个问题：为什么我会把自己的选择误当成“大家都这么想”？主线是“自己的选择与圈层成为现成样本 → 局部样本被扩成目标总体 → 异议者被误当少数”。研究只负责检验这条链中的具体箭头，不把“我身边”直接当证据。

两边都真诚地相信“多数在自己这边”

贯穿全课的生活教学假设

朋友讨论周末怎么过。喜欢安静近郊的人说：“大家周末其实都想休息，谁愿意跑那么远？”喜欢热闹活动的人也说：“多数人都想出去玩，待在家里多无聊。”

两边都很真诚，也都没有在故意撒谎。可如果“大家”真的同时站在两边，这个“大家”就不可能是同一个总体。更有用的问题是：他们各自说的“大家”，到底是从哪些人身上来的？

这是为了呈现矛盾的合成场景，不是现实调查数据，也不证明哪种周末偏好更普遍。

人在估计“有多少人和我一样”时，很少真的去抽样。最顺手的样本，往往就是自己的选择、常来往的人，以及眼前能看见、能听见的声音。这些样本离自己最近、最容易提取，于是很容易被当成“大家”的代表。

“两边都在吹牛”把中间几步压掉了

顺手但不够的解释

常见说法：两边都在替自己找正当性，或者都有点自恋，所以才说“大家和我一样”。

解释困难：它忽略了自己和熟悉圈层本来就是最容易提取的样本，也没有区分主观估计与有意伪造数据。

本课的解释

核心判断：总体数据缺席时，自己的选择、熟悉同伴和可见声音先进入心中；若没有校准样本来源、目标总体和不可见人群，局部相似性就可能被投射成普遍性。

方向条件：这是样本来源与估计之间的系统联系，不是撒谎，也不是每次都客观错误。

这种估计模式有正式名字：虚假共识效应（false-consensus effect）。它指的是：选择某个反应的人，相比选择另一反应的人，往往估计更多同伴也会作出与自己相同的反应。它的经典测量方式，就是比较选择不同选项的人，对同一选项普遍性的估计。

把一句流行话改写准确：“大家都这么想”通常不是“我调查过总体”，而是“我身边最容易想到的人都这么想”。“虚假”是这个效应的正式名称，不表示每个具体百分比都必然错，也不表示说话的人在故意骗人。

真正的机制：局部样本被放大成“大家”

我的选择 我自己选了什么，是离我最近、最确定的一个数据点
熟悉圈层 常来往的人往往和我相似，他们的选择也容易进入判断
可见发言者 愿意发声、在同一频道的人，比沉默者更容易被看见
↓ 汇成一个小样本
被放大的“大家” 如果没有校准总体、样本来源和沉默者，这个局部样本就会被当成目标总体的代表

图外还有没进入估计的人：沉默者、不在核心圈层的人、时区不便或没被问到的人。他们不是不存在，只是没有自动进入“我身边”这个样本。

这条链里没有“自恋”或“故意”的位置。自己和熟悉圈层本来就比陌生总体更容易提取；相似性交往、选择性接触、共同经历，以及用自己推断他人的社会投射，都可能让局部样本进入总体估计。问题不在于用了自己作起点，而在于没有把“我身边”和“目标总体”分开。

Many Labs 2：相反选择者的估计确实不同

大样本直接复制显示，自己的选择与共识估计之间存在系统联系。复制项目 Many Labs 2 在一个超市场景中比较两类自选者：纳入该复制分析的 N = 7,205 人里，选择第一项的人估计他人选择该项为 69.19%，选择第二项的人估计为 43.35%；两组对同一选项的平均估计相差 25.84 个百分点。另一个交通罚单情境也复制了同方向模式。

这组数字只回答一个窄问题：选择不同的人，对同一选项普遍性的估计是不是系统不同。读法是：两组人都觉得选自己这项的人更多——选第一项的估计近七成别人也选它，选第二项的估计不到一半别人会选第一项。差距清晰，方向稳定。

判词：方向有据，但因果和外推都不能要。效应在大样本直接复制中同方向重现，“自己的选择与共识估计有系统联系”这句话站得住；这套测量只负责比较两类人的估计，不负责证明背后存在一个单一心理过程。逐研究的方法、样本与出处见 D 块总结与 RESOURCES.md。

不能把自选组差异写成随机因果。这两类人是自己选择了不同选项，不是被随机分配去选第一项或第二项。所以不能写成“选择第一项使估计提高 25.84 个百分点”，也不能把这个百分点差外推成职场判断里的概率。它只证明自己的选择与共识估计之间有系统联系，不证明选择单独造成了估计。

行动：把“我身边”改写成三个问题

听见自己或别人说“大家都这样”“我身边都这样”时，先别急着同意或反驳。把这句话拆成三个问题，再决定需不需要找独立数据。

1
目标总体是谁

我说的“大家”，到底是整个公司、这个项目组、日本同事，还是和我背景相近的人？先把对象写清楚。

2
样本从哪里来

我是从自己的选择、常联系的同事，还是频道里积极发言的人得到这个印象的？这些样本是否本来就和我相似？

3
哪些沉默者没进入样本

没回复、时区不便、不在核心频道或不敢发声的人，他们的选择可能和我看见的不一样。

这三个问题来自机制，而不是泛化的“要客观”建议。若共识估计容易被局部样本带偏，校准就要从样本来源入手。如果判断会影响资源分配、排期或团队决策，再用独立采样、匿名收集或行为数据校准。

ByteDance 日本 · 抽象教学假设

想象一个虚构的跨地区项目，要在同步会议和异步文档评审之间选择。习惯异步协作的小组，根据自己的工作方式、常联系的同事和频道里积极发言者，推断“日本和其他地区的大多数协作者都更喜欢异步”。

这里的目标总体是“所有协作者”，样本却来自“我和常联系的人”。未回复、时区不便、不在核心频道的人没有进入样本。可以先匿名收集偏好，或看历史会议出席与文档评论的行为数据，再判断多数在哪里。

这是机制迁移的合成教学场景，不是在描述 ByteDance、日本员工或任何真实团队偏好。它不能证明异步或同步哪一种更好，也不能替代对工作流、时区和沟通成本的实际检查。

和 C25 的“假共识”不是一回事

D36 虚假共识效应

方向：我从自己的选择推估别人。

是否有说服者：即使没有任何人在说服我，也会发生。

例子：我选了异步，就估计多数人也喜欢异步。

C25 假共识（说服线索）

方向：别人用“大家都这样”来说服我。

是否有说服者：有，而且这个“共识”可能无依据或被伪造。

例子：销售说“大家都买这款”，推动我也买。

两者都涉及“多数”，但方向完全相反。D36 是我自己从选择推估多数；C25 是别人用多数说法来推动我。不要把“我以为大家和我一样”和“有人告诉我大家都这样”混为一谈。

识别到偏差，不等于多数必然站在另一边。虚假共识效应说明我的估计可能被局部样本带偏，但不能因此断言“真实多数一定和我相反”。要知道真实多数，仍需要独立样本或行为数据。
↔ 与前后课程怎样接上

课后练习

回想最近一次你说“大家都……”或“我身边都……”的场景。先不要判断对错，分别写下：目标总体是谁；你的样本从哪里来；哪些沉默者或不可见人群没有进入样本。

如果这个判断会影响决策，再设计一个最小校准动作——面向此前未进入样本的人做一次小规模匿名收集，或查一项行为数据、看一段历史记录。它只能帮你发现盲区，不能自动代表总体。写下你预计结果会怎样，以及什么结果会让你承认原来的估计偏了。

🎭 跟我练（回到对话里）

发给我一个你最近说过或听过的“大家都……”句式。我会陪你做“总体—样本—沉默者”三问校准，把“我身边”和“目标总体”拆开。

想开始就发：“帮我校准这个‘大家都’。”

🧠 本课核心概念速记

正式名称负责检索，局部样本放大图负责记忆。

虚假共识效应 选择某个反应的人，相比选择另一反应的人，往往估计更多同伴也会作出与自己相同的反应。
社会投射 用自己推断他人的更宽过程；虚假共识效应是其中可被测量的一种共识估计偏差。
多元无知 许多人私下不认同，却误以为别人认同；与“从自己选择推估他人”方向不同。
C25 假共识 说服者给出无依据或伪造的多数主张来推动我，不是本课的心理效应。

🧠 背诵区 · 记住这 3 件事

点卡片翻面。每张卡只记一个判断。

⏳ 间隔复习：明天翻一遍，3 天后再翻。顺手复习 D35，比较“匿名后规范怎样组织行动”和“多数估计怎样被局部样本带偏”。

🗣 复述区 · 讲给别人听

能讲清机制、数字边界和行动，才算真正理解。

讲不顺的地方就是还没真懂的地方——发给我，我帮你补上。