(행동 적) 경제학자들이 "비이성적"또는 "편향적"이라고 분류 된 많은 행동과 사고 과정은 실제로 현실에서 매우 적응력 있고 효율적이라는 것이 이미 지적되었다. 그럼에도 불구하고 OP의 질문은 흥미 롭습니다. 그러나 경제 문헌에서 논의 된 것들 (예 : 손실 혐오, 엔도 우먼트 효과, 기소 방치 등).
예를 들어, 평가 가능성 은 데이터 분석에서 분명히 문제입니다. 평가 이론 은 해석하기 쉽고 평가하기 쉬운 정보를 과체중이라고합니다. 회귀 계수의 경우를 고려하십시오. 계수의 "실제"결과를 평가하는 것은 어려운 작업 일 수 있습니다. 계수가 실제적으로 관련되어 있는지 여부를 이해하려면 독립 변수와 종속 변수의 단위뿐만 아니라 독립 변수와 종속 변수의 분포도 고려해야합니다. 반면에 계수의 중요성을 평가하는 것은 쉽습니다. 단지 p- 값을 알파 수준과 비교하기 만합니다. 계수 자체에 비해 p- 값의 평가 가능성이 더 크다는 점에서 p- 값으로 너무 많이 만들어 졌다는 것은 놀라운 일이 아닙니다.
(표준화하면 계수의 평가 가능성이 높아지지만 모호성 이 증가 할 수 있습니다. 처리중인 데이터의 "원본"형식을 사용할 수 없기 때문에 관련 정보를 사용할 수 없거나 보류되고 있다는 의미입니다.)
관련된인지 적 "바이어스"는 구체성 원칙이며, 결정 맥락에서 "바로"정보를 과체중으로 만드는 경향이 있으며, 메모리에서 검색 할 필요가 없습니다. (구체성 원칙은 또한 정보가 주어진 형식으로 정보를 사용하고 변환을 수행하지 않는 경향이 있다고 명시하고 있습니다.) p- 값 해석은 단순히 회귀 출력을보고 수행 할 수 있습니다. 모델링하는 것에 대한 실질적인 지식을 검색 할 필요가 없습니다.
통계 데이터 해석에있어 많은 편견이 문제를 해결하거나 판단을 내릴 때 쉬운 길을 택할 수 있다는 일반적인 이해에서 비롯 될 수있을 것으로 기대합니다 ( "인지 적 잘못", "경계 합리성"등 참조). . 이와 관련하여, "쉽게"무언가를하는 것은 일반적으로 우리가 결과로 믿게되는 믿음 ( 유창성 이론 )에 대한 자신감을 증가시킵니다 . (또한 더 쉽게 표현할 수있는 데이터가-우리 자신이나 다른 사람들에게-우리 분석에서 과체중입니다.) 가능한 예외를 고려할 때 이것이 특히 흥미로워 진다고 생각합니다. 예를 들어 어떤 심리학 적 연구에 따르면 문제를 해결하기 어렵다고 생각하면 덜 구체적이고 어려운 접근법과 솔루션을 선호 할 수 있습니다.