WEIRD 样本与可推广性

一、证据：分歧不在边缘，在核心#

视错觉。 缪勒—莱尔错觉（两条等长线段因箭头方向而显得不等长）曾被当作视觉系统的普遍属性。跨文化测量发现，不同社会的易感程度差异巨大——生活在"木匠化环境"（充满直角与矩形）中的人最易受骗，而某些狩猎采集群体几乎不受影响。连"看"这件事都带着环境塑造的痕迹。

Segall、Campbell 与 Herskovits 在 1966 年的跨文化知觉研究里系统测量了多种视错觉。木匠化环境假说给出的机制很具体：长期生活在直角、平面与直线透视中的人，更可能把二维图形里的箭头当成深度线索。

某些较少接触矩形建筑的群体，对缪勒—莱尔错觉的易感程度低得多。这不是有的文化视力更好。这是视觉系统把环境统计写进了知觉推断。把大学生实验室里的错觉强度写成人类视觉的普遍常数，从一开始就缺少抽样依据。

公平与经济行为。 最后通牒博弈中，工业化社会的参与者通常提出接近对半的分配，并拒绝过低的报价。对十几个小规模社会的联合研究发现，出价与拒绝行为差异极大，且与该社会的市场整合程度与合作生产方式系统相关。"人天生有公平感"这一结论的强度，取决于你在哪里做实验。

Henrich 等人 2005 年在《行为与脑科学》上报告了对十五个小规模社会的最后通牒、独裁者与公共物品博弈。工业化社会的出价均值通常落在总额的 40% 到 50% 之间，大学生样本的众数经常是对半。这十五个社会的出价均值从约 26% 到约 58%，两端都超出了原先被当成"人类典型"的区间。

秘鲁亚马孙的马奇根加人均值约为 26%，众数更低，对很低的报价也极少拒绝。变异与市场整合程度、匿名交易习惯以及需要大规模合作的生产方式相关。公平感并没有消失，被改写的是它的强度、触发条件与惩罚意愿。

归因与推理风格。 基本归因错误——把他人行为过度归于性格而非情境——在东亚样本中显著减弱。相关研究进一步提出分析式与整体式认知风格的差异，涉及注意分配、分类方式与因果推断。

把他人行为过度归于性格、低估情境，在北美样本中被叫作基本归因错误。这个名字本身就预设了它是"基本"的。东亚样本中该倾向显著减弱，并不等于东亚被试更不会犯错。

它说明：把行为读成稳定特质，本身是一种被独立型自我训练出来的默认策略。Hazel Markus 与北山忍 1991 年区分独立型与互依型自我建构，正是为了给这类差异一个不以北美为零度的坐标系。

自我概念、道德判断、空间参照框架也都显示出可观的跨文化变异。共同点是：这些差异出现在被认为最"基础"的层面，而不只是态度与价值观这些明显受文化影响的地方。

二、这不只是"多招点外国人"的问题#

WEIRD 批评常被窄化成样本多样性问题，但方法论上的困难要深得多。

问题一：可比性。 把量表翻译成另一种语言并施测，并不保证测的是同一个构念。若不同群体对条目的理解不同，跨组比较的均值差异可能完全来自测量而非构念本身。测量等值性检验（因子结构、载荷、截距是否跨组一致）是任何跨文化比较的前置条件，而文献中真正做这一步的比例长期偏低。

测量等值性 不成立时，均值差异有三种常见来源：构念真的不同、条目在两组中功能不同、或者翻译改变了语义。三者在平均数上看起来一样。只报告某国得分更高而不报告等值性检验，等于把测量问题说成了心理问题。

问题二：变异的层次被搞混。 "美国人比日本人更个人主义"是关于群体均值的陈述，它既不描述任何个体，也不意味着个体层面的关系在两地相同。把国家层面的相关直接读作个体层面的机制，是生态谬误。

国家均值上的"美国人更个人主义"，不能推出某个美国被试在某个任务上一定更自我中心。相关的方向甚至可能在两个层次上相反。跨文化心理学若只报告国家点估计，会把这个层次错误写进教科书标题。

问题三：国家不是文化的合适单位。 同一国家内部的地区、阶层、城乡与代际差异，常常大于国家之间的差异。"跨文化"研究若把国籍当作文化的代理，只是把一个粗糙的分类换成了另一个。

同一座城市里的大学样本与工厂样本，可能比两所大学之间的差异更大。把"中国"和"美国"写成两个同质点，是把行政边界误当成了心理边界。Henrich 后来也强调：W、E、I、R、D 五个维度分别起作用，护照不能代替其中任何一个。

三、更普遍的版本：可推广性危机#

WEIRD 是一个特例。更一般的问题是：从任何有限样本推广到更广泛情形的正当性，通常没有被论证过。

一个统计角度的表述是这样的：心理学的语言假设（"启动能提高识别速度"）是关于一大类刺激、任务、情境与人群的普遍陈述，而对应的统计模型通常只把被试当作随机效应，把刺激、任务版本、实验室与情境当作固定的。这在数学上意味着：结论只被允许推广到被试总体，而不能推广到其他刺激或其他情境。语言上说的是普遍规律，统计上验证的是一次特定实现。

Tal Yarkoni 在 2022 年的《行为与脑科学》目标文章里把这个问题称为可推广性危机。心理学的假设多用自然语言写成普遍命题，检验却依赖线性混合模型一类的推断程序。被试几乎总被设为随机效应，刺激、任务、实验室与指导语却常被当成固定的。

统计结论于是只被授权推广到"这类被试"，而论文摘要写的是"人"。语言与模型不对齐时，假阳性会被放大。失败的复制有时只是换了一批未被模型允许推广的实现。

刺激作为随机效应这一问题在语言学与心理语言学中早有讨论，其教训适用于整个学科：若只用了二十个词做实验，结论严格来说只适用于这二十个词，除非把词也当作随机抽样的层次建模。同样的逻辑适用于实验室（多实验室复制项目正是把实验室当作随机效应）、任务操作化与时间。Herbert Clark 1973 年针对心理语言学提出的"语言作为固定效应谬误"，是同一逻辑的早期版本。

诚实地对待这个问题，会让绝大多数心理学结论的适用范围大幅收窄。这不是虚无主义——它只是要求把"我们发现了什么"与"这个发现覆盖多大范围"分开陈述。

四、可行的应对#

显式声明推广边界。 在论文中写清结论意图覆盖的人群、刺激、情境与时间范围，并说明样本如何支持这一范围。这一步几乎没有成本，却能消除大量隐含的过度推广。

写清"我们研究的是美国大学生在实验室词汇判断任务上的反应时"，比写"注意被启动了"更少误导读者。后者把一次实现说成了定律。

把变异来源建成随机效应。 刺激、实验室、任务版本能建模就建模，代价是更宽的置信区间——而那个更宽的区间才是诚实的。

多实验室协作。 让同一方案在多个国家与实验室执行，既能估计效应，也能估计效应的异质性。这类项目的重要产出往往不是"效应存在与否"，而是"它在多大程度上随情境变化"。

Many Labs 2 这类项目的价值，正在于把样本与情境的变异当成要估计的对象，而不是噪音。效应在某些实验室稳定、在另一些实验室缩小，本身就是关于可推广性的数据。只追问总效应显著与否，会把最有信息的那一层平均掉。

先验证测量，再比较均值。 测量等值性不成立时，正确的做法是报告这一事实，而不是继续比较。

改变谁在提问。 样本多样性之外还有研究者多样性——研究问题、构念定义与理论直觉本身带着提出者的文化印记。把非西方研究者作为合作者而非数据采集点，是当前跨文化心理学最实质的方法论改革，也是最慢的一项。

问卷条目由谁起草，决定了什么算作一个构念。羞耻、面子、关系自我这些在许多非西方日常中极重要的现象，长期进不了英文量表的核心维度。样本换了、问题还是旧问题，多样性就只停留在被试栏。

五、常见的过度反应#

需要避免两种矫枉过正。

"一切都是文化建构的"。 跨文化变异的存在不否认共性。多数研究发现的是程度差异而非有无差异——公平偏好普遍存在，只是强度与形式不同。把变异证据读成"没有普遍性"，与把 WEIRD 样本读成"普遍规律"是同一种推理错误的两个方向。

把 WEIRD 批评读成西方认知低人一等，是把"不典型"偷换成"低劣"。Henrich 等人的原意恰好相反：在许多任务上，WEIRD 被试的反应更极端，因此更不适合当人类的默认值。用非西方样本只是为了给分布补上其余部分，不是为了举行文明竞赛。

"用了非西方样本就解决了问题"。 在北京一所大学招募的本科生，在受教育程度、社会经济地位与城市化程度上，与在波士顿招募的本科生更相似，而与两国的农村人口都不相似。W-E-I-R-D 五个维度是分别起作用的，替换其中一个不等于解决了其余四个。

跨域连接#

• 测量等值性与公平比较：跨群体比较的技术前提，也是 WEIRD 讨论中最容易被跳过的一步。若载荷与截距不等值，均值差异的解释就是不确定的——它可能反映构念差异，也可能反映条目功能差异。这把一个看似社会学的问题变成了一个可检验的统计问题，是跨文化研究方法化的关键一步。
• 文化心理学：这个分支提供了 WEIRD 批评所依赖的大部分实证证据，同时也贡献了理论框架——文化不是被试身上的一个属性，而是持续塑造认知的环境与实践系统。它提醒方法论者：把文化当作分组变量，本身就是一种过度简化。
• 可重复性危机：可推广性与可重复性是两个独立的问题，却经常被混为一谈。一个结果可以完美复制却毫无普遍性（在同一类样本中稳定重现），也可以难以复制却指向真实的普遍机制（效应小、情境敏感）。分清"能不能重现"与"能推广到哪"，是评估任何心理学发现的两把不同尺子。
• 南方社会学：知识生产的地理不平衡不是心理学独有的，而是整个社会科学的结构特征——理论框架、期刊、评审标准与资助体系集中在少数地区。WEIRD 批评在方法论上的贡献之外，还有一个认识论上的贡献：它把"谁有资格定义什么是正常"这个问题带进了实验科学的技术讨论中。
• 统计学习理论与 PAC 学习：机器学习中的分布漂移与心理学中的可推广性，在数学上是同一个问题——训练分布与部署分布不一致时，任何在训练分布上的保证都失效。学习理论把这一点写成了定理并明确承认自己对此沉默，而心理学长期以自然语言的普遍陈述掩盖了同样的缺口。两个领域的对照说明：问题不在于统计工具不够，而在于结论的措辞超出了工具的授权范围。

参考文献#

• Henrich, J., Heine, S. J. & Norenzayan, A. The Weirdest People in the World? Behavioral and Brain Sciences 33(2–3), 61–83, 2010.
• Segall, M. H., Campbell, D. T. & Herskovits, M. J. The Influence of Culture on Visual Perception. Bobbs-Merrill, 1966.
• Henrich, J. et al. "Economic Man" in Cross-Cultural Perspective. Behavioral and Brain Sciences 28(6), 795–815, 2005.
• Yarkoni, T. The Generalizability Crisis. Behavioral and Brain Sciences 45, e1, 2022.
• Nisbett, R. E. et al. Culture and Systems of Thought: Holistic Versus Analytic Cognition. Psychological Review 108(2), 291–310, 2001.
• Arnett, J. J. The Neglected 95%: Why American Psychology Needs to Become Less American. American Psychologist 63(7), 602–614, 2008.
• Markus, H. R. & Kitayama, S. Culture and the Self: Implications for Cognition, Emotion, and Motivation. Psychological Review 98(2), 224–253, 1991.
• Clark, H. H. The Language-as-Fixed-Effect Fallacy. Journal of Verbal Learning and Verbal Behavior 12(4), 335–359, 1973.

延伸阅读#

• Klein, R. A. et al. Many Labs 2: Investigating Variation in Replicability Across Samples and Settings. AMPPS 1(4), 2018.
• Rad, M. S., Martingano, A. J. & Ginges, J. Toward a Psychology of Homo Sapiens: Making Psychological Science More Representative. PNAS 115(45), 2018.
• Apicella, C., Norenzayan, A. & Henrich, J. Beyond WEIRD: A Review of the Last Decade and a Look Ahead. Evolution and Human Behavior 41(5), 2020.