Risico’s juist inschatten – of hoe we de noemer negeren

Over het algemeen zijn mensen niet zo goed in staat om een risico juist in te schatten. Dat komt omdat we de noemer in de breuk negeren en ons alleen op de teller baseren. Zo overschatten we de kans om te sterven door het Coronavirus. Een bijkomende moeilijkheid bij Covid-19 is natuurlijk dat we de noemer – hoeveel mensen er in totaal besmet zijn – ook echt niet kennen door een gebrek aan testen. Maar daarnaast zijn er een aantal denkpatronen eigen aan de mens die dit ‘denominator neglect’ (het negeren van de noemer) nog meer in de hand werken.

In de gedragseconomie worden deze denkpatronen of mechanismen vaak beschreven als het resultaat van Systeem 1, onze snelle manier van denken, terwijl we vaak beter een beroep zouden doen op Systeem 2, onze trage manier van denken.

1) De wet van de kleine getallen
Omdat we geen toegang hebben tot meer observaties laten we ons vaak leiden door een klein aantal observaties uit onze directe omgeving. En kleine steekproeven leveren vaker een opvallend resultaat op dan grotere steekproeven. Ofwel is er nu nog niemand ziek in je omgeving en voel je je ongenaakbaar, ofwel heb je nu weet van een sterfgeval dat zeer tot de verbeelding spreekt en ben je erg bang.

2) We maken gebruik van de beschikbaarheidsheuristiek
We laten ons gemakkelijk leiden door informatie en voorbeelden die we eenvoudig voor de geest kunnen halen. We kennen allemaal wel iemand die gestorven is aan borstkanker, terwijl het veel moeilijker is om iemand voor de geest te halen die gestorven is aan de gevolgen van de luchtvervuiling. Omdat het gemakkelijk ‘voelt’ om die voorbeelden voor de geest te halen, baseren we onze risicoperceptie op dat gevoel (cognitieve gemak) waarmee we voorbeelden kunnen oproepen. Dat kan ook leiden tot een beschikbaarheidscascade: een nietszeggende gebeurtenis die opgeblazen wordt door de media tot dat het over niets anders meer gaat.

3) Affectheuristiek
We gebruiken niet alleen het gevoel van cognitief gemak waarmee we voorbeelden kunnen oproepen, maar ook hoe we ons daarbij voelen. Als we daardoor verdrietig worden of bang, gaan we die emotie gebruiken om risico in te schatten. We doen hierbij dan eigenlijk aan vraagsubstitutie: “Hoeveel heb je over voor het redden van Coronapatiënten?” wordt dan “Wat voel ik als ik aan stervende Coronapatiënten denk?”.

4) Oorzaken gaan vóór statistiek
We laten ons graag leiden door causale individuele oorzaken, liever dan statistische kansen. Er zijn momenteel bijvoorbeeld hoopgevende cijfers dat er in de periode van de lockdown al veel mensenlevens zijn gered door betere luchtkwaliteit, maar dat brengen mensen niet echt in rekening. Misschien is de globale statische kans dat je sterft aan de gevolgen van luchtvervuiling ook groter dan de kans dat je sterft aan Covid-19. Toch is slechte luchtkwaliteit als factor te vaag en te abstract om als een causale doodsoorzaak beschouwd te worden. Echter Corona is een concretere causale oorzaak, die je levendig voor de geest kan halen, en die het dus haalt van de statistiek.

Kunnen experten dit beter? Hier is de literatuur het nog niet over eens. Feit is wel dat mensen met een statistische achtergrond deze heuristieken in mindere mate gebruiken. Dus laten we dit vak vooral niet weglaten in deze tijden van online-onderwijs. En laten we vooral ook pleiten om gedragseconomen op te nemen in de experten panels die onze beleidsmakers nu maar ook in de toekomst zullen bijstaan.

Hoe kan dit vertaald worden naar de bedrijfswereld? Eigenlijk zijn dezelfde mechanismen werkzaam wanneer ondernemers hun risico’s proberen in te schatten als start-up of op de beurs. Bij het inschatten van de slaagkansen van een start-up bijvoorbeeld worden vaak base-rate kansen op falen in een bepaalde sector in de wind geslagen ten voordele van succesverhalen en voorbeelden die tot de verbeelding spreken. Elke van de bovenvermelde denkpatronen kan er op die manier dan voor zorgen dat de noemer – het totale aantal start-ups dat het ooit geprobeerd heeft – niet in rekening wordt gebracht.
Als de kans op falen bijvoorbeeld 6 op 10 is in een bepaalde sector, heeft het weinig zin om die informatie niet in rekening te brengen en je enkel te laten leiden door hoop op basis van het succes van de Googles in deze wereld. Dit lijkt een pessimistische conclusie, maar een statistische manier van denken kan ook hier soelaas bieden om een rationele en realistische kijk op de zaak te behouden.

Source: Kahneman, D. (2011). Thinking, fast and slow (Kindle Edition).

Interesse in meer inzichten over hoe omgaan met deze turbulente tijden?

Ontdek de leerlessen en expertise van onze profesoren over hoe je je kan aanpassen aan deze nieuwe realiteit.

Gerelateerd nieuws

  1. Waarom is € 100 voor een fles ontsmettende handgel onaanvaardbaar?

    Datum: 30-04-2020
    Categorie: Opiniestukken
    Toen corona uitbrak, was ontsmettende handgel een van de eerste producten waarvan de vraag zo sterk toenam dat de voorraden uitgeput raakten. Enkele opportunistische verkopers zagen hun kans schoon om (online) handgel te verkopen tegen een veelvoud van de normale prijs. Gelukkig konden retailers en de overheid paal en perk stellen aan dergelijke praktijken. Professoren Koen Tackx en Barbara Briers leggen uit waarom we dergelijke prijsstijgingen als oneerlijk beschouwen.
  2. Waarom mensen massaal toiletpapier hamsteren

    Datum: 03-04-2020
    Categorie: Opiniestukken
    Het is evolutionair adaptief gedrag om in tijden van onzekerheid de massa te volgen. Maar bij het hamstergedrag rond toiletpapier volgen we niet alleen de sociale norm. Een snelle verkoop van hetzelfde product zorgt ook voor een opvallende leegte in de winkelrekken. En zo zijn we vertrokken voor een vicieuze cirkel van schaarste en sociale norm. Professor Barbara Briers legt uit hoe dergelijke persuasieve mechanisme werken.
Alle artikels