邓宁-克鲁格效应 — 那张著名的曲线图并不在原论文里

引子 — 你见过的那张图并不在论文里

有一张图你多半见过。横轴是经验，纵轴是自信。曲线在新手区间陡峭上冲，冲出一座“愚昧之巅”，随后一头栽进“绝望之谷”，很久以后才爬上一片平缓的高原。图注上永远挂着同一个名字：邓宁-克鲁格效应。

那条曲线并不在原论文里。没有山峰，没有山谷，也没有高原。那张图是某个时候在互联网上被造出来、贴上论文的名牌流传开的；而1999年论文里真正刊出的图，长得要平淡得多。平淡的原本与花哨的复制品之间的距离，就是本篇要讲的全部内容。

按照用论文读心理学系列的规矩，我们先看原论文究竟做了什么。然后跟着这个效应遭受的最扎心的批评走一遍——用毫无意义的随机数也能画出同一张图——最后数一数还剩下什么。

1999年论文究竟做了什么 — 康奈尔本科生，幽默、逻辑与语法

贾斯汀·克鲁格（Justin Kruger）与大卫·邓宁（David Dunning）1999年发表在 Journal of Personality and Social Psychology 上的论文，由四项研究构成。参与者全部是康奈尔大学心理学课程的本科生。

• 研究1（幽默）: 让参与者评定30个笑话有多好笑，以8位职业喜剧演员的评定作为标准答案。参与者65人。
• 研究2（逻辑推理）: LSAT 类型的逻辑题20道。参与者45人。
• 研究3（语法）: 标准化的英语语法题。参与者84人。
• 研究4（再训练）: 完成逻辑任务后，给其中一部分人做一段简短的逻辑训练，再重新收集自我评价。参与者140人。

程序的核心，是考试之后抛出的那个问题：“你的能力和今天的成绩，在康奈尔的同学中大约排在第几个百分位？”然后按实际成绩把参与者四等分，把每个四分位的平均自我评价与平均实际成绩并排画出来。这张图就是该论文的代表性图表。横轴不是经验而是成绩四分位，线有两条，而且没有山峰。

真实结果与“无能者过度自信”有点不一样

把语法任务（研究3）的大致数值搬进表格，是这样的。

这里有两点值得注意。第一，自我评价那条线横跨各四分位，几乎是平的。实际成绩从百分位10一路拉开到89、相差近八倍，而自我估计只在60多分到70出头之间来回。也就是说，数据讲的话与其说是“只有无能的人会高估自己”，不如说更接近几乎所有人都把自己估在平均线略上方这一句。

第二，有一个大众化的摘要里几乎从不提及的事实：前25%的人把自己低估了大约15到20个百分位。克鲁格与邓宁本人也在论文中讨论了这一点，并给出解释：做得好的人觉得任务对自己很容易，于是假定别人也差不多（虚假共识）。论文里那两条线之所以在右端交叉，原因就在这里。

到这一步，大众版本已经错了两处：图的形状，以及关于高分组的结论。

最扎心的反驳 — 随机数也能画出同一张图

真正的问题在后面。把自我评价分数和实际成绩生成为彼此毫无关系的随机数，再按实际成绩切分四分位，画出每组的平均值试试。令人吃惊的是，你会得到一张与论文里长得一模一样的交叉图。因为有两股力量叠在了一起。

第一股是向平均回归。后四分位并不是只有“能力低的人”聚在那里，还混着“那天运气不好的人”。换一个测量指标（自我评价）再看这批人，他们就会往平均值那边靠回去；前四分位则朝相反方向靠回去。按实际成绩切分四分位的那一刻起，两条线的交叉就已经被自动预定了。

第二股是优于平均效应加上测量误差。人们的自我评价大体上聚在中位数略上方，与实际能力的相关并不高。于是自我评价那条线在哪个四分位上都会变平。把平的线和陡的线叠在一起，就成了一个X。

第一个系统性地提出这一质疑的，是约阿希姆·克鲁格（Joachim Krueger）与罗斯·穆勒（Ross Mueller）2002年的论文。他们报告说，一旦校正测量信度并统制回归效应，邓宁-克鲁格式的模式就会大幅缩小。此后爱德华·纽弗（Edward Nuhfer）的研究团队在2016年和2017年的 Numeracy 论文中，用图把这个论证钉死了：纯随机数模拟画出的图，与教科书里那张分辨不出差别；而把1,000多份真实作答数据改用个体散点图、而非四分位平均来呈现时，出现的是完全不同的画面——大多数人对自己的实力估得相当准，严重高估者只是少数。纽弗团队的结论很尖锐：制造错觉的不是人的心智，而是画图的惯例。

2020年的重新分析 — 929人，以及剩下的残余

把上面这些梳理检验得最干净的，是吉勒·吉尼亚克（Gilles Gignac）与马尔钦·扎延科夫斯基（Marcin Zajenkowski）2020年发表在 Intelligence 上的论文。样本为929人。他们同时测量客观智力测验分数与自评智力，然后彻底弃用四分位平均图，改在个体层面的数据上做两项检验：一项是非线性（二次项）回归，另一项是异方差检验。因为如果邓宁-克鲁格假说为真，那么在能力偏低的区间，自我评价的误差就该系统性地更大。

结果是这样的。自我评价与实际智力的相关约为0.28，是清楚的正相关，而非线性项实质上没有意义。只有异方差检验留下了极小的痕迹——能力越低，自我评价的误差幅度略宽一些。论文标题把结论直接说了出来：这大体上是统计人工物。

再补一条。凯瑟琳·伯森（Katherine Burson）、理查德·拉里克（Richard Larrick）与约书亚·克莱曼（Joshua Klayman）2006年的研究显示，操纵任务难度会让这个模式翻转。在容易的任务上，低分组会大幅高估自己；但在困难的任务上，反而是高分组把自己低估得更厉害。决定误差方向的不是人的无能，而是任务的难度。

互联网的反讽 — 变成武器的效应

这个效应在网上的用法，几乎收敛成了同一件事：贬低对方。“这不就是典型的邓宁-克鲁格。”

写下这句话的人同时在做三件事：引用一张原论文里没有的图；不检验自己判断的准确度；并且没有意识到，论文真正的结论讲的不是“某一类人”，而是“每个人都有的盲区”。邓宁本人在此后的多篇文章和访谈中反复说过，这个效应是自我检查的工具，不是贴在别人身上的标签。

引用累积到几百次并不会让一个主张变得结实，这话在自我损耗那一篇里已经说过一次。邓宁-克鲁格的情况稍有不同：不是文献被吹大了，而是没读过论文的人写的摘要，传播得比原文广得多。

所以要丢掉什么，带走什么

要丢掉的：那条带山峰和山谷的曲线。以及“越无能越自信”这种人物论。前者没有出处，后者在很大程度上是四分位平均这种画法制造出来的图像。把这个名字贴到某个具体的人或群体身上的用法，连原论文都不支持。

要带走的1 — 自我评价是结构的函数，而不是能力的函数。正如伯森团队所展示的，难度一变，误差的方向就变；反馈越即时、越具体，自我评价就越准。所以在实务中该做的不是评论别人有多自信，而是把反馈周期缩短。这也是刻意练习的真正条件一文把即时反馈列为核心要件的原因。

要带走的2 — 原论文的研究4依然成立。给后四分位的参与者做一段简短的逻辑训练之后，不只是成绩提高了，自我评价的准确度也跟着提高。这个设计同样不能完全摆脱回归效应，但至少它是与四分位图的错觉不同类型的证据。意识到自己不知道什么的能力，会作为训练的副产品跟着长出来。

要带走的3 — 凡是先按极端值切分群体、再比较平均值的图，先怀疑一下。把绩效后20%的人挑出来做培训、然后声称有提升的内部报告，以最差的那个月为基准来衡量改善幅度的仪表盘，全都踩在同一个陷阱上。邓宁-克鲁格之争留下的最实用的遗产，不在心理学那一侧，而在这份统计直觉上。

原文阅读指南

• 原论文: Kruger, J., & Dunning, D. (1999). Unskilled and unaware of it: How difficulties in recognizing one's own incompetence lead to inflated self-assessments. Journal of Personality and Social Psychology, 77(6), 1121-1134.
• 统计学反驳: Krueger, J., & Mueller, R. A. (2002). Unskilled, unaware, or both? The better-than-average heuristic and statistical regression predict errors in estimates of own performance. Journal of Personality and Social Psychology, 82(2), 180-188.
• 难度效应: Burson, K. A., Larrick, R. P., & Klayman, J. (2006). Skilled or unskilled, but still unaware of it: How perceptions of difficulty drive miscalibration in relative comparisons. Journal of Personality and Social Psychology, 90(1), 60-77.
• 随机数模拟: Nuhfer, E., Fleisher, S., Cogan, C., Wirth, K., & Gaze, E. (2017). How random noise and a graphical convention subverted behavioral scientists' explanations of self-assessment data: Numeracy underlies better alternatives. Numeracy, 10(1), Article 4.
• 重新分析: Gignac, G. E., & Zajenkowski, M. (2020). The Dunning-Kruger effect is (mostly) a statistical artefact: Valid approaches to testing the hypothesis with individual differences data. Intelligence, 80, 101449.

阅读提示: 1999年的论文，与其先读正文，不如先看 Figure 1（幽默任务）和 Figure 3（语法任务）。自我评价那条线有多平、两条线在右端如何反转，30秒就能看明白。接着把 Nuhfer 2017 的随机数模拟图并排放在旁边，整场争论就都懂了。Gignac and Zajenkowski 2020 的亮点，则是那张用个体散点图取代四分位平均的图。