意志力真的会被耗尽吗——从萝卜实验到可重复性危机,用代码看懂发表偏倚

引言——心理学中最著名的那块“肌肉”

“意志力就像肌肉,用了就会消耗。所以要在早晨做重要决定;在忍住诱惑的日子里,就算减肥破了功,也别责怪自己。”

自我损耗(ego depletion)理论曾是心理学送给大众的最受欢迎的礼物。它有数百篇支持论文,催生了畅销书,甚至成了常识——有位总统都说自己“为了减少决策疲劳,只穿同样的西装”。

然后到了2016年,这个理论成了心理学可重复性危机的象征。用论文读心理学第四篇沿着这条戏剧性的轨迹展开。这一篇在系列中之所以特别,是因为面对“有数百篇论文,怎么可能是错的?”这个合理的疑问,我们要跑一段代码来作答。

1998年——巧克力、萝卜,和一道解不开的谜题

罗伊·鲍迈斯特(Roy Baumeister)团队1998年论文的第一个实验,光是布景就很有名。让饿着肚子来的大学生坐进一间弥漫着新鲜出炉巧克力曲奇香气的房间。一组可以吃曲奇,另一组只能吃生萝卜(radish)。之后给所有人一道其实无解的图形谜题,计时看他们能坚持多久。

结果:曲奇组平均坚持了约19分钟,而必须忍住诱惑的萝卜组大约8分钟就放弃了。每组人数20人出头。论文这样解释:忍住曲奇的诱惑消耗了某种共享资源,于是留给谜题的毅力就不够了。“自我损耗”这个名字由此诞生。

之后的20年里,这一范式爆炸式扩张。压抑情绪、做选择、在文章里划掉特定字母……在各种“损耗任务”之后,握力坚持、喝苦味饮料、解字谜的成绩都会下降——这样的研究积累了数百篇。2010年的元分析汇总198项研究,报告了中等大小的效应(d约0.6)。甚至出现了“血糖(葡萄糖)就是那个资源”的理论。看起来完全够格写进教科书了。

2016年——23个实验室的联合重复验证

但从2010年代初开始,不祥的信号出现了。新开展的大样本重复实验接连失败;2015年,卡特(Carter)和麦卡洛(McCullough)报告说,给既有元分析加上发表偏倚校正之后,效应就与零无法区分了。

决定性的检验是2016年的注册重复研究报告(Registered Replication Report)。这个由马丁·哈格(Martin Hagger)和尼科斯·查齐萨兰蒂斯(Nikos Chatzisarantis)协调的项目,展示了重复研究的标准设计。

23个实验室、共2100余人参与。
实验方案在原理论阵营的咨询下事先达成一致并注册:用划字母任务进行损耗,用标准化的计算机任务进行测量。
无论结果如何,发表都有保证。不会有被埋进抽屉的无效结果。

结果令人震惊。23个实验室汇总的效应量为d = 0.04,置信区间正好把零夹在中间。这实际上意味着没有任何效应。2021年,鲍迈斯特阵营直接参与设计的36个实验室大规模重复验证(Vohs等)也开展了,但那里的效应同样接近零(按不同估计,d在0.06上下)。葡萄糖理论则在此之前就已崩塌。

数百篇论文对上两次重复验证。为什么赢的是后者?

用代码理解——抽屉造出的海市蜃楼

关键是发表偏倚(publication bias)。哪怕真实效应就是零,只要有“只发表显著结果”这一条规则,文献里就会堆满看起来像模像样的效应。光靠语言很难建立直觉,我们用模拟来确认。

import random
import statistics

random.seed(42)

TRUE_EFFECT = 0.0   # the real effect size is zero
N_PER_GROUP = 20    # small samples, like the classic studies
N_STUDIES = 500     # labs around the world keep trying

published = []
drawer = 0

for _ in range(N_STUDIES):
    # two groups drawn from the SAME distribution (no real effect)
    control = [random.gauss(0, 1) for _ in range(N_PER_GROUP)]
    treated = [random.gauss(TRUE_EFFECT, 1) for _ in range(N_PER_GROUP)]

    # observed standardized effect (Cohen's d, pooled SD ~= 1)
    d = statistics.mean(treated) - statistics.mean(control)

    # crude significance rule for a two-sample test of this size:
    # |d| > ~0.64 corresponds to p < .05 with n=20 per group
    if abs(d) > 0.64:
        published.append(d)   # "exciting result!" -> journal
    else:
        drawer += 1           # null result -> file drawer

print(f"published studies : {len(published)}")
print(f"file drawer       : {drawer}")
print(f"mean published |d|: {statistics.mean(abs(d) for d in published):.2f}")

跑一遍,大致会看到这样的图景:真实效应恰好为0,但500次尝试中仍有5%左右纯靠运气越过显著线;只把这些“中奖”的研究收集起来求平均,就制造出一套d 0.7~0.8的文献。样本越小,偶然的振幅越大,中奖的效应也越华丽。再加上研究者自由度(在多个测量指标里挑表现好的、更改剔除异常值的标准),中奖概率会远超5%。

这就是“数百篇论文”也可能出错的机制。论文数量衡量的可能不是证据的多少,而是通过了筛选过程的样本数。因此,少数保证了预注册与全量发表的大规模重复验证,分量反而超过被筛选过的数百篇。

那么,关于意志力还剩下什么

重要的是,不要从自我损耗的坍塌中带走错误的教训。

留不下来的:“忍住诱惑就会流失资源,下一次自控必然变弱”的机械资源模型,以及拿这个模型当借口(“刚才我忍过了,现在崩掉是科学上的必然”)。

留下来的1——疲劳本身是真实的。 睡眠不足、长时间高强度专注会击垮判断力和情绪调节,这有另一套扎实的文献支持(在睡眠负债篇中讨论)。倒下的是“5分钟自控任务就能耗尽资源”这个精确主张,而不是“该休息”这个常识。

留下来的2——自控的胜负不在意志,而在设计。 有趣的是,近年的研究显示,自控好的人并不是顽强抵抗诱惑的人,而是把环境设计得从一开始就更少遇到诱惑的人。系统赢过目标里讲的摩擦设计正是这一策略。

留下来的3——科学在运转的证据。 著名理论的倒塌不是心理学之耻,而是自我修正能力的证明。预注册、注册重复研究、多实验室协作,正是经由这些事件成为了标准。

原文阅读指南

原始论文: Baumeister, R. F., Bratslavsky, E., Muraven, M., & Tice, D. M. (1998). Ego depletion: Is the active self a limited resource? Journal of Personality and Social Psychology, 74(5), 1252-1265.
偏倚校正: Carter, E. C., & McCullough, M. E. (2014). Publication bias and the limited strength model of self-control. Frontiers in Psychology, 5, 823.
重复验证: Hagger, M. S., Chatzisarantis, N. L. D., et al. (2016). A multilab preregistered replication of the ego-depletion effect. Perspectives on Psychological Science, 11(4), 546-573.
二次重复验证: Vohs, K. D., et al. (2021). A multisite preregistered paradigmatic test of the ego-depletion effect. Psychological Science, 32(10), 1566-1581.

阅读提示:1998年论文的精华在实验1的方法部分(甚至有一条脚注写了萝卜组有几名参与者碰了曲奇)。2016年的RRR,一张森林图(各实验室效应图)胜过全部正文。下一篇换换气氛,是用智能手机完成的最著名的幸福研究——走神与幸福。