所谓锚定效应（Anchoring effect）是指当人们需要对某个事件做定量估测时，会将某些特定数值作为起始值，起始值像锚一样制约着估测值。在做决策的时候，会不自觉地给予最初获得的信息过多的重视。
1973年，卡纳曼和特沃斯基指出，人们在进行判断时常常过分看重那些显著的、难忘的证据，甚至从中产生歪曲的认识。例如，医生在估计病人因极度失望而导致自杀可能性时，常常容易想起病人自杀的偶然性事件，从而夸大极度失望病人将自杀的概率，这就是人们在判断中存在的锚定效应。 1974年，卡纳曼和特沃斯基通过实验来进一步证明锚定效应。实验要求实验者对非洲国家在联合国所占席位的百分比进行估计。因为分母为100，所以实际上要求实验者对分子数值进行估计。首先，实验者被要求旋转摆放在其前面的罗盘随机地选择一个在0到100之间的数字（实际上只出现10或65两个数字）；接着，要求实验者对随机选择的数字向下或向上调整来呈现其所估计的分子值。通过这个实验，卡纳曼和特沃斯基发现，当不同的小组随机确定的数字不同时，这些随机确定的数字对后面的估计有显著的影响。例如，两个分别随机选定10和65作为开始点的小组，他们对分子值的平均估计分别为25和45。由此可见，尽管实验者对随机确定的初始数字有所调整，但他们还是将分子值的估计锚定在这一数字的附近范围内。
锚定效应在众多领域判断与决策问题的研究中得到验证，从日常生活中的现象，如促销广告用词对购买数量决策的影响，到风险预测性问题，如估计股市指数的变化；从一般知识性问题、博彩估计问题、法律判断问题、协商谈判问题、价格估计问题，到自我效能评估、软件评估问题等。许多研究从不同角度证明锚定效应是一种普遍存在的、十分活跃又难以消除的判断偏差。
我们分析了网络在线评价系统WikiLens和MovieLens上的用户打分（用户通过1-5分给系统中的对象打分）。我们首先观察一些特殊的对象——平均得分高于4.5分或者低于2.0分的对象（这样的对象在所有对象中占比不到1%），发现在高分对象后面的打分普遍高，而在低分对象后面的打分普遍也低。这个差异非常明显，在MovieLens中两个均值分别是4.16和2.72，而在WikiLens中两个均值分别是4.13和2.63。
[FIG. 一个典型用户偏高（>0）和偏低打分出现的序列，可以看到明显的记忆效应或称群聚效应]
进一步地，我们采用了多种去除均值偏移的办法来把一个用户的打分分成两类——相比而言偏高的打分和相比而言偏低的打分。我们发现，偏高的打分和偏低的打分出现具有明显的记忆性，也就是说偏高分和偏低分倾向于集中一起出现。通过和Null Model的对比，这种统计具有显著性！这种倾向于和最近的打分保持相近的偏差（我们称之为锚定偏差）随着打分间隔次数呈对数下降的趋势。
尽管本文所讨论的锚定偏差和原来我们在社会学中熟悉的锚定效应有所不同，但是两者的心理机制或有共通之处。特别地，本文是通过对非受控实验数据统计分析得到的结果，研究思路不同于传统社会学控制实验的思路，对于传统社会学家，或有可兹借鉴之处。这个结果还和人类动力学里面的记忆和阵法有一些细腻的联系，尽管暧昧不清。希望各位读者喜欢。
论文信息：Zimo Yang, Zi-Ke Zhang, Tao Zhou, “Anchoring Bias in Online Voting”, EPL 100 (2012) 68002.
论文链接：http://iopscience.iop.org/0295-5075/100/6/68002
