那我们把每一个模型都设计的无比复杂能够很好预测人的行为吗？我想这样的模型恐怕不能指导行动，每一次模型的测算都是一个独特的指标，一点点扰动都可能结果就是完全不同的结果，这样的结果不能对行动做出指导。
将人建模为基于规则的行为者，或者将人建模为理性行为者。又或者考虑社会习俗影响，或者考虑人对环境的适应性。
我们都需要根据不同场景去设置模型，比如低风险环境下，买衣服挑选什么颜色，或者买奶茶喝什么口味，我想人们显示出固定偏好。而在高风险环境下，买房决策，伴侣挑选，都会去学习，尽可能都的全方位了解，请教有经验者。
而且可以用大数据的方式分析人类的行为，只观察普遍存在的现象，比如南方人吃咸豆腐脑居多，北方人吃甜豆腐脑居多，这个现象背后基于互相模仿。
个体的差异也可以互相抵消。比如你开个餐馆，具体到一个特定的人今天来不来你这吃饭，你很难判断 —— 但是你每天的顾客人数其实都差不多。有的人本来想来因为临时有事来不了，有的人本来没想来因为路过看到就来了，这种种的出入互相抵消了。
再比如在投票选举中，有的人观点左得离谱，有的人观点右得离谱，但是因为互相抵消，最后这个人群整体的观点就还是比较靠谱的。当选者的政策不会太离谱。但互相抵消的前提是每个人都独立思考，犯错的方向得四面八方都有才行。所以我们的建模需要多种模型，去找出各自的侧重点，我们遵循一统性和多样性。
大致来说，关于人的模型一共有三种。
三种描述人的模型
第一种是“理性人模型”。就比如我们构建了一个原始的理性行为者模型，用于描述一个人如何决定将多大比例的个人收入分配给住房支出。
有一个经济学理论做了这么一个假设，说人在决定花费的时候，会把下面这个效用函数
给最大化，其中 C 表示日常花费，H 表示在房子上的花费。
在这个模型中，个体用于住房的收入比例不取决于住房价格与收入水平。这样就会得到每个人都会用收入水平的三分之一。
而且根据数据统计的结果，也和这个三分之一近似，所以这个模型是正确的，平日里买房决策的我们都是理性消费的。
不是说没人不遵守这个规则，也有极端人群超过比例或者少于比例，但是通过极端例子的抵消，大多数都是三分之一来消费。
这就是为什么理性人模型是受欢迎的模型，一切都是可推导。
这样的模型不一定能够说明现实，在行为心理学里有很多的心理实验证明，人在决策时会受到各种各样的偏差的影响。
但是你也要知道，2015年一项研究表明，在主要心理学期刊上发表的100个研究结果中，有一半都无法复制。
真正证明有效的认知偏差有损失厌恶和双曲贴现。损失厌恶在说面对损失的失落感远远超过得到的获得感，双曲贴现（落袋为安）在说现在能得到的绝不会让它过夜，即便可以有一定升值。
事实上人们在大多数时候都很理性，基于智能规则做出的行为可能与最优或近似最优行为无法区分。也可以学习在重复的情况下，人们应该能够接近最优行为。在重大决策中，人们会收集信息并认真思考。
第二种固定规则模型，在固定规则里面我们在跟别人相同，就好像前面说过的甜豆腐和咸豆腐一样，只是在遵守规则，只要养成习惯就不会去做改变。
第三种适应性规则模型，在环境多变中找到适合自己的方式，动态调节自己的行为。
就好像去买一家好吃冰淇淋，晚上你去时人最多，结果等了很久才吃到，下次你大概率会换个时间段去买冰淇淋。
环境决定人
人其实很少能改变事实，很多时候都在因为事情而变。从模型中我们可以看到，人们总是在寻求平衡和优化。
比如每个人都利用一个固定规则选择一条通勤路线。在这个模型中，交通系统处于某个均衡状态。假设在这个均衡中，有一个名叫莱恩的人，每天早上都要花费75分钟从卡拉巴萨斯前往洛杉矶市中心。
在给定这个均衡的情况下，如果莱恩从托潘加峡谷抄近路走，那么她这段行程将只需要45分钟。考虑到每天能够节省30分钟的价值以及住在洛杉矶的人谈论交通的频率，莱恩确实很可能会找到这条更短的路线。
他却没有这样走，你要知道每个人都会优化路线，找寻均衡点，只是你没找到他的环境中的变量。
简单来说大多数人面临简单均衡点，对他们来说能够有比较理智的选择。
可是莱恩遇到的局面可能过于复杂，有着想要优化和均衡的心，却因为没有学习的环境，不能做到最优化的决策。
局势很重要，每个人遇到的不同，选择的策略就不同。
除了局面对你影响，还有均衡态能改变人们的行为。比如你管理一家医院。你注意到医院急诊室太小了，应对不了每天来那么多患者，所以你打算把急诊室扩大一倍。你的测算是扩大一倍足够了。
但是如果你理解人，你就得考虑患者对你这个政策的反应 。急诊室扩大之后，患者发现不拥挤了，他们会老老实实享受这个局面吗？不会的。
患者会适应这个局面。既然急诊变方便了，那些本来只有些小病，不需要看急诊的人，就也会来看急诊。你的急诊室将会再次拥挤。你的模型必须能够判断，方便不是均衡态，拥挤才是。
有效市场必定会被占满，该利用的资源总会被利用，人就像水一样总会流向低处，不可能逆流而上，最终你只会到达洼地。
网友评论