Subadditivity effect
Strategy: Trước khi cộng dồn xác suất hay mức độ rủi ro của từng phần nhỏ (bảo hiểm, phân bổ tài sản, đánh giá nguy cơ), thử ước lượng lại toàn bộ như một danh mục gộp chung một lần — nếu hai con số lệch nhau đáng kể, hãy tin vào cách gộp chung hơn.
Subadditivity effect mô tả hiện tượng khi một sự kiện tổng quát được “tách gói” thành các thành phần cụ thể hơn, tổng xác suất mà con người gán cho từng thành phần luôn lớn hơn xác suất họ gán cho chính sự kiện tổng quát ban đầu — dù về toán học, xác suất của một tập hợp phải đúng bằng tổng xác suất các tập con rời nhau tạo nên nó. Mô tả càng chi tiết, tổng “cảm giác xác suất” càng phình to; mô tả càng gộp chung, xác suất cảm nhận lại càng bị thu nhỏ.
Hiện tượng này là bằng chứng thực nghiệm trung tâm của support theory, do Amos Tversky và Derek Koehler công bố năm 1994 trên Psychological Review. Theo lý thuyết này, xác suất phán đoán không gắn với bản thân sự kiện mà gắn với “sức nặng bằng chứng” (support) mà cách mô tả sự kiện gợi lên trong trí nhớ — càng chia nhỏ (unpacked), càng kéo ra nhiều bằng chứng ủng hộ, khiến ước lượng tăng lên dù không có thông tin mới. Thí nghiệm kinh điển: một nhóm ước lượng riêng xác suất tử vong do ung thư, do đau tim, và do “nguyên nhân tự nhiên khác” — cộng lại ra khoảng 73%. Nhóm còn lại chỉ ước lượng chung xác suất tử vong do “nguyên nhân tự nhiên”, ra khoảng 58%, dù hai câu hỏi mô tả đúng một tập hợp sự kiện.
Trong sản phẩm tài chính, hiệu ứng này chi phối trực tiếp cách người dùng cảm nhận rủi ro. Một app đầu tư liệt kê riêng “rủi ro lãi suất”, “rủi ro thanh khoản”, “rủi ro tỷ giá”, “rủi ro tín dụng” cho cùng một danh mục sẽ khiến tổng rủi ro cảm thấy cao hơn hẳn so với chỉ một dòng gộp “mức độ rủi ro: trung bình” — dù bản chất không đổi. Ngược chiều, các gói bảo hiểm hay tách nhỏ quyền lợi thành nhiều tình huống cụ thể (“tai nạn giao thông”, “tai nạn lao động”, “tai nạn thể thao”…) thay vì gộp thành một điều khoản “bảo vệ toàn diện”, vì liệt kê chi tiết khiến khách hàng cảm thấy khả năng cần dùng bảo hiểm cao hơn — đòn bẩy thuyết phục mạnh, nhưng cũng dễ bị lạm dụng để thổi phồng cảm nhận rủi ro theo hướng có lợi cho người bán.
Subadditivity effect chia sẻ gốc rễ với availability-heuristic và conjunction-fallacy — cả ba đều bắt nguồn từ việc não bộ đánh giá xác suất dựa trên mức độ dễ hình dung, dễ nhớ lại của bằng chứng cụ thể, thay vì tính toán logic thuần túy. Base-rate-fallacy cho thấy mặt đối lập: tỷ lệ nền bị bỏ qua hoàn toàn thay vì bị phóng đại qua unpacking. Extension-neglect là khung khái niệm rộng hơn bao trùm subadditivity, mô tả chung việc kích thước thật của một tập hợp bị đánh giá sai lệch có hệ thống mỗi khi thông tin được trình bày theo những cách khác nhau.