肯定是有啊，其實很多時候，簡單的直覺比複雜的理性分析更準確？
假象你有兩個孩子都處於青春期，大兒子中途退學讓你非常困惱，所以你想把小兒子送到輟學率低的一所中學。你有兩所中學A和B可以選擇，可是，兩所學校都未公開有關輟學率的可靠資訊。
鑑於此，你不得不自己收集相關資訊來推測兩所學校的輟學率，這些資訊包括學校的出勤率、寫作得分、社會科學分數等。從早期對其他學校的瞭解，你知道這些資訊中哪些才是重要的線索。你的直覺告訴你A中學是更好的選擇，所以你將小兒子送到了A中學。
你的直覺對嗎？認知心理學家戈爾德·吉仁澤認為，首先，我們需要了解形成這種直覺的經驗法則；其次，分析這個法則執行的環境。一系列心理學實驗表明，人們的直覺判斷往往（並不總是）只基於一個很好的理由。一種名叫“選擇最佳”的啟發法解釋了單一理由決策如何產生直覺。
假設你基於對其他學校的瞭解，根據直覺判斷出哪些線索更為重要（不一定是最重要的）。你直覺上認為最重要的線索是出勤率、然後是寫作得分和社會科學成績。你運用選擇最佳啟發法：如果第一個線索出勤率足夠做出決定，那麼這個過程到此為止，其他資訊忽略不計。
A中學 Ｂ中學
出勤率？ 高 低
停止比較並選擇Ａ中學
如果根據出勤率不能做出決定，則比較第二個線索。
出勤率？ 高 高
寫作得分？ 高 低
比較第二條線索寫作得分後，你能作出決定了，於是，你停止分析，推斷Ａ中學的輟學率更低。
那麼，這種基於經驗法則的直覺判斷準確率有多高呢？它與富蘭克林的資產負債表法相比如何呢？或許你認為這種簡單的直覺判斷不太準確，不過，戈爾德·吉仁澤在普朗克協會的團隊就發現了單一理由決策的重要性。
為了測試多條線索是否比單條線索好，他們收集了57所學校有關輟學率的18條線索。根據富蘭克林法則，所有18條線索都要考慮進去並給予認真衡量，然後才做出預測。富蘭克林法則的現代版本叫做多元迴歸，其中的多元就是代表多條線索。
那麼，與這種複雜的策略相比，簡單的選擇最佳策略準確性如何呢？
普朗克協會的研究者進行了一個計算機模擬，將半數學校的資訊輸入進去——18條線索和學校實際輟學率。根據這些資訊，用複雜策略判斷“最優”價值，用選擇最佳法給這些線索排序。然後，他們再拿剩下的學校進行測驗，用上這些線索，但不直接採用與輟學率相關的資訊。
結果，如上圖所示，如果已知所有中學的資訊（後見之明），那麼，複雜的策略（多元迴歸）更加有效；可如果預測未知的輟學率，那麼，簡單的經驗法則（選擇最佳）就更準確。這就好比金融顧問能很好地理解昨天的股票結果一樣，複雜的策略能夠衡量多種原因，使結果的等式與我們已知的東西相符。但是，金融顧問對未來的預測卻經常很糟糕。
因此，如果你的直覺是選擇最佳，那麼，比起用複雜的電腦程式認真衡量後再綜合所有有效線索作出決定，你根據單條理由更可能作出正確的選擇。
總之，當我們要預測未來，並且未來很難預測，而我們掌握的資訊又很有限的情況下，基於一個好理由的直覺往往更加準確。它們在時間和資訊的使用上也更有效率。相反，當我們需要解釋過去，當將來很容易預測，當擁有足夠的資訊，複雜的分析更有用。
肯定是有啊，其實很多時候，簡單的直覺比複雜的理性分析更準確？
假象你有兩個孩子都處於青春期，大兒子中途退學讓你非常困惱，所以你想把小兒子送到輟學率低的一所中學。你有兩所中學A和B可以選擇，可是，兩所學校都未公開有關輟學率的可靠資訊。
鑑於此，你不得不自己收集相關資訊來推測兩所學校的輟學率，這些資訊包括學校的出勤率、寫作得分、社會科學分數等。從早期對其他學校的瞭解，你知道這些資訊中哪些才是重要的線索。你的直覺告訴你A中學是更好的選擇，所以你將小兒子送到了A中學。
你的直覺對嗎？認知心理學家戈爾德·吉仁澤認為，首先，我們需要了解形成這種直覺的經驗法則；其次，分析這個法則執行的環境。一系列心理學實驗表明，人們的直覺判斷往往（並不總是）只基於一個很好的理由。一種名叫“選擇最佳”的啟發法解釋了單一理由決策如何產生直覺。
假設你基於對其他學校的瞭解，根據直覺判斷出哪些線索更為重要（不一定是最重要的）。你直覺上認為最重要的線索是出勤率、然後是寫作得分和社會科學成績。你運用選擇最佳啟發法：如果第一個線索出勤率足夠做出決定，那麼這個過程到此為止，其他資訊忽略不計。
A中學 Ｂ中學
出勤率？ 高 低
停止比較並選擇Ａ中學
如果根據出勤率不能做出決定，則比較第二個線索。
A中學 Ｂ中學
出勤率？ 高 高
寫作得分？ 高 低
停止比較並選擇Ａ中學
比較第二條線索寫作得分後，你能作出決定了，於是，你停止分析，推斷Ａ中學的輟學率更低。
那麼，這種基於經驗法則的直覺判斷準確率有多高呢？它與富蘭克林的資產負債表法相比如何呢？或許你認為這種簡單的直覺判斷不太準確，不過，戈爾德·吉仁澤在普朗克協會的團隊就發現了單一理由決策的重要性。
為了測試多條線索是否比單條線索好，他們收集了57所學校有關輟學率的18條線索。根據富蘭克林法則，所有18條線索都要考慮進去並給予認真衡量，然後才做出預測。富蘭克林法則的現代版本叫做多元迴歸，其中的多元就是代表多條線索。
那麼，與這種複雜的策略相比，簡單的選擇最佳策略準確性如何呢？
普朗克協會的研究者進行了一個計算機模擬，將半數學校的資訊輸入進去——18條線索和學校實際輟學率。根據這些資訊，用複雜策略判斷“最優”價值，用選擇最佳法給這些線索排序。然後，他們再拿剩下的學校進行測驗，用上這些線索，但不直接採用與輟學率相關的資訊。
結果，如上圖所示，如果已知所有中學的資訊（後見之明），那麼，複雜的策略（多元迴歸）更加有效；可如果預測未知的輟學率，那麼，簡單的經驗法則（選擇最佳）就更準確。這就好比金融顧問能很好地理解昨天的股票結果一樣，複雜的策略能夠衡量多種原因，使結果的等式與我們已知的東西相符。但是，金融顧問對未來的預測卻經常很糟糕。
因此，如果你的直覺是選擇最佳，那麼，比起用複雜的電腦程式認真衡量後再綜合所有有效線索作出決定，你根據單條理由更可能作出正確的選擇。
總之，當我們要預測未來，並且未來很難預測，而我們掌握的資訊又很有限的情況下，基於一個好理由的直覺往往更加準確。它們在時間和資訊的使用上也更有效率。相反，當我們需要解釋過去，當將來很容易預測，當擁有足夠的資訊，複雜的分析更有用。