Słownik metodologiczny · Pomiar i skale

Efekt zakotwiczenia – jak liczba w pytaniu zmienia odpowiedź?

Efekt zakotwiczenia przesuwa szacunki w stronę wcześniej podanej liczby. Pokazujemy, gdzie kotwice kryją się w ankiecie, jak je ograniczyć i jak zmierzyć zakotwiczenie w eksperymencie z indeksem w R.

Strona główna / Słownik / Efekt zakotwiczenia
W skrócie: Efekt zakotwiczenia to przesunięcie szacunku liczbowego w stronę wcześniej podanej wartości, nawet przypadkowej. W ankiecie kotwicą bywa liczba w pytaniu, zakres kafeterii lub start suwaka. W eksperymencie mierzy się go indeksem: różnicą median podzieloną przez odległość kotwic.

Co to jest efekt zakotwiczenia?

Efekt zakotwiczenia (ang. anchoring effect) to przesunięcie szacunku liczbowego w stronę wartości, którą osoba zobaczyła lub usłyszała wcześniej – nawet gdy ta wartość jest przypadkowa. Tversky i Kahneman (1974) opisali go jako skutek heurystyki dostosowania od kotwicy: przy przewidywaniu liczby ludzie zaczynają od dostępnej wartości i ją korygują, co prowadzi do systematycznych błędów.

Kotwice w ankiecie

W badaniu kwestionariuszowym kotwicą może być:

  • liczba w treści pytania („np. 2 godziny dziennie”) – to także forma pytania sugerującego;
  • pytanie „więcej czy mniej niż X?” przed prośbą o szacunek;
  • zakres przedziałów w kafeterii – Schwarz (1999) pokazuje, że format odpowiedzi wpływa na raportowane częstości zachowań;
  • wynik poprzedniego pytania liczbowego (efekt kolejności pytań) albo wartość startowa suwaka.

Ogranicza się go pytaniem otwartym bez przykładowych liczb, przedziałami dopasowanymi do rozkładu z pilotażu i pustym położeniem suwaka.

Przykład

Jacowitz i Kahneman (1995) mierzą zakotwiczenie z grupą kalibracyjną, która szacuje bez kotwicy, i z kotwicami ustawionymi na 15. i 85. centylu jej szacunków. W symulacji (3 × 150 osób) pytano o minuty dziennie w mediach społecznościowych. Mediana w grupie kalibracyjnej wyniosła 90 minut, a kotwice – 50 i 190 minut. Po kotwicy niskiej mediana wyniosła 62, a po wysokiej 138.5 minuty (test Manna–Whitneya: W = 19049.5, p < .001). Indeks zakotwiczenia, czyli różnica median podzielona przez odległość kotwic, wyniósł 0.55: odpowiedzi przesunęły się o ponad połowę dystansu między kotwicami.

Jak opisać w pracy

Osoby losowo przydzielone do kotwicy niskiej (50 minut, n = 150) i wysokiej (190 minut, n = 150) podawały szacunki o medianie 62 i 138.5 minuty (W = 19049.5, p < .001); mediana w grupie bez kotwicy wyniosła 90 minut, a indeks zakotwiczenia – 0.55.

Na co uważać

  • Kotwica w instrukcji. Przykład liczbowy w wyjaśnieniu pytania działa jak kotwica; sprawdź instrukcje w pilotażu.
  • Różne wersje kafeterii w grupach. Porównując grupy, używaj tych samych przedziałów odpowiedzi, inaczej różnicę może tworzyć format.
  • Kotwica jako manipulacja. W eksperymencie podaj dokładne wartości kotwic i sposób ich ustalenia.

Inne błędy formułowania pytań zbiera wpis najczęstsze błędy w ankietach.

Przykład reprodukowalny

Indeks zakotwiczenia w R

Kod symuluje grupę kalibracyjną bez kotwicy, ustala kotwice na 15. i 85. centylu jej szacunków, a potem porównuje mediany szacunków w grupach z kotwicą niską i wysoką. Indeks zakotwiczenia to różnica median podzielona przez odległość między kotwicami. Liczby w tekście pochodzą z tego kodu.

Kotwice, mediany i indeks zakotwiczenia

Dane wejściowe: trzy symulowane grupy po 150 osób, szacunek minut dziennie w mediach społecznościowych (set.seed(544)).

Co odczytać: kotwice 50 i 190; mediany 90, 62 i 138.5; indeks = 0.55; W = 19049.5, p < .001.

R
set.seed(544)                                    # szacunek: ile minut dziennie spędzasz w mediach społecznościowych?
kal <- round(rlnorm(150, log(90), 0.6))          # grupa kalibracyjna: bez kotwicy
k <- round(quantile(kal, c(.15, .85)))           # kotwice na 15. i 85. centylu kalibracji
nisk <- round(rlnorm(150, log(65), 0.5))         # „Więcej czy mniej niż k[1] minut?”, potem szacunek
wys  <- round(rlnorm(150, log(140), 0.5))        # „Więcej czy mniej niż k[2] minut?”, potem szacunek
k
round(c(Mdn_kal = median(kal), Mdn_niska = median(nisk), Mdn_wysoka = median(wys)), 1)
AI <- (median(wys) - median(nisk)) / (k[[2]] - k[[1]])   # indeks zakotwiczenia
round(AI, 2)
w <- wilcox.test(wys, nisk); c(W = w$statistic[[1]], p = format.pval(w$p.value, eps = .001))   # test Manna–Whitneya
Wynik w R
15% 85%
 50 190
   Mdn_kal  Mdn_niska Mdn_wysoka
      90.0       62.0      138.5
[1] 0.55
        W         p
"19049.5" "< 0.001" 

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (bez dodatkowych pakietów). W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/

Najczęstsze pytania

Czy przykład liczbowy w treści pytania ankietowego może zniekształcić odpowiedzi?

Tak. Liczba podana „na przykład” działa jak kotwica i przyciąga szacunki. W pytaniach o częstość lub czas lepiej nie podawać przykładowych wartości.

Co to jest indeks zakotwiczenia?

To różnica median szacunków po kotwicy wysokiej i niskiej podzielona przez różnicę samych kotwic. Wartość 0 oznacza brak wpływu, a 1 – odpowiedzi przesunięte o cały dystans między kotwicami.

Czym efekt zakotwiczenia różni się od efektu kolejności odpowiedzi?

Zakotwiczenie dotyczy wartości liczbowej, od której zaczyna się szacunek. Efekt kolejności odpowiedzi polega na częstszym wybieraniu pierwszych lub ostatnich opcji z listy, niezależnie od liczb.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Jacowitz, K. E., & Kahneman, D. (1995). Measures of anchoring in estimation tasks. Personality and Social Psychology Bulletin, 21(11), 1161–1166. https://doi.org/10.1177/01461672952111004
  2. Schwarz, N. (1999). Self-reports: How the questions shape the answers. American Psychologist, 54(2), 93–105. https://doi.org/10.1037/0003-066X.54.2.93
  3. Tversky, A., & Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. Science, 185(4157), 1124–1131. https://doi.org/10.1126/science.185.4157.1124

Cytowania BibTeX

@article{jacowitz1995measures, author={Jacowitz, Karen E. and Kahneman, Daniel}, title={{Measures of anchoring in estimation tasks}}, journal={Personality and Social Psychology Bulletin}, year={1995}, volume={21}, number={11}, pages={1161--1166}, doi={10.1177/01461672952111004}}
@article{schwarz1999self, author={Schwarz, Norbert}, title={{Self-reports: How the questions shape the answers}}, journal={American Psychologist}, year={1999}, volume={54}, number={2}, pages={93--105}, doi={10.1037/0003-066x.54.2.93}}
@article{tversky1974judgment, author={Tversky, Amos and Kahneman, Daniel}, title={{Judgment under uncertainty: Heuristics and biases}}, journal={Science}, year={1974}, volume={185}, number={4157}, pages={1124--1131}, doi={10.1126/science.185.4157.1124}}
R