数据本身不会骗人但用数据骗你的人太多了

  “数据为王”这个词早已成为日常，相比凭空臆测，数据确实更加直观。大到社会、经济数据，小到个体需求，数据一直在发挥作用。但这一切都建立于数据真实并且能完整呈现的基础上，如果数据是虚假的，或者是选择性披露，得出的结论当然也不会靠谱，最典型的例子就是各种“被平均”。

  在信息时代，数字造假或选择性披露已经无处不在。有权力主导的造假，也有流量至上的造假，各种信息轰炸中往往隐藏着假数字，或者是以各种修辞和说法“包装”过的数据说法。

  权力主导的造假当然是最坏的，因为权力造假必有所图，图谋的也都是大事，对民众切身利益必然造成巨大损害。媒体的数字造假看似危害性低一点，但个体缺乏分辨能力时，同样会利益受损。也有很多时候，数据本身是真实的，但因为各种话术的运用，也产生迷惑性。

  无论传统媒体还是自媒体，都有依靠数字吸引受众的驱动力。至于数字的真假和如何呈现，则要看媒体的自控能力。数据本身没有对错之别，但人对数据的“改造”和选择，则让最终呈现出来的数据与结论变得不同。

  《数字一点不老实：看穿纷繁信息中的数据玄机》一书中就提到一些媒体常见的报道措辞，比如“45岁以上的父亲，生的孩子发生癫痫的概率高 18%”“睡前在屏幕上阅读可能会害死你”。

  这些看似明确实则模糊的论断，很容易让一些人被忽悠。实际上，这些都只是有选择性和欺骗性的话术。实际上，上面两个例子的线岁父亲，生的孩子的癫痫患病率是0.0024%，而45岁以上父亲的该风险提高到0.0028% ”，“睡前连续阅读4小时屏幕会令人平均减少睡眠10分钟，长此以往或损害健康”。

  书中还提到一个例子，呈现了数据真实状态下，个体感受的不可靠——1993-2017年间，伦敦死于交通事故的骑行者共有361人。如果仅看这个数据，就会有的人觉得，二十几年间有这样的死亡数字，伦敦骑行不太安全。但实际上，这二十几年间，伦敦平均每天有约43.7万人次选择骑行，因此，千万次骑行才也许会出现一次死亡案例。

  《数字一点不老实》记录了许多生活中的实际数字案例，从统计学和逻辑的角度进行分析。

  从2000年到2013年，美国实际工资的中位数（median）上涨了约1%。工资中位数上涨听起来是件好事。但是，将全人群分成较小的亚组来看的话，你会发现一些蹊跷。没读完高中的人，工资中位数下降了7.9%；高中毕业者的工资中位数下降了4.7%；上了大学但未取得学位的人，工资中位数下降了7.6%；获得大学学位的人，工资中位数下降了1.2%。

  上完高中的人和没上完高中的人，上完大学的人和没上完大学的人，无论哪个教育水平亚组，工资中位数都下降了。而总体人群的工资中位数却上升了。

  原来，虽然拥有大学学位的人工资中位数下降了，但该亚组的人数却大幅度提升了。结果，中位数出现了奇怪的走向。这种现象叫“辛普森悖论”，以英国密码破译者和统计学家爱德华·H.辛普森命名，他在1951年描述了这一现象。这种现象不仅会发生在中位数上，也会发生在算术平均数上，但在我们的例子中，我们暂且看中位数。

  假设总体人数为11。其中3人高中辍学，年收入5英镑；3人完成了高中学业，年收入10镑；3人大学辍学，年收入15镑；2人获得了学士学位，年收入20镑。全人群的工资中位数（即在序列中间的那个人的工资）为10镑。

  然后，有一年，政府大力推动更多人念完高中和大学。但与此同时，每个亚组的平均薪资下降了1镑。突然间，高中辍学生变成了2人，年收入4镑；高中毕业生2人，收入9镑；大学辍学生2人，收入14镑；本科毕业生5人，收入19镑。每个亚组的中位数都下降了，但全人群的中位数从10镑升到了14镑。2000年至2013年间，现实中的美国经济就发生了类似情况，只是数字更大。

  这种情况相当普遍，书中还提到一个例子，美国黑人的吸烟概率高于白人，但控制教育水平这一变量后，就会发现在每个教育水平亚组中，黑人的吸烟概率都低于白人。这是因为受过较高教育的亚组通常较少吸烟，而黑人在这一亚组中比例较低。

  除了“辛普森悖论”之外，书中还提到“古德哈特定律”“幸存者偏差”“对撞偏差”“贝叶斯定理”“统计显著性”等，了解它们，有助于让人们拥有更强的分辨力。

  “幸存者偏差”是生活中常见的逻辑谬误，比如二战后期，美军轰炸日本，军方观察到返航飞机多半是机翼和机身中弹严重，便决定对其加固。统计学家就指出了其中谬误，认为军方决策采用了不完整的统计样本，因为被击中机翼和机身的战斗机返航几率更高，被击中引擎的则有更大可能早已坠毁。至于日常生活中早已泛滥的“被平均”，则应该被更科学的“中位数”取代。

  只有对这些基本常识知道，才能真正“翻译”数字，从中获取更真实和重要的信息，避免恐慌和盲目。

  “科学就是这样进步的，至少理论上如此。每当一项新研究发表，它就会被纳入现有的研究集合；如果顺利的话，一般而言，新数据的加入会使人们在科学理解上的共识更接近现实。但是，假设这时候发表了一项新研究，它说的不是‘这项研究让我们对底层现实情况的理解更进一步，也许还略微产生了改变’。相反，进行该研究的科学家立即摒弃了所有的既有研究，并说：‘这项新研究证明过去所有的相关研究都是错的，把我们以前说的全忘了吧。’”

  “每次记者就新的研究论文撰写新闻报道时，发生的都是这种事：没有将其放在现有研究的背景下考虑。平心而论，这是一个很难解决的问题。报纸报道的是新闻；在科学领域，最明显的‘新闻’就是新研究的发表。如果新闻标题是《新研究没多少新信息，且只能在既有研究的背景下看待》，这可不怎么抢眼。”

  同时，记者所关注的往往是新研究本身，不会针对这样的领域的全部研究进行甄别，也不可能为解读新研究而广泛联络各路其他科学家——媒体对时效的追求决定了这一点，自媒体时代更是不可能。

  也正是因为“新闻行业广泛倾向于将单一研究看作事实，而非更大图景中的一个瞬象，于是导致了巨大的健康恐慌”。那些家庭群里热衷转发的自媒体谣言养生文章，比起专业媒体时代更为不堪。

  以这个社会的普遍认知水准，要做一个懂得统计学基本概念的人，可能确实有一定门槛。但要做一个稍有分辨力的人，或许不难——将那些养生号全部拉黑，你就离正常人靠近了一步。

  特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

  U18亚洲杯：中国女篮59分狂胜印尼 张子宇9中9轰19分徐培琳20分

  新消费日报 菜鸟开设七大跨境商家中心；飞天茅台散瓶批发参考价跌破2100元；多部门拟引导电子商务平台、大型商超举办银发主题购物节……

  OPPO Find X8系列抢先看：四摄双潜望+天玑9400，有望搅局市场