统计陷阱 How to Lie with Statistics

① 骗术总纲：统计是「事实崇拜文化」里最高级的撒谎方式。它能「煽情、注水、搅浑、过度简化」，而你「钉不到说话人头上」——比希特勒的「弥天大谎」更高明，因为它包着一层客观的外衣。 ② 最精彩的开场案例：作者的岳父从爱荷华搬到加州后说「这地方犯罪可真多」——其实多的只是他订的那份报纸上的犯罪版面。这是一个非正式的统计错误，同时犯了「有偏样本」（只看一份爱犯罪新闻的报纸）和「半相关」（把"报纸犯罪版面"当成"犯罪率"）。另一例：一个冬天十几位研究者各自报告抗组胺药「相当比例的感冒在服药后痊愈」，医药热由此而起——可幽默作家 Felsen 早点破：「妥善治疗，感冒七天好；放着不管，感冒一周愈。」 ③ 论据：作者声明书里的案例广泛采自专业统计学家本人的「收藏」（他们比谁都痛恨统计被滥用），并列出六本统计学专著为来源——这给全书的「行骗目录」打了可信度底子。 ④ 如何识破：作者给出本书的精神——「骗子早就会这些招，老实人必须学来自卫」。把每一个数字、平均、趋势、图表都默认当作「可能不是它看起来的样子」。

① 骗术：抽样调查的结论，永远不会比它依据的样本更好。只要样本里系统性地漏掉了某一类人，再大的样本量、再精密的小数点也是「带着伪科学光环的瞎猜」。 ② 最精彩的案例：耶鲁 1924 届校友「年均收入 25,111 美元」（《时代》杂志援引《纽约太阳报》）。这个数字「精确得可疑、健康得离谱」。作者层层剥开：(a) 远方人群的收入不可能精确到个位数；(b) 数字来自校友自报，而人会因虚荣高报、因避税低报；(c) 最大的误差源是抽样——失联的「迷途羔羊」恰恰是那些二十五年后沦为店员、技工、流浪汉、潦倒文人的人（富人在《美国名人录》里很好找），而把问卷扔进废纸篓的，多半也是收入羞于启齿的人。两类「最能拉低平均」的人被系统性漏掉，25,111 这个数字「开始自己解释自己」——真实均值可能只有它的一半。 ③ 论据/数字：邮寄问卷回收率常只有 5%–10%；杂志阅读调查里人人都说自己读《Harper's》没人读《True Story》，但后者发行量是前者的几十倍——「调查唯一查出来的是势利」。1936 年《文学文摘》依据 1,000 万电话簿与订户名单预测兰登 370 票大胜罗斯福，惨败收场——因为 1936 年买得起电话和杂志订阅的人，本身就是偏共和党的特殊人群。 ④ 如何识破：先分清随机样本（universe 中人人机会均等）与分层随机样本（按已知比例分组，而"已知比例"本身可能就错）。记住偏差有「看得见」和「看不见」两种；只要存在偏差的可能就保留怀疑。读到「67% 的美国人反对……」时，追问一句：是哪 67% 的美国人？

① 骗术：「平均」一词含义极松，至少有三种——均值（mean，全部相加除以个数）、中位数（median，正中间那个，一半人在上一半在下）、众数（mode，出现最多的那个）。在收入这类右偏分布里三者相差极大，于是同一批数据可以挑出最有利的那个「平均」来用。 ② 最精彩的案例：作者扮演房产中介——卖房给你时说「本地年均收入约 1.5 万美元」（用 mean，被三户百万富翁周末客抬高），第二年搞减税请愿又说「本地年均收入只有 3,500 美元」（用 median）。「两个都是合法算出的平均，代表同一批人、同一份收入」——这就是用统计撒谎的妙处：两次你都抓不到他撒谎。引申出那句名言式的结论：「几乎每个人都低于平均（均值）。」 ③ 论据/数字：作者给出一张「谁挣多少」的工资分布图——均值 5,700、中位数 3,000、众数 2,000，老板当然爱用 5,700。又演示了一手「越糟看着越好」的财技：90 个员工 + 3 个老板，先报「员工均薪 2,200／老板均收入 26,000」（难看），再把 3 万利润转成奖金、并把老板自己也算进"工资"取均值，就变成「人均工资 2,806.45／老板均利润 5,000」，利润占比看着不到 6%。对照组是诚实的范例：人口普查局说 1949 年美国家庭收入「中位数」3,100 美元，并主动给出"family"的定义和 ±59 美元、95% 置信的误差——这才是负责任的数字。 ④ 如何识破：看到「平均」先问三连——这是哪种平均？包含了谁？均值和中位数会差很多吗？ 当数据接近正态分布（如成年男性身高），三种平均几乎重合，不必深究；当数据明显右偏（如收入），不指明种类的「平均」基本没有意义。

① 骗术：把关键的小数字——样本量、显著性水平、误差范围/离散度——藏起来不说。它们「该在却不在」，而缺席往往不被注意，这正是它得逞的秘诀。 ② 最精彩的案例：「用户报告使用 Doakes 牙膏后蛀牙少 23%」，由「独立实验室」检测、注册会计师背书。小字里藏着：测试组只有 12 个人。作者点破操作手法：让一小撮人记半年蛀牙数，再换 Doakes——结果无非"明显更多／明显更少／差不多"三种，公司把前两种悄悄归档、反复重测，迟早靠纯粹的偶然撞上一次"大幅改善"，配上大标题。样本越小，偶然造成的差异越大、越好用。 ③ 论据/数字：(a) 抛硬币——作者抛 10 次得 8 次正面，"于是证明硬币 80% 朝上"（按牙膏的统计法就是如此）；要抛到 1,000 次才会逼近真实概率。只有大量试验时"大数定律"才有效。(b) 脊髓灰质炎疫苗——450 个孩子接种、680 个做对照，看似大规模；但该病发病率极低，这个规模本就只该出现约 2 例，实验注定毫无意义，需要 15–25 倍的人数才说明问题。(c) 3.6 口之家——按"统计上的平均家庭 3.6 人"盖两居室，可三、四口之家只占 45%，于是两居室过剩、大小户型不足，"误导性的不完整"造成了真金白银的损失。(d) Gesell 婴儿发育norm——必有一半孩子达不到"平均"月龄坐立，于是制造了大批焦虑的父母；把"normal（常见）"误当"desirable（该如此）"会雪上加霜。 ④ 如何识破：(a) 主动找显著性——最常见以概率表达，「五个百分点的显著性水平」（95% 置信）是多数用途的及格线，1% 即"几乎确定"。(b) 找误差范围/离散度——只给平均、不给range，就像只看年平均气温去选露营地（圣尼古拉斯岛 47–87°F，沙漠 15–104°F，均值都是 61°）。

① 骗术：抓住一个数学上真实、但小到没有意义的差异大做文章。所有抽样结果都自带统计误差（probable error / standard error），忽略这个「±」，就会把噪声当信号。 ② 最精彩的案例：Peter 智商 98、Linda 智商 101。看着 Linda 更聪明、且高于平均，Peter 低于平均——「这种结论纯属胡说」。斯坦福-比奈测验的概率误差是 3%，所以应写成 98±3 和 101±3：Peter 真实智商有四分之一的概率高于 101，Linda 有四分之一的概率低于 98。换句话说，Peter 完全可能反而更高。只能用"区间"来思考智商："正常"不是 100 这个点，而是比如 90–110 这个范围；小差异之间的比较毫无意义。 ③ 论据/数字：Old Gold 香烟的"小题大做"案例。《读者文摘》检测多个品牌香烟烟雾，结论是各品牌的尼古丁等含量"几乎完全相同、抽哪个都一样"。但有人发现：在这串几乎相同的毒物含量里，总得有一个垫底，那个恰好是 Old Gold。电报飞出，最大号字的广告登出："本刊检测的所有香烟中，Old Gold 的有害物质最少"——所有数字和"差异可忽略"的提示统统隐去。后来 Old Gold 被勒令"停止"此类误导广告，但好处早已榨干。呼应那句老话：「差异只有在造成差异时才算差异。」 ④ 如何识破：永远把"±"记在心里，哪怕（尤其是）它没被写出来。看到杂志编辑因"40% vs 35% 阅读率"就要多约稿，要警惕：样本扣掉非读者后可能只剩一小撮，隐藏的概率误差大到让这点差距形同抓救命稻草。

① 骗术：线图最适合表现趋势，也最容易动手脚。两步把温和趋势画成惊天动地：第一步截掉纵轴底部（truncate），第二步压缩横轴/拉伸纵轴比例。数字一个没改、曲线一模一样，改的只是"印象"——而且不用一个形容词，毫无破绽可抓。 ② 最精彩的案例：作者亲手演示——国民收入一年增长 10%。先画一张带零基线、比例正常的诚实图，10% 看着就是温和上扬。然后"把底部砍掉"（省纸还能堵悠悠之口），同一条曲线立刻爬到半张纸高，小涨变大涨。再"让纵轴每格只代表原来 1/10 的金额"，10% 的涨幅顿时比 100% 还生猛——"你都能感到繁荣在国家的血管里搏动"。 ③ 论据/数字：真实案例成串——《新闻周刊》在 80 处截断、宣称"股市创 21 年新高"（1951）；哥伦比亚天然气公司在《时代》登广告，十年间生活成本涨约 60%、燃气价降 4%，却把图从 90% 砍起、不留任何断口，于是"生活成本翻了三倍、燃气降了三分之一"。最经典的是 1938 年《Dun's Review》并排放的两张图：左边"政府工资飙升！（GOVERNMENT PAY ROLLS UP!）"红线从底冲到顶，右边"政府工资平稳（STABLE）"——同一组数据（约 1,950 万→2,020 万，涨不到 4%），诚实地画就是几乎水平的一条线。 ④ 如何识破：看线图先找零基线和纵轴刻度有没有断口；把曲线的陡峭程度和它代表的真实百分比对一对——往往会发现"四百米冲刺"其实只是"溜达了 4%"。

① 骗术：用图画（钱袋、钢炉、奶牛、小人）代表数量本是好用的"象形图"。但当你要表现"翻倍"时，画一个高两倍的物体——它必然同时宽两倍，占的面积是 4 倍；而它画的是有三维体积的实物，于是视觉体积是 8 倍。嘴上说"两倍"，让你"看成八倍"。 ② 最精彩的案例：美国钢铁协会的两座高炉。为显示钢产能从 1930 年代到 1940 年代猛增（暗示行业自己干得好、无需政府干预）：代表 30 年代新增 1,000 万吨的高炉，画成 40 年代那座（新增 1,425 万吨）高度的约三分之二；眼睛看到的却是一座比另一座大近三倍的炉子。更过分的是第二座炉子横向也胖了一圈、代表铁水的黑条变成 2.5 倍长——"50% 的增长，画成 150%，给人 1500% 以上的视觉印象，算术变成了幻想"。 ③ 论据/数字：(a) 钱袋——Rotundia 周薪 30 美元、美国 60 美元，诚实画法是两个等宽、一高一矮（或 1 个对 2 个）的袋子；不诚实画法是一个高两倍的大袋子，按体积装的就成了"30 对 240"。(b) 不断长大的奶牛（THE CRESCIVE COW）——1860 年 800 多万头、1936 年 2,500 多万头，画成一小一大两头牛，匆匆扫过的人会以为"现在的牛比过去大"。(c) 缩小的犀牛（THE DIMINISHING RHINOCEROS）——同样手法反向用，Ogden Nash 用"rhinosterous"押韵"preposterous（荒谬）"，作者说这词也正好形容这种画法。 ④ 如何识破：对任何"会变宽/变厚"的象形图保持警惕——单一数量就该用单一维度（长度/高度，或并排重复的等大图标）表示；凡是宽高一起放大、或画成三维实物的，几乎都在夸大。

① 骗术：「如果你证明不了想证明的，就去证明另一件听着差不多的事，假装它们是一回事。」在数字撞击大脑后的眩晕里，几乎没人会注意到偷换。 ② 最精彩的案例：「半盎司本药水在 11 秒内杀死试管里 31,108 个细菌」——配上声名显赫的实验室、白大褂模特，用来"证明"它能治感冒。但试管里有效不等于在喉咙里有效（何况按说明稀释过），更别提没人知道感冒是不是细菌引起、那 31,108 个是什么细菌。试管杀菌数和"治感冒"之间，根本没有已知联系。 ③ 论据/数字：(a) 7am vs 7pm——"晚 7 点公路死亡人数是早 7 点的 4 倍"，于是"早上开车安全 4 倍"？错，只是晚上路上的人多、可供死亡的基数大。同理可"证明"晴天比雾天危险（因为晴天多）。要比就比每百万乘客英里的死亡率。(b) "27% 的知名医生抽 Throaties，多于任何品牌"——医生比你更懂选烟吗？不懂。这数字再真也只配回一句"那又怎样"。(c) 榨汁机"多出 26% 汁液"——多出谁的 26%？查到底是比老式手动榨汁器多，与"这台是不是市面最差"毫无关系。(d) 把一堆零碎抱怨加总后说成"78% 反对工会"；用折旧、准备金把利润藏起来；同一笔钱可说成"1% 的销售回报"或"365% 的投资回报"（每天 99 美分进、1 美元出）。 ④ 如何识破：盯住"数字"和"结论"之间是否同一主语。问：这个数字到底附着在什么上？它和它声称证明的事，是真有关系，还是只是听起来像？

① 骗术：古老的逻辑谬误——"B 跟在 A 后面，所以 A 导致了 B"。在一堆唬人的数字里，这个谬误被精确的相关系数伪装得格外像"科学"。相关 ≠ 因果。 ② 最精彩的案例：抽烟的大学生成绩更差（研究本身做得规范：样本够大、相关显著）。于是"戒烟能提分、抽烟使人变笨"。但完全可能是反过来——成绩差驱使学生抽烟；更可能是第三因素同时导致两者——比如爱社交、不把书当回事的外向者既抽烟多、成绩又差（已有研究显示外向与低分的相关比智力与成绩的相关还强）。"当有许多合理解释时，你无权只挑顺眼的那个咬定不放。" ③ 论据/数字：(a) 大学教育的金钱价值——上过大学的人确实挣得多，但这不证明"是因为上了大学"；大学不成比例地招收了"聪明的"和"有钱的"两类孩子，他们不上大学可能照样挣得多。(b) 女大学生更难嫁（康奈尔研究：中年男毕业生 93% 已婚高于general人口 83%，女毕业生仅 65%、老姑娘是普通女性的三倍）——但可能是"易独身的倾向导致去上大学"，而非反过来；Kinsey 发现性向与教育的相关、且性向在上大学前就已定型。给 Susie Brown 的注脚："未必如此（It ain't necessarily so）"。(c) 荒诞相关——马萨诸塞州长老会牧师薪水与哈瓦那朗姆酒价格高度相关（其实都被"物价普涨"这第三因素推高）；新赫布里底人相信"虱子使人健康"（其实是人一发烧、体温升高，虱子才离开）。(d) 越多雨玉米越高只在一定范围成立，超过某个雨量，多雨反而减产——相关被外推到数据范围之外就会翻车。 ④ 如何识破：见到有人（通常是利益相关方）拿相关大做文章，先看它是不是"时代趋势"造的假相关（在校学生数、精神病院人数、香烟消费、心脏病、假牙产量……在那个年代两两正相关，但互为因果"显然可笑"）。判定因果，要么能排除第三因素，要么对同一群体做纵向跟踪（如 Walker 教授的"老年女性走路更外八"——其实是她们年轻时被教导外八，是时代而非年龄所致）。

① 骗术：作者自造词 statisticulation（statistic + manipulation，统计操纵）——用统计材料误导人。不一定全是蓄意，也可能是无能；但作者犀利地指出：错误几乎总是单方向的（夸大对己有利的、极少缩小），所以很难纯粹归咎于"无心之失"。"什么时候见过工会雇了个无能到把劳方说得比实际更弱的统计员？" ② 最精彩的案例：「渐暗的阴影」地图（The Darkening Shadow）（波士顿第一国民银行发布、被《新闻周刊》等广泛转载）。它把密西西比河以西各州（面积大、人口稀、收入低）整片涂黑，以显示联邦开支已"吞掉"这些州的全部收入。骗术在于专挑面积大收入小的州；同样"诚实/不诚实"地从纽约或新英格兰涂起，就只剩一小块阴影——只是没人有动力去发那张。这地图还是个"老套路"：同一银行早年的版本早被 Brinton 的《Graphic Presentation》当作反面教材，斥其"扭曲事实"，可银行照画不误。 ③ 论据/数字（本章是杂耍大全）：

• 幽灵家庭：罗素·塞奇基金会把全民总收入÷1.49 亿得人均 1,251 美元，再"×4 = 一个四口之家 5,004 美元"——既用了偏大的均值，又假设家庭收入与人口成正比，于是和普查局的中位数 3,100 差出一大截。
• 小数点的伪精确：问 100 个人昨晚睡了几小时，加总得 783.1，宣布"人均睡 7.831 小时"——听着精确，其实全是糊弄。连马克思都干过：用一堆"假设、猜测、整数"算出"剩余价值率 = 153 又 11/13%"。
• 百分比/百分点：利润从投资的 3% 涨到 6%，可说成"涨了 3 个百分点"（温和），也可说成"涨了 100%"（吓人）。
• 基期游戏：降 20%（1→0.8）再涨 5%（+0.04）只补回了 1/5 而非 1/4 的缺口；要抵消 50% 的降薪须涨 100%；"50% 折上 20%"是降 60% 而非 70%。"降价 100%"其实只降一半。
• 加不到一起的百分比：各项成本都涨约 10%，总成本就涨约 10%，而非把它们相加成 33%–40%；学童那个"一年 365 天减掉睡觉、吃饭、假期、周末……根本没空上学"的老把戏同理。
• 指数与基期：牛奶从 20 美分降到 10 美分、面包从 5 美分涨到 10 美分——以去年为基用算术平均可"证明"物价涨 25%，以今年为基可"证明"跌 25%，改用几何平均则"没变"。「统计与其说是科学，不如说是门艺术」：在体面的边界内，操纵和扭曲都做得到。 ④ 如何识破：(a) 地图/象形图——问"它选的区域/物体，是不是被挑来制造印象的"；诚实的做法是选面积占比与数值占比相称的区域。(b) 百分比——分清"百分比 vs 百分点"，警惕基期被偷换、被相加；小数点后的精确常是从"silly 到 fraudulent"的滑坡。(c) 指数——问"基期是哪一年，是不是挑出来的"。

① 由攻转守：前九章像在教海盗使弯刀，本章正面给出"如何盯着一个假数字、把它瞪回去"的方法，同时强调——要在"满是欺诈的旷野"里认出可用的好数据，而不是因噎废食、一概排斥统计。作者给出五个反问：

• 谁说的？（Who Says So?）——找有意识的偏差（直接错报、模糊措辞、选择性取舍、换计量单位、用 mean 冒充"平均"），更要找无意识的偏差（1928 年经济学家们一片乐观地无视了结构裂缝）。尤其警惕"OK 名号"——医学、实验室、名校的招牌（如那篇拿康奈尔数据、却塞进作者私货结论的"女大学生难嫁"文）。要确认权威是站在信息"背后"，而不只是"旁边"。
• 他怎么知道的？（How Does He Know?）——查样本是否够大、是否自选偏差。如《芝加哥商业报》宣称"调查显示企业没囤积涨价"，实情是发了 1,200 份问卷只 14% 回复，86% 不愿表态——"调查显示"这四个字，见到就要瞪眼。
• 漏掉了什么？（What's Missing?）——没说样本量、没给误差、缺少可比基准（大雾那周伦敦死亡率"暴增 2,800"，但平时波动多大？随后几周降了吗？）；用百分比藏掉原始数（霍普金斯"三分之一女生嫁了教员"——其实当时只有 3 名女生、1 人嫁了）；指数缺基期；变化的真正原因被略去（4 月零售额高于去年，其实因为复活节那年在 4 月、前一年在 3 月）。
• 是不是偷换了主题？（Did Somebody Change the Subject?）——"报告的病例增多"≠"病例真的增多"（加州脑炎"病例三倍"只因防疫人员大举进驻、记录下大量轻症，死亡数并未增加；Steffens 和 Riis 当年靠抢报新闻"制造"了一场犯罪潮，官方记录毫无增长）；"他们说一周洗 1.7 次澡"≠"真洗了 1.7 次"；6% 的利息可能是另一种 6%（按"每 100 借 6"分期实付近 12%；冷冻食品计划的"6–12%"实为半年期、真实年利率高达约 48%）。
• 这数字讲得通吗？（Does It Make Sense?）——常识能戳穿建立在未证假设上的整套把戏：Flesch 易读性公式"算出"《睡谷传奇》比柏拉图《理想国》还难读一半；某泌尿科医生估算全美 800 万前列腺癌病例（够给susceptible年龄段每个男性配 1.1 个）；"人均寿命 63 岁，所以退休年龄设 65 是骗局"（其实指的是"出生时预期寿命"，约一半婴儿能活过它）。 ② 最精彩的案例：失控的外推——美国电视机数量 1947–1952 涨了约 10,000%，照此外推五年后将有约 20 亿台、即每家 40 台；换个更早的基年还能"证明"每家四万台。再以 Mark Twain 在《密西西比河上的生活》里的神吐槽收尾：密西西比河下游 176 年缩短了 242 英里，照此推算"一百万年前它有 130 多万英里长、像钓鱼竿一样伸进墨西哥湾"，而 742 年后将只剩 1.75 英里——"科学真迷人，用一丁点事实的投入，就能批发出整车的猜想。" ③ 论据/数字：1938 年一个专家云集的总统委员会怀疑美国人口"永远到不了 1.4 亿"，结果 12 年后就超出 1,200 万；林肯在致国会咨文里曾外推美国 1930 年人口将达 251,689,914 人。 ④ 如何识破：把五问当过滤器逐条过；记住外推的隐含前提是"其他条件不变、当前趋势持续"，而"其他条件"从不肯老实不变。某电器公司曾按"出生率下降"猛推小户型冰箱，直到一个规划者从图表里抬起头，发现身边的同事朋友几乎都有三四个孩子——公司随即转向大家庭机型，大赚一笔。