[转帖]《统计数字会撒谎》：我们还相信统计数据?

esouya

 

生活的经历告诉我们做事情一定要“心中有数”，但心中有数首先要眼里有数，所以我们习惯于“实证方法”，通过调查得出统计数据，再做成表格、数字，柱状图、折线图、曲线图、模拟曲线、回归曲线，好了，这下，我们踏实了。

美国著名统计学家达莱尔·哈夫的《统计数字会撒谎》或许能让我们对于统计中的陷阱有入木三分的认识。达莱尔提出，当你面对统计数据时，先要问自己5个问题：谁说的？他是如何知道的？遗漏了什么？是否有人偷换了概念？这个资料有意义吗？

我们很注意电视、报纸上卖药的广告，“中国有百分之××”的人“缺钙”、“前列腺”、“性机能”……这个“百分之××”是多少呢？一般是70%、80%、90%。很奇怪，过去凭票过日子的时候，中国人啥成分不缺，现在怎么什么都缺？

统计的陷阱在哪里呢？首先是统计本身的不真实性，比如统计样本的选择偏差，或是样本空间过小，导致代表性差。

比如说，抽取10个样本和抽取1000个样本，显然是不一样的。当初美国某大学有一个惊人的统计数字，该校物理系有50%的女生和男教师同居，校方大为震惊，仔细调查，确实如此，该系有两名女生，其中一人与男教师堕入爱河……

如果统计者在统计样本的选择上有意无意地做出一些“猫腻”来，就能够得到预期的统计结果。统计的另一个陷阱在于统计之后的分析过程，在分析中，统计者是否遗漏了什么？或者忽视了统计所依赖的条件？

以突发事件代替常态，以小样本推广到大样本，如果忽视了一些重要的因素，分析过程就会产生缺陷。即使是正确的统计数字也未必能得到正确结论。