數字一點不老實：看穿紛繁信息中的數據玄機

別再被數字騙了：給普通人的防騙指南推薦等級：★★★★ 數字在很多眼中代表着真實可信，然而事實上因此上當受騙的不在少數。有些人歸因於自己數學不好，其實主要還是不懂背後的基本原理。只要認真掌握，即便你沒有學過數學也可以輕易發現其中的貓膩，上一點數字的當。 《數字一點不老實：看穿紛繁信息中的數據玄機》可以說是作者面向大衆的科普闢謠之作。總體來說，作者幫助你瞭解統計數字常參與的一些騙局，讓它們老實一點，不再忽悠你。 1.統計數字 統計數字會騙人，這件事算不得什麼新聞，我就曾多次分享過一些自己讀到的好書，比如《拼湊真相》和《爲什麼數據會說謊》。一看到這，有的人就喜歡走極端，選擇完全不相信。 這不光是在偷懶，更是非常愚蠢的行爲。“雖說利用統計數據撒謊很容易，但不用統計數據時撒謊更容易。”作者的本意恰恰是爲了讓人們搞清楚什麼時候可以信，哪些數字可以相信。 這就像和人打交道一樣。你不盲目相信，也自然不能一味不信。你只需要找到那些值得信任的好人就行。本書就是幫你找到那些可信的數字。哪怕你認爲自己數學不好，也可以輕鬆拿捏。 稍加留心就會發現我們日常生活中可以說早已被統計數字包圍，最爲常見的就是新聞裏的。有些是爲了達到聳人聽聞的效果而加以扭曲，有些則單純是爲了吸引你的注意。 事不關己之時，我們可以一笑置之。可若和自身相關的時候，我們更需要找到一條適合自己的道路。掌握作者在書中提到的基本知識，你就可以輕鬆避開雷區，直達目的。 2.故事證據 如果要我選擇書中最值得注意的一個雷區，那就是軼事證據。簡單來說就是人們非常喜歡採用故事作爲證據來選擇是否相信。那些看似可信的故事哪怕並不真實發生，依然也可以獲得人們的信任。 相比於冷冰冰的統計數字，人們天然更喜歡那些有趣的故事，哪怕會讓人上當受騙。如今到處都喜歡講故事，動人精彩的故事背後是無數被坑的人。 一些無良自媒體和新聞機構更是非常熱衷於收集那些吸引眼球的故事，在感情層面獲得你的信任，而在事實層面對你坑蒙拐騙，真可謂是騙死人不償命。 與此同時我們也要注意，那就是離奇之事本身就自帶傳播屬性。遇上助紂爲虐的，這難免會引發一場巨大的災難。對此個人建議，下次遇到之後不妨先冷靜下來，進一步追問這背後的可信度。 3.相關因果 相關不等於因果。這話可以說是老生常談了，奈何人類就是一個比較喜歡講究因果的物種。本書更是花費了不少的篇幅來指出其中的嚴重錯誤，並不斷提醒讀者加以注意。 有些事情的發生不過是時間上的巧合，比如雄雞一唱天下白。事實上雞叫不叫，太陽照常升起。有些情況就比較複雜。可能存在着其他因素的干預。 還有一種值得注意的是順序的問題。因果倒置更會讓合理的事情產生出極爲離譜的結論，從而讓更多的人深受其害。本書中提到了一個技窮，反事實推理。 通俗來說，你不妨假設有平行宇宙的存在，從而對假設和現實進行檢驗。統計數學可能會給出假設想要的結論，但未必是符合現實的結果。用此加以檢驗，會讓事情朝着更貼近現實的方向去發展。 書中的知識應對日常情況沒有問題，想要進一步地瞭解，不妨藉助一些科普讀物。現在市面上有不少靠譜的科普作品，《爲什麼 : 關於因果關係的新科學》就是非常值得推薦的一本好書。 4.小心假設 大膽假設，小心求證。可以說是科學中很常見的，不過對於我們這些普通人來說，更爲重要的是小心假設。一些看似不重要的假設就可以讓最終結果發生驚天逆轉。 一種很常見的就是先打靶再貼靶紙。在個人意圖的作用下，對數字進行大面積的修飾，從而顯得更爲科學可信。書中還提到了相關值得注意的情況，有待讀者發掘。 從某種角度上來說，不光是在數字方面，我們生活中的很多場合也會或多或少用到假設。相比之下，數字造成的誤解會少一些。我們沒有必要脫離這些賴以生存的假設，只是需要擦亮眼睛。 在一些情況下，假設和現實之間的差距未必就會出大錯，不過由此導致結論錯誤的概率會大大提升。要是再碰上不準確的解讀，對我們帶來的傷害就不可小覷。 5.知錯就改 書中提到了非常多通俗實用的統計數字知識，對於大多數讀者來說，非常有用，更可以輕鬆上手。對此，讀者可以將其放在案頭，經常翻閱，避免上當。 作者在結尾給出的一些建議和指南也可以拿來就用。比如將數字放在背景之中、留意科學還在努力克服的問題等。面對一些日常情況，大可以結合書中的內容和作者的經驗制定出自己的實用手冊。 就個人而言，最重要的一條可能就是錯了要認。畢竟對於大多數初次接觸的人來說，難免會犯錯，這就像交朋友一樣。你可能會遇到好人，也可能會遇到人渣。 喫一塹長一智。在現實生活中不斷學習積累，從而茁壯成長。這不論是從實戰角度還是理論層面來說，都是非常重要的。讀者對此更應該抱有更多的寬容，畢竟誰也不是看一遍就會的。 6.寫在最後 在紛繁複雜的世界裏，各種各樣的信息撲面而來，無所適從的我們難免會需要一些指引。這本書就是這樣的一個存在，通過數字提供了一些可以上手即用的幫助。 這中間有些內容非常基礎，但對於初次接觸的極爲重要，進階的知識也很匹配。小白也好，專家也罷，作者提供的內容裏都可以找到一些啓發和思考。 我們如何對待數字，很大程度上取決於自身的認知。很多人總是希望有一個簡單的答案，卻忽視了這背後隱藏的複雜。只想要答案的會在風吹草動的變化中再次迷失自我，願意去思考的纔可能真正找到開啓答案的鑰匙。 萬能的答案不存在，現實的變化一直在。你怎麼選，決定了以後的路該如何走。平坦大路和崎嶇小道沒有眼前看到的那麼明顯。穿透迷霧，避開錯誤，我們會離事實更進一步。 高手的科普不光是在普及基礎知識，更將自身的洞察和思考等精彩內容囊括其中。你所能看到的，通常會受到自身的限制。不過借用他人的眼睛會有所突破。看見更加廣闊的天地。

可以說是給數字祛魅了，尤指與統計相關的各類新聞甚至各類研究報告，畢竟，數字可以說明問題，也可以掩蓋真相。但凡未被本書催眠（作者們自己好愛這個梗）就應該能夠被這些具體事例的解析、概念的拆解，說服理解——任何沒有說明背景語境、不說明是絕對還是相對、未給出明確的分母、忽視偏差/謬誤......的數字都是耍流氓。

推薦，很多例子結合數據清晰地爲我們辨別新聞媒體中所報道的一些“tricky”的部分。保持獨立思考、質疑數據、擁有求知慾，是可以不斷清醒的方式吧。但，，，現在信息越來越繁雜，魚目混珠，對我們普通讀者/觀衆來說，獲得知識的門檻是否也有在變高？

在我們的現代生活之中，到處都充滿了數據，而且還都是非常準確的統計數據，看似我們能夠憑藉這些數據能夠更容易洞悉世界的真相，能夠完成對於我們生活更深層次的理解。 那麼真實的狀況是這樣子嗎？我們所看到的數字真的符合着真實的狀況？真的就是對於世界本相的還原嗎？還是會被有些人有意無意利用，從而對於我們產生誤導呢？ 看一下我們生活之中，特別是新聞報道中所出現的數據，如果我們對它們深信不疑那就一定大錯特錯了。舉個例子，新聞之中曾經報道過：研究數據顯示“每週引用超過五罐軟飲料的青少年更具暴力傾向”，而且研究者給出了令人信服的數據10%。 再比如也有研究數據顯示，我們地球的溫度並沒有在變暖而是在變冷，而得出來如此的結論，正是因爲1998年的氣溫完全不符合這樣的趨勢。當然當我們打開新聞，這樣的數據比比皆是。 那麼這些數據是真實有效的嗎？是經得起真理檢驗的嗎？在這些數據背後有着哪些不爲我們所知的隱祕呢？數學家們就能夠通過對於數字深層次的發掘，讓我們看到不一樣的真相。 湯姆·芝華士，科學作家，2018年獲英國皇家統計學會新聞統計性優異獎，大衛·芝華士，英國杜倫大學商學院經濟學副教授。兩個人都在科技領域有所成就，當然對於數學統計、數字背後的祕密也有着更深層的瞭解。 因此他們創作了這樣一部面向於我們普通讀者的科普著作《數字一點不老實》，普及着我們生活中常見數字背後的隱祕真相，讓我們看穿隱藏在信息中的數據玄機，讓我們洞悉最真實的世界。 在這本書中，作者借用了現實生活中大量我們經常能夠看到的新聞數據，並用22個數學相關論證分析打開這些數字迷霧，還原數字背後的真相。 比如前面我們提到的軟飲料會提升暴力的統計，其實就涉及到了數字因果性的問題。只有能夠論證某一種前提必然引發某一結果，這樣的結論纔是成立的。可是在喝軟飲料和暴力之間，其實有着大量的其他因素在起作用，那麼這樣的因果律是否成立也就值得商榷了，這樣的數據也就需要我們認真審視了。 所有千萬不要想當然的認爲這些數據分析和我們普通人沒有關係，在我們的身邊有着大量被誤導的因果律。兩個不相干的事件牽扯在一起，就把他們分析成因果關係的案例比比皆是。我們常聽說的就包括“在冰激凌銷量上升的日子裏，溺水事故也會上升”這樣瘋匪夷所思的因果關係。 在我們生活中，誤導我們的數據還有很多，想讓我們能夠看到生活的真相，想讓我們擁有着洞察生活的能力，那通過這樣一部著作《數字一點不老實》深入閱讀，提升我們這方面的認知，幫助我們理清自己的思緒，助力我們不被數字所迷惑，最終成爲數據的主人。

對於數據分析也變成可以選擇的政治，對於任何時間我們相信的精準還是需要完全考慮的狀態。對於數據分析似乎也可以變成一門玄學，對於我們來說很多觀點都是被內置了，我們也會經常選擇我們需要的東西，也就是數據的邏輯來完成了驗證的邏輯，在學術，特別是那些沒有簡單因果關係的研究之中，非常容易變成了一種不可驗證的假設性檢驗，最爲典型的就是生物和醫學研究，缺少了直接的物理化學因果關係，所以對於數字的使用一直比較任性的狀態，在這種情況下，似乎我們只能留下了大膽假設了。對於當下數字變得更多的情況下，因爲數據可以資源化，武器化以及資本化的年代，數字似乎變得更加不可靠了，我們需要怎樣來理性分析數據，變成了一種生存技能，特別是各種研究報告，在沒有前提的情況下，被用數字來進行傳播的時代我們如何來形成清晰的認知，還是非常考驗每一個個體。對於數據本身以及選擇和推導的過程總是存在着不確定性，而且被放大的內容如何，或者如何形成更加深刻的認識，也許是我們需要更多關注的。特別是作爲研究來說，當下每個工作產生的數據量數倍甚至數十倍於過去的類似的工作，變得更加完整和形成了內在的邏輯支持，但是感覺上缺少了一點冒險精神，也就是存在錯誤的可能性，同時也是面臨着數據選擇的難題，如何才能更好的展示着我們研究工作的新穎性，而不是被數據反覆證明了正確的結論。科學還是需要有些存在疑問的地方，如同很多猜想還是需要變成定理，而不是一開始就是定理。對於自己來說，似乎只要物理化學過程中正確，很容易得到大家認可的觀點就可以了，但是這樣是平庸的研究。對於數據支持的研究是必須的，但是不能僅僅老實的數據組成，而是需要缺少一些環節，這個纔是研究的動力。

普通人獲取最新科學研究報告的途徑，主要是通過新聞報道，這類報道里面必然有一個元素會出現，那就是數字。 “據國家移民管理局統計，今年元旦假期全國邊檢機關共查驗出入境人員517.9萬人次，日均172.6萬人次，較2023年元旦假期增長4.7倍，已恢復至2019年同期水平，其中，入境251萬人次，出境266.9萬人次；查驗出入境交通運輸工具20.3萬架（艘、列、輛）次，較2023年元旦假期增長1.5倍。” 比如這條關新聞，第一段裏就出現了若干統計數據，對於普通人來說，有多少人知道這些數據是如何獲得，如何統計出來？所謂“增長4.7倍”、“增長1.5倍"是什麼程度的增長呢？很厲害嗎？這個增長對經濟的刺激作用有多大呢？ 除了宏觀經濟的統計數據，關於健康、投資、人際關係等相關數據，都是我們用來做決策的重要依據，而這些數據的獲取渠道主要是通過大衆傳媒。 《數字一點不老實》這本書指出，“在新聞機構提供這些數字時，你不能指望它沒有誇大其詞或有意篩選事實”。新聞傾向於報道，甚至製造刺激的、聳動的故事來吸引人們的眼球。在這個過程裏，讀者“很可能接收很多錯的或有誤導性的數字”。 這本書是兩位英國作者，一位是湯姆·芝華士，科學作家，曾供職於《每日電訊報》（書裏援引來自這個媒體的多個新聞報道：P），2018年獲英國皇家統計學會“新聞‘統計性’優異獎”。另一位是大衛·芝華士，國杜倫大學商學院經濟學副教授，曾任牛津大學講師，其研究領域包括不平等、增長和發展等。 這本書以簡潔、幽默的方式，帶領讀者瞭解一系列可能數據出錯的原因。 首先在數字層面，如數據的來源、樣本量、測量方式、還有排除的因素或者控制的因素，這些都會導致產生的數據結果不同。而新聞報道往往沒有提供這些過程量信息，很多時候只給一個結論。 比如把效應量很小的因果關係放大，比如《睡前在屏幕上閱讀可能會害死你》這篇報道里根本沒有提及，該研究要求被試者在睡前4小時閱讀紙質書或電子書。爲此，作者忍無可忍地吐槽： “每晚都少睡10分鐘也許不是小事，但誰天天晚上在牀上看4小時的書啊？” 但更值得關注的是人爲因素。 書裏告訴我們，科學家有時爲了自己的研究能夠在期刊發表（這樣就能獲得資助、更好的職業發展機會），會花大力氣去雕琢數據，比如去尋找具有統計顯著性的結果，使其達到符合期刊發表的值。 而另一個人爲因素，就在新聞媒體這邊。“撰寫科學文章的記者通常基於通稿來快速撰寫新聞”，很多時候記者並不具備統計學知識，也沒有拿到足夠的原始數據，不能發現操縱數據的行爲。更爲重要的是，爲了吸引眼球，記者在報道里面會誤導讀者，寫出聳人聽聞的標題，比如“汽水使青少年變得暴力”。這篇報道援引的研究，只是提到二者具有相關性，但新聞卻以因果性來呈現。 這是一本非常實用的書，在文末爲記者提供了關於若干條統計寫作指南，其實也可以看作這本書的要點小結。書裏多次提醒讀者謹慎地對待新聞裏的任何數據，甚至在結尾處要求讀者對媒體進行抨擊，讓他們爲不完整、不準確的報道負責。 "事實上，這不僅是一本書，而是要開啓一場在媒體行業倡導統計素養和責任運動的開始"。 讀者是否願意擔此大任，見仁見智。不過我一直記得諾貝爾獎得主丹尼爾·卡尼曼的一個觀點。 他說，統計知識的匱乏是現實世界中許多愚蠢選擇的癥結所在。 學學統計學，不當冤大頭。Give me five！

幫你看清數字背後的真相，不被信息轟炸忽悠。 喫飯喫藥看病看報都用得到的統計思維，提升你的“數字感” 。

在數字時代，我們很不小心就被數字騙了。

你的體重、今天的氣溫 、降水量、今天的股市期貨匯率…大數據時代，一切都是數據，數字不止是數字…

以前的我無比的相信科學，相信數據，但是原來這些數據的背後都是經過精心挑選的。 所以要多讀書，多從不同的角度看待問題，以前認爲無比正確的，也許只是自己太片面，越無知越自信，這很可怕。