为什么统计数据有时会“撒谎”

盼盼

    收集统计数据是一项复杂而又精细的工作，每一步都有出错的可能。即使所有的细节都万无一失，最终得到的数据里也会隐藏大量的陷阱。如果盲目地对统计数据进行分析，有时会得出一些甚为荒谬的结论。
    统计学家曾经调查过铀矿工人的寿命，其结果让人大跌眼镜：在铀矿工作的工人居然与普通人的寿命相当，有时甚至更长！难道统计结果表明在铀矿工作对身体无害甚至有益吗？当然不是！事实上，只有那些身强体壮的人才会去铀矿工作，他们的寿命本来就可能长一些；正是因为去了铀矿工作，才把他们的寿命拉低到了平均水平，造成了数据的伪独立性。这种现象常常被称为健康工人效应。
    类似地，有数据表明打太极拳的人和不打太极拳的人平均寿命相当。事实上，打太极拳确实可以强身健体，延长寿命，但打太极拳的人往往体弱多病，这一事实也给统计数据带来了虚假的独立性。
    有虚假的独立性数据，就有虚假的相关性数据。统计数据显示，去救火的消防员越多，火灾损失越大。初次听到这样的结论，想必大家的反应都一样：这怎么可能呢？仔细想想你就明白了：正是因为火灾灾情越严重，损失会越大，所以才会有更多消防员去救火。这里的因果关系弄颠倒了。数据只能显示两个事情有相关性，但并不能告诉你它们内部的逻辑关系。
    事实上，两个在统计数据上呈现相关性的事件，甚至有可能根本就没有因果关系。统计数据表明，冰激凌销量增加，鲨鱼食人事件也会同时增加。但这并不意味着，把冰激凌销售点全部取缔了，就能减小人被鲨鱼吃掉的概率。真实的情况是，这两个变量同时增加只不过是因为夏天到了。又如，统计数据显示，篮球队的获胜率，竟然与队员的球袜长度成正比。难道把队员的球袜都换长一些，就能增加球队实力吗？显然不是。数据背后真正的因果关系是，球队的获胜概率和队员的球袜长度同时受第三个因素——队员身高——的影响，这导致了获胜概率与球袜长度之间表现出虚假的相关性。
    类似的例子还有很多。如果观察大气层二氧化碳的含量变化和肥胖症人口的数量变化，会发现一个非常有趣的现象：在1950年左右，两者都出现了一次非常剧烈的增长。但科学研究并没有发现，二氧化碳含量的增加会导致人类出现过度肥胖的趋势。事实上，这个数据背后的真实原因是，20世纪50年代，汽车产业形成了一定的规模，尾气排放导致大气中的二氧化碳含量陡然增加；同时，人们也更多地用汽车代步，活动的时间越来越少，自然就越来越胖了。
    可见，要想从统计数据中挖掘出正确的结论，并不是一件容易的事。如果只从表面上观察数据，往往会得到一些错误的信息。正如着名作家马克·吐温所言：“世上一共有三种谎言：谎言，糟糕的谎言，还有统计数据。”