抽样调查能让统计数字说谎

可是错的不一定是你，也可能是数据本身。

这类数据，通常都以问卷抽样调查形式进行。偏偏抽样调查，是一种很容易被干扰的调查方式。

首先是样本规模。

我们可以在广州市，调查冬天穿羽绒服的人群比例。但不能声称：调查显示，全国人民冬天几乎都不穿羽绒服。

我们看到的很多调查报告，实际上就是类似这样操作的。一个网站可能只发了几百份问卷，就敢发布 " 全国 XX 调查 "。

其次是抽样方法。

不是样本规模够大，数据就一定准确。

有一个经典段子：

电话调查显示，美国 100% 的家庭拥有电话。

同样的例子有很多。譬如某招聘平台，通过对平台的数据库分析，得出了 "2018 年夏季，求职人才需求量最多的 10 大城市 "。

这份报告其实该叫 "2018 年夏季，在该招聘平台发布职位最多的城市 "。

要保证调查数据的准确，需要花费不少精力。

但如果想要 " 私人订制 " 一个对自己有利的数据，就轻松很多了。

例如某线上理财平台，做了一个调查。他们得出结论：超过半数的受访者，倾向于使用互联网理财平台。

但这份报告中，对于样本的介绍只有一句话：对全国多个城市年终奖数据进行调查。

用这种调查方式，甚至可以调查出：全国超半数受访者，都使用本平台理财呢。

同样的骚操作，很多招聘网站也干过。某招聘平台有过一个报告：近八成的白领，都在寻找新的工作机会。

但有一个问题，那些不想找工作的人，上招聘网站干啥？闲着没事？（真的有 4.4% 的用户这么闲）

这类调查无异于在饭店外面问排队的顾客：会不会选择在该店就餐？属于废话。

不规范的数据源有多不靠谱呢？

这么说吧，只要人群找的好，想证明中国人 100% 都下载了 " 学习强国 "app 也是可能的——去政府大楼里做统计嘛。

是如何指鹿为马的？

即使样本够大，抽样方法也足够科学，调查呈现的结果，仍然可以被主观意志所左右。

修改数值、编造数据是最低劣的手段，更高明的是，根据需求采用不同的分析策略。

最典型的例子就是人尽皆知的 " 被平均 "。

有网友云 " 拿我的工资和马云平均，我也能进福布斯 "。

我们可以把这个案例放大到现实世界。据统计，全球最富有的 26 个人的财富总和，相当于最贫穷 38 亿人的财富总和。这 38 亿人构成全球一半人口。

假设最富有的 26 人财富共 2600000000 元，每人平均 100000000 元资产，那最贫穷的 38 亿人平均只有 0.68 元的资产。

如果 " 被平均 " 一下呢？

38 亿最贫穷的人，人均资产变为了 1.36 元，直接翻了一倍。

资源是不会平均分配的。比起均值，众数和中位数也许更能说明问题。

2018 年上半年居民人均可支配收入平均数与中位数 图片、数据来源：国家统计局

众数是指在统计中，具有明显集中趋势点的样本，代表统计样本的一般水平；中位数是按顺序排列的一组样本数据中，居于中间位置的样本。

以马云和网友的故事为例：

假设两名网友收入为 0 元，一名网友的收入为 1 元，马云的收入为 100 元，那么统计数据的整体众数为 0 元。

将 4 个人的收入按顺序排列，排在最中间的两个数之和为 1，取个平均数，可以得出四人年收入的中位数是 0.5。

收入的众数，可以体现多数人的收入水平。收入的中位数，可以让大家知道，自己的收入，处在什么位置。

一份统计报告中，只要列出众数和中位数，就能得到相对中肯的结果。但就是有人故意回避这些数据，专拿平均数说事，非蠢既坏。

除了有目的地选用数据，还可以别有用心地解读数据。

下图中的两个对比项曲线无比吻合，如果不知道图表的具体内容，一定会认为两项数据，有紧密的相关性。

其实这两条曲线，分别代表 [ 尼古拉斯凯奇每年在电影中的出镜次数 ] 及 [ 每年游泳池里溺死的人数 ] 。

显然这是八竿子打不着的两件事，曲线的吻合实属巧合。

谁让这是个充满巧合的世界呢？

在 1989 年的一次调查里，调查者发现法国人爱吃的食物高脂肪、高蛋白、高热量，但法国的肥胖人口却只有 10%，冠心病发病率和死亡率，还比其它西方国家低得多。

鉴于法国盛产红酒，法国人也向来有喝红酒的习惯，研究人员便 " 顺理成章 " 地推测：" 每天适当饮用红酒有利于心血管健康，可预防心血管疾病的发生 "。

实际上，并没有医学证据支持红酒有利于心血管健康的结论。 [ 法国人心血管疾病发病率低 ] 与 [ 法国人爱喝红酒 ] 只是两个独立事件。

这样的谣言广为传播，要拜红酒商人所赐。

巧合无处不在，但是把巧合放在一起，并暗示相关性或因果关系，就其心可诛了。

不仅能用数字骗人

图表形状也能用来误导

在数据领域，谎言绝不仅仅限于数字和样本，它同样是视觉的艺术。

为了直观解读，数据通常会做成图表。在设计图表过程中，有许多误导性的手法。

修改坐标轴

修改坐标轴中，截断 Y 轴的操作最为常见。

上图是 08 年金融危机后，美国领取政府福利的人数增长情况。

乍一看，每个季度都有巨量增长。柱状图赫然呈现出：联邦政府与日俱增的财政压力。

美国人民看到后，内心对政府充满了感激。

但如果仔细观察，会发现这张图的 Y 轴不是从 0 开始，而是从 94M 开始的。如果将 Y 轴展开，改为从 0 开始，这张图就会呈现以下效果：

是不是马上变得平平无奇了？

美国民众的感激之情，瞬间能消散 80%。

还可以换一个更直观的例子。

上图是 2017 年维密大秀的现场采访。

图中左侧是主持人，右侧是身高为 178cm 的超模何穗、奚梦瑶。

图中看到，主持人和两位超模几乎平起平坐，观众可以大胆推测：主持人的身材一定也相当优越。

事实并非如此，因为这张图截去了 Y 轴。我们将 Y 轴打开，这张图长这个样子：

此外，还可以拉伸、挤压坐标轴。同一份数据，做出的图坐标刻度不同，可以呈现出完全不同的效果。

选用不同的图表

除了利用坐标轴误导读者之外，作图者还经常利用图表特性掩盖、扭曲关键信息。

比如用累积数据图代替阶段数据图。

上图是苹果手机的历年销量，图中可以看到 2016 年销量数据预测，将出现较大下滑。

如果作图人想掩盖这一信息，可以将历年销量图改为累计销量图，这部分信息就会在图中消失无踪。

利用图表特性扭曲关键信息

比如利用 3D 图表的特殊透视误导读者。

下图是 2008 年乔布斯在发布会上引用的数据，显示当时苹果占据了智能手机市场 19.5% 的份额。

在这张 3D 图中，由于阴影的存在，iPhone 所占据的绿色区域会看起来会比实际上更大。

将这张 3D 饼状图还原为平面图，如下，视觉效果明显差了很多。

作为世界级的演讲大师，这种失真的细节是不会逃过乔布斯的眼睛的。

换句话说，他故意的。

看了上述这些，通过人为手段操纵数据，得到某个结论的伎俩后，再来看看那些 " 耸人听闻 " 的标题：

是不是焦虑的感觉少了许多？

此外，即使统计者没有数据曲解，而是竭力想从数据中得出准确信息，也未必能如愿。

因为现实世界的变量实在太多。

譬如说预测天气吧。我们早就会呼风唤雨 ( 人工降雨 ) ，还能控制蓝天 ( G20 蓝、APEC 蓝 ) ，天上还飘着数以百计的卫星，结果呢？

天气预报还没有萧敬腾准。