編者按：
科學的力量很強大，然而科學的道理并不遙遠，它就蘊含在市井之間。聽中央财經大學統計與數學學院教授張忠元來聊聊生活中常見的統計陷阱。
張忠元演講視訊：
以下為張忠元演講實錄：
說起“統計學”，你可能會想到CPI或GDP這些數字。這是政府統計的内容，屬于統計學的一個重要分支。
其實，統計學對我們日常生活的影響遠比這些數字更深入和廣泛。
比如我們大家吃的藥物，看起來是制藥業的工作，其實統計學在其中貢獻很大。如果沒有統計方法，我們就沒辦法知道這個藥它是不是一種安慰劑。什麼是安慰劑？一個澱粉片，醫生說是止痛的，結果吃了澱粉片的病人會有1/4報告說不疼了或症狀減輕了，其實他吃的隻是澱粉片——安慰劑效應的威力可見一斑。如果我們不用統計方法把安慰劑效應去掉，市場上賣的藥就不一定真的是可以治病的。
其實，你在日常生活中做的重大決策，很多也是觀察了身邊很多事情、咨詢了身邊很多人而做出的。這種“收集資料——去僞存真——最終得出結論”的過程就可以叫做“統計”。
演講嘉賓張忠元：《渣男受女生歡迎？當心統計陷阱》
統計方法和我們日常生活的聯系非常緊密，但它不是靠直覺就能用好的。統計學很容易被誤用和濫用。
比如，我們經常會把日常生活中互相關聯的兩件事情看作是有因果關系的，但其實，事實往往不是這樣，這個錯誤在統計學上叫“相關不等于因果”。
簡單來說，看到公雞打鳴，然後太陽升起來了，但我們不能說太陽是被公雞叫起來的。
再比如說，大資料分析表明：冰激淩銷量高的時候，泳池溺水事故的發生量也會增加，是以“泳池溺水的事故的發生量”和“冰激淩的銷量”這兩件事是相關的——它們有共同的原因，就是季節——但它們顯然沒有因果關系。這是比較簡單的情況。
當我們遇到更複雜局面的時候，就往往容易犯錯誤。比如說，看到小孩子天天玩遊戲，然後他的考試成績又比較差，家長就會很自然地把這兩件事聯系起來，然後簡單地把“玩遊戲”當做他考試成績差的原因——其實這兩件事是不是也隻是具有相關關系而沒有因果關系呢？它們是不是有一些共同的原因呢？家長們把這件事想清楚了，就可以給孩子提供更好的教育。
還有更隐蔽的情況。比如這是我在朋友圈看到的圖。說，我和大雄差不多都沒用，為什麼我就沒有那隻叮當貓呢？其實，在大雄身上，“沒有用”和“有叮當貓”這事是相關的，但是你不能把它們當作因果，是以，你沒有用，也不一定有那隻叮當貓。（我的朋友圈就是這麼用來擡杠的，大家可以想見，我能有多少朋友…… ）
再比如這個：
她是怎麼痊愈的？大家自己心裡想。
還有更好笑的例子。
這個發言人犯的錯誤就是，認為特定的影片類型和特定的消費行為是相關的——但這其實是虛假相關，就是說，“相關性”本身并不存在，它就是個巧合。為什麼這麼說呢？因為《芳華》是在冬天上映的。
另外，我要強調一句：相關固然不等于因果，但是相關裡邊也許蘊含着因果，是以往往需要科學家做更多的工作來研究。當然，這是後話。
“我是科學家”開設了一個欄目，叫做“我問科學家”。在電影裡扮演了渣男的明星佟大為先生問了這麼一個問題：為什麼渣男還會被喜歡？
要我說，這是個僞問題。這是沒問我，問我的話，這節目辦一期就結束了。
（這麼用朋友圈，可以想見，我真的沒多少朋友了……）
為什麼說它是個僞問題呢？容我慢慢道來。
在我看來，要厘清這個問題，至少要分為三個層面。
第一個層面，什麼是“渣”？我了解的意思是“花心”。
第二個層面，女生知道他渣嗎？如果女生不知道他渣，這叫詐騙，不在我們的讨論範圍之内。
第三個層面，女生知道他渣，而且在同等條件之下比他不渣更喜歡，也就是說這個男生如果不渣了，不花心了，這個女生就沒那麼喜歡他了——這事兒存在不存在？我心裡是打了一個大大的問号的。
演講嘉賓張忠元：《渣男受女生歡迎？當心統計陷阱》
人們為什麼會産生這種認知？在統計學上也早有研究，至少涉及到兩個知識點，一個是生存偏差，一個是隐含變量。
生存偏差的意思是，大家隻會關注到或更多地關注到那些活下來的、成功的案例，而會忽略掉那些失敗的、沒有活下來的案例，進而分析那些活下來的成功的案例有什麼經驗、有什麼特點，這其實沒啥價值。
具體到這個問題，你隻關注到或者看到了那些有人愛的渣男，而忽略掉了那些大量的沒人愛的渣男，進而分析這些有人愛的渣男有什麼特點，這事有價值嗎？成功學走的都是這個套路，隻分析那些成功的案例有什麼特點，但你要是當真就廢了。
比如這個，每年都有一次：聯考狀元有個特點，你家孩子有沒有？有什麼特點呢？難道是“都說中文”嗎？我心裡好高興，我家孩子也有。
第二個問題是隐含變量。固然，有的渣男活下來了，有人愛了，但是這個“渣”的屬性是給他減分的，讓他有人愛的原因可能是他的其他屬性。是以，這裡如果忽略那些其他屬性，簡單地來分析“渣男有人愛”這事兒就不靠譜。
當然我們承認，在不同的女生眼裡，這些屬性的重要性排序不一樣。比如，有人是顔控，看重顔值，隻要有顔，其他都不重要；有大叔控，隻要成熟，其他的都不重要；還有的看重男生經濟狀況，但我确實沒聽說有渣控的。
說到隐含變量，再來看下面這個研究。
發表在美國一個期刊上的這麼一個論文，說“清潔産品對女性肺部的傷害相當于每天都吸一包煙，而對男性的肺部無影響”。看到這，我差點沒哭了，這是什麼有毒的研究，為了讓男生幹家務都這麼拼了嘛？“對女生的影響這麼大，而對男生的肺部沒有影響”這事兒不是很詭異嗎？隻要是談到“男生做家務”這樣的研究，我都會認真對待，一定要寫文章來反駁的。（畢竟書不能白讀。多讀點書，就能在家庭當中立于不敗之地。是以我離婚之後□□□□）
好，咱們言歸正傳。
這個研究，要我看就是忽略了一個隐含變量：做飯。愛清潔的女性往往更願意做飯，而做飯是傷肺的，而對男性而言，清潔更可能是他的一個職業，和他做飯不做飯沒啥關系。
再來看這個。如果我們考慮不同醫院惡性良性腫瘤科的死亡率，你會發現著名醫院惡性良性腫瘤科的死亡率可能比下級醫院的更高。那是不是說，著名醫院的醫生的水準也沒有很高？這當然不是事實。因為這裡也是忽略了一個隐含變量：惡性良性腫瘤類型。到頂級醫院看病的大部分都是難治性的惡性良性腫瘤，死亡率本身就高。但是這個情況比較明顯。
下面這個例子就沒有那麼明顯了，需要大家一點思索。
人們發現，美國伯克利大學在招生錄取當中，女生的錄取率明顯偏低，于是質疑伯克利大學存在“性别歧視“的問題——這事兒看起來沒毛病，資料就擺在這裡，還有什麼話講？但那是你的反應。人家伯克利大學那是一根頭發分8瓣，細得很，不會輕易就說存在這個問題。當然，事實也的确不是這樣。
因為，如果分專業來看，你就會發現：在各個專業女生的錄取率其實都是更高的。之是以會産生“總體錄取率女生偏低”這一結果，是因為女生大部分都報考了那些本身就難以錄取的學院，而男生則大部分報考了那些錄取率本身就偏高的學院。這個現象就叫“辛普森悖論”。
再來看下面這個例子。
這是2組人，每組10個人。大家進行過關遊戲，過關人數多的那組獲勝。
關卡有兩種，一種是簡單模式，一種是困難模式。不管你選擇哪種關卡，隻要過關就算獲勝。
那麼因為各種原因，第一組人更願意選擇簡單模式。大家看一共10個人，有8個人選擇了簡單模式。第二組人更願意選擇困難模式，一共10個人，有8個人選擇了困難模式。
經過比賽結果如下：在簡單模式下，第一組人有7個人過關，獲勝了；第二組人全部過關。是以在簡單模式下，第二組人他的過關率是更高的。類似的分析，在困難模式下，第二組人他的過關率也是更高的。可是總體來看，第一組的過關率就更高了。這個現象就是“辛普森悖論”，因為第一組人更多的選擇簡單模式了，簡單模式本身過關率就更高。回到剛才“惡性良性腫瘤醫院和死亡率”的例子。那些著名惡性良性腫瘤醫院裡的醫生就好像那些更願意選擇困難模式的選手一樣，本身就是命苦。
剛才講了這麼多統計學的誤用，其實我們還要注意：統計學不能濫用。
如果我們在社會治理當中濫用統計，後果就很嚴重了。比如，我們住在北京，如果統計來自各個省的人的犯罪率，假如，我是說假如統計得出結論，東北人的犯罪率更高，那我們能不能要求東北人晚上不許出門呢？顯然不能這麼做。
為什麼不能這樣做？因為我們把一個基于群體的總體結論用在了個體身上，何況這種結論可能還有其他隐含因素。而每個人都是很寶貴的，這種決策即便是傷害到了一個個體，代價也是巨大的、不可彌補的。我們在做決策時，都是在損失和收益之間做平衡的，而這種決策損失巨大，違背了倫理，屬于統計學的濫用。它有一個專業的名詞叫“統計性歧視”，這種決策不會發生。但是在日常生活當中，統計性歧視卻常常在發生。那些戴着有色眼鏡，按照性别、按照種族、按照籍貫來差別對待别人的行為，又豈止是一件兩件？
不過，話說回來，你可以想象一個場景：一個女孩晚上夜歸，後邊有個男生一直跟着你——這個時候你該跑還得跑，不能說“張老師說了，我要是跑了，就是把他當壞人，這屬于統計性歧視，我得跟他先交換個微信聊一聊，看他是不是壞人”。這樣就屬于僵化了，有棗沒棗打三杆子，這不行。
記住：統計學你要慎用，不能濫用。
最後，作為統計學者，我要做一個統計：請沒有來的朋友舉手。沒人舉手，看來全北京的科普愛好者都來了，我這是要火。感謝各位的耐心。
演講嘉賓張忠元：《渣男受女生歡迎？當心統計陷阱》
作者：張忠元
編輯：麥芽楊