Skaičiai meluoja. Na, ne patys – bet žmonės, kurie juos rodo, dažnai taip
Statistika turi keistą galią. Kai kas nors pasako „tyrimai rodo” arba „duomenys patvirtina”, dauguma žmonių tiesiog nuleidžia rankas ir patiki. Tarsi skaičiai būtų kažkokia aukštesnė tiesa, nepasiekiama paprastam mirtingajam. Bet štai problema – statistiniai duomenys yra tik įrankis, o įrankį galima panaudoti tiek teisingai, tiek visiškai iškreiptai. Ir tai vyksta nuolat: žiniasklaidoje, reklamose, politikų kalbose, net moksliniuose straipsniuose.
Nereikia būti matematiku, kad suprastum, kaip tave apgaudinėja. Reikia tik žinoti, kur žiūrėti.
Grafikai, kurie vizualiai meluoja tiesiai į akis
Vienas paprasčiausių triukų – manipuliacija ašimis. Įsivaizduok grafiką, kuriame rodomas pardavimų augimas. Atrodo dramatiškai – linija šauna aukštyn kaip raketa. Bet pažiūrėk į Y ašį: ji prasideda ne nuo nulio, o nuo 94. Skirtumas tarp 95 ir 97 vizualiai atrodo kaip dvigubas augimas, nors realybėje tai tik du procentai. Šis triukas naudojamas taip dažnai, kad jau turėtų būti laikomas klasikiniu apgavyste.
Kitas mėgstamas metodas – selektyviai pasirinkti laikotarpį. Nori parodyti, kad ekonomika auga? Pradėk grafiką nuo recesijos dugno. Nori parodyti, kad viskas blogai? Pradėk nuo piko. Tie patys duomenys, visiškai priešingos istorijos. Tai ne klaida – tai pasirinkimas.
Koreliacija, kurią parduoda kaip priežastį
Tai turbūt labiausiai išnaudojamas statistinis nesusipratimas. Arba – tiksliau – labiausiai išnaudojamas tyčia. Du dalykai vyksta vienu metu, ir staiga vienas „sukelia” kitą. Klasikinis pavyzdys: šalyse, kur vartojama daugiau šokolado, daugiau Nobelio premijų laureatų. Absurdiška? Taip. Bet tokio lygio klaidos daromos rimtuose kontekstuose kiekvieną dieną.
Kai skaitai apie kokį nors „ryšį” tarp dviejų dalykų, klausk savęs: ar buvo kontroliuojami kiti veiksniai? Ar tai tik sutapimas? Ar galbūt yra trečias veiksnys, kuris lemia abu? Žurnalistai ypač mėgsta paversti koreliaciją priežastimi, nes tai skamba daug įdomiau nei „mes iš tikrųjų nežinome, kodėl taip yra”.
Imtis – tas mažas skaičius, kurį slepia
„80% respondentų teigė, kad produktas pakeitė jų gyvenimą.” Skamba įspūdingai. Bet kiek tų respondentų buvo? Penki? Dvidešimt? Ir kas jie buvo – atsitiktiniai žmonės ar tie, kurie jau pirko produktą ir buvo paprašyti palikti atsiliepimą? Imties dydis ir jos reprezentatyvumas yra du klausimai, kuriuos reikia užduoti automatiškai, kiekvieną kartą.
Moksliniai tyrimai su 20 dalyvių ir tyrimai su 20 000 dalyvių negali turėti vienodo svorio, nors abu gali būti cituojami lygiai taip pat įtikinamai. Maža imtis nereiškia, kad tyrimas neteisingas – bet reiškia, kad išvados yra daug mažiau patikimos ir tikrai neturėtų būti apibendrinamos visai populiacijai.
Procentai be konteksto – bevertė informacija
„Rizika išaugo 100%!” Skamba baisiai. Bet jei pradinė rizika buvo 1 iš milijono, dabar ji yra 2 iš milijono. Absoliutus skirtumas – vienas papildomas atvejis iš milijono žmonių. Santykinis ir absoliutus padidėjimas yra du visiškai skirtingi dalykai, ir žiniasklaida beveik visada renkasi tą, kuris skamba dramatiškiau.
Tas pats veikia ir atvirkščiai. „Vaistas sumažina mirties riziką 50%.” Jei be vaisto miršta 2 iš 1000, su vaistu miršta 1 iš 1000. Absoliutus skirtumas – 0,1%. Santykinis – 50%. Abu teisingi. Bet vienas parduoda vaistą, kitas – ne.
Kai statistika tampa ginklu, o ne žemėlapiu
Visa ši problema nėra tik akademinė. Klaidinančiai pateikti duomenys formuoja politinius sprendimus, vartotojų elgesį, visuomenės nuomonę apie sveikatą, saugumą, ekonomiką. Žmonės balsuoja remdamiesi statistika, kurią kažkas parinko specialiai. Žmonės bijo arba nebijo dalykų, kuriuos turėtų arba neturėtų bijoti, nes kažkas pasirinko, kaip pateikti skaičius.
Kritiškas mąstymas statistikos atžvilgiu nėra cinizmas ir ne visų duomenų atmetimas. Tai paprasčiausiai atsisakymas priimti skaičius kaip galutinę tiesą be papildomų klausimų. Klausk, kas surinko duomenis ir kodėl. Klausk, kas buvo įtraukta ir kas – ne. Klausk, kaip atrodo grafikas, jei pakeisi ašies pradžią. Klausk, koks yra absoliutus skirtumas, ne tik santykinis.
Statistika yra puikus įrankis suprasti pasaulį. Bet kaip ir bet kuris įrankis – ji priklauso nuo to, kas ją laiko rankose ir ko nori pasiekti. Tavo darbas – nepamiršti to kiekvieną kartą, kai kažkas sako: „duomenys rodo”.
