Kategorija: Faktai

Kai kas nors pasako „statistika rodo“, verta iš karto sunerimti. Skaičiai patys savaime nieko nerodo – juos parodo tas, kas juos renka, filtruoja ir vėliau interpretuoja pagal savo tikslus. Tad kai Lietuvos maisto pirkimo tendencijos pateikiamos kaip tiesioginis kelias į „geriausius sezoninius receptus“, verta stabtelėti ir paklausti – geriausius kam? Prekybos tinklams, kurie nori parduoti daugiau to, ko jau ir taip perka daug? Ar mums, kurie tikrai norime pavalgyti skaniai ir sveikai?

Ką iš tikrųjų rodo pirkimo krepšelis

Statistikos duomenų entuziastai mėgsta kalbėti taip, tarsi pirkimo kvitas atskleistų gilią kulinarinę išmintį. Iš tiesų jis atskleidžia kur kas paprastesnius dalykus: kas yra pigu, kas akcijoje ir ką reklamuoja tinklalaidėse. Jei žmonės vasarą perka daugiau agurkų – tai nereiškia, kad agurkų salotos yra „geriausias vasaros receptas“. Tai reiškia, kad agurkai vasarą pigesni ir gausiau prieinami. Koreliacija tarp pirkimo dažnio ir kulinarinės vertės yra abejotina prielaida, kurią statistikos straipsniai mielai ignoruoja.

Vis dėlto, jei jau prisikabinau prie metodologijos, sąžininga būtų ir pripažinti – tam tikra tendencija tikrai egzistuoja, ir ji nėra visiškai beprasmė. Žmonės perka tai, kas sezoniška, nes tai natūraliai skaniau, o kartais ir todėl, kad kūnas tiesiog prašo tam tikrų daržovių tam tikru metu. Taigi pažvelkime į dešimt patiekalų, kurie, remiantis pirkimo duomenimis, kartojasi lietuvių virtuvėse pagal metų laiką – nepamirštant, kad tai daugiau atspindys nei receptas.

Dešimt patiekalų, kuriuos „liepia“ statistika

• Šaltibarščiai – vasaros klasika, kurios populiarumas kyla lygiagrečiai su burokėlių ir kefyro pardavimais. Bet ar tai receptas, ar tiesiog karščio sukeltas refleksas – lieka atviras klausimas.
• Grybų sriuba rudenį – čia statistika sutampa su sezoniškumu logiškai, nes grybai tiesiog neauga kitu metu. Nedidelis atradimas, sutikite.
• Cukinijų blynai vasaros pabaigoje – kai daržai (ir parduotuvių lentynos) užtvindomos cukinijomis, kurias niekas nežino kur dėti.
• Moliūgų košė ar sriuba spalį-lapkritį – vienas iš nedaugelio atvejų, kai pirkimo pikas tikrai koreliuoja su patiekalo kokybe, ne vien kaina.
• Silkė su bulvėmis žiemą – šventinis įprotis, kurį statistika užfiksuoja kiekvieną gruodį taip tiksliai, kad galima pagal tai kalendorių tikrinti.
• Šviežių daržovių salotos gegužę-birželį – kai pirmieji ridikėliai ir salotos pasiekia prekystalius, o kainos dar nespėja pakilti iki absurdo.
• Kopūstų sriuba pavasarį – klasika, kuri išlieka populiari nepriklausomai nuo sezono, tad statistiškai ji šiek tiek „apgaudinėja“ tendencijų pasakojimą.
• Uogienės ir kompotai vasarą – čia duomenys ryškiausi, nes uogų pirkimas šoktelėja staigiai ir trumpam, tiksliai atspindėdamas trumpą sezoną.
• Keptos bulvės su spirgučiais rudenį – patogus, pigus, bet vargu ar kažkuo ypatingas pasirinkimas, kurį rinkodara mėgsta vadinti „tradiciniu skoniu“.
• Imbierinis arbata ir sriubos su imbieru žiemą – įdomus atvejis, kai pirkimo augimas labiau susijęs su gripo sezonu nei su kulinarine tradicija.

Kas čia iš tikrųjų vyksta

Reikia pripažinti – dalis šių sąsajų tikrai turi prasmę. Sezoniniai produktai natūraliai formuoja valgymo įpročius, ir tame nėra nieko blogo. Bet problema iškyla tada, kai statistiniai duomenys paverčiami „mokslišku“ pagrindimu rinkodaros pasakojimams. Prekybos tinklai mielai pasakoja apie „lietuvių mėgstamiausius sezoninius patiekalus“, kai iš tikrųjų tiesiog parduoda tai, ko turi per daug sandėliuose.

Be to, statistika linkusi nutylėti kontekstą – pavyzdžiui, kad daugelis žmonių perka tuos pačius produktus ne todėl, kad jie geriausi, o todėl, kad neturi laiko ar noro ieškoti alternatyvų. Įprotis ir patogumas dažnai nugali skonio kokybę. Tad kai matome, jog burokėliai perkami masiškai vasarą, tai gali reikšti tiek meilę šaltibarščiams, tiek tiesiog tai, kad niekas nesugalvoja, ką kito su jais daryti.

Kada skaičiai virsta pasaka apie skonį

Galų gale, receptai, kylantys iš statistikos, yra įdomus, bet apgaulingas žanras. Jie skamba autoritetingai, tarsi duomenys žinotų geriau už mūsų liežuvį ar atmintį apie mamos virtuvę. Tiesa yra kur kas nuobodesnė – dauguma šių „tendencijų“ tiesiog atkartoja tai, ką visi jau ir taip žinojo: vasarą valgome šviežiau, žiemą – sočiau, o rudenį apsėdame moliūgus tarsi jie būtų kokia nauja atradimo forma.

Jei ir yra kokia nauda iš tokių duomenų, tai nebūtinai receptų sąrašas, o priminimas, kad sezoniškumas – ne rinkodaros triukas, o gana sena, nuobodžiai teisinga taisyklė: valgyk tai, kas auga dabar, o ne tai, ką reklama liepia mylėti visus metus.

Kiekvienais metais, kai Lietuvos statistikos departamentas ar Regitra paskelbia naujus duomenis apie transporto srautus, socialiniuose tinkluose prasideda tas pats ritualas – žmonės ima aiškintis, kodėl jų gatvėje spūstys tik didėja, nors „statistika rodo priešingai”. Tiesa yra ta, kad dauguma nesusipratimų kyla ne dėl blogų duomenų, o dėl to, kaip jie skaitomi.

Iš kur tie skaičiai atsiranda

2026 metų duomenys, kaip ir ankstesnių metų, remsis keliais šaltiniais – valstybinės kelių administracijos eismo intensyvumo matavimais, savivaldybių švieso­forų sistemų statistika ir, žinoma, transporto priemonių registracijos duomenimis. Problema ta, kad šie šaltiniai skaičiuoja skirtingus dalykus. Vienas matuoja, kiek automobilių pravažiuoja konkretų kelio ruožą per parą, kitas – kiek naujų transporto priemonių registruota tam tikrame mieste. Sudėjus abu skaičius į vieną sakinį apie „eismo augimą”, gaunasi klaidinantis vaizdas.

Todėl pirmas žingsnis, prieš daryti bet kokias išvadas, – pasižiūrėti, ką konkrečiai matuoja lentelė, kurią skaitote. Ar tai transporto priemonių skaičius, ar eismo intensyvumas konkrečiame taške, ar keleivių srautas viešajame transporte. Tai skirtingi dalykai, kurie gali kryptis visai skirtingomis linkmėmis vienu metu.

Miesto lygmuo skiriasi nuo šalies vidurkio

Nacionaliniai suvestiniai skaičiai retai kada tiksliai atspindi, kas vyksta konkrečiame mieste. Vilniuje, Kaune ar Klaipėdoje eismo dinamika formuojasi pagal visiškai skirtingus veiksnius – naujos gyvenamosios zonos, pramonės parkų plėtra, viešojo transporto tinklo pakeitimai. Jei norite prognozuoti, kaip pasikeis eismas jūsų mieste, verta žiūrėti ne į šalies suvestinę, o į savivaldybės planavimo dokumentus ir vietinius statistikos biuletenius, kurie dažniausiai skelbiami atskirai, mažiau matomose vietose.

Verta atkreipti dėmesį ir į sezoniškumą. Vasaros mėnesiais didesniuose miestuose eismas dažnai mažėja dėl atostogų, tačiau kurortinėse zonose – priešingai, auga kelis kartus. Jei lygini metų vidurkius neatsižvelgdamas į šį svyravimą, lengva padaryti klaidingą išvadą apie „ilgalaikę tendenciją”, kuri iš tikrųjų yra tik sezoninis efektas.

Ką reiškia prognozės, kurias skelbia institucijos

Kai kalbame apie 2026 metų prognozes, verta suprasti, kad jos dažniausiai yra ne spėjimas, o modelis, paremtas praeities duomenimis ir tam tikromis prielaidomis – pavyzdžiui, kad ekonomika augs panašiu tempu, kad degalų kainos nekils staigiai, kad naujų kelių tiesimas vyks pagal planą. Kiekviena šių prielaidų gali nepasitvirtinti, ir tuomet prognozė nusilenkia realybei, o ne atvirkščiai.

Praktiškai tai reiškia, kad prognozes geriausia vertinti kaip kryptį, o ne tikslų skaičių. Jei dokumente rašoma, kad eismo intensyvumas tam tikrame rajone augs 3–5 proc., verčiau į tai žiūrėti kaip į signalą, kad situacija blogės, o ne kaip į matematiškai patikimą prognozę, kurią galima naudoti asmeniniam planavimui iki paskutinio procento.

Skaičiai, kurie neapgaudinėja

Yra keli rodikliai, kurie paprastai geriausiai atspindi realią situaciją be papildomo aiškinimo – naujų transporto priemonių registracijų skaičius per metus, viešojo transporto keleivių kiekis ir degalų suvartojimas regione. Šie trys rodikliai, žiūrimi kartu, dažniausiai duoda sąžiningesnį vaizdą nei bendra „eismo intensyvumo” frazė, kuri gali reikšti bet ką.

Vietoj apibendrinimo – kelias namo

Galų gale, statistika apie transportą niekada nebus tobulas įrankis, leidžiantis tiksliai numatyti, kiek laiko užtruksite kelyje į darbą po metų. Tačiau ji leidžia atskirti realius pokyčius nuo triukšmo – ir tai jau nemažai. Skaitant 2026 metų duomenis verta prisiminti tris dalykus: patikrinti, ką konkrečiai matuoja skaičius, palyginti jį su vietiniu, ne nacionaliniu kontekstu, ir prisiminti, kad prognozė – tai ne pranašystė, o modelis su prielaidomis. Tas, kuris tai supranta, skaito statistiką kaip įrankį, o ne kaip orakulą – ir tikriausiai mažiau nusivilia, kai realybė nukrypsta nuo lentelės.

Skaičiai meluoja. Na, ne visai – bet beveik

Kiekvieną dieną esame užverčiami statistika. Vakaro žinios praneša, kad nusikalstamumas išaugo 40 procentų. Socialiniuose tinkluose kažkas dalinasi grafiku, rodančiu, kad kava sukelia vėžį. Politikas tribūnoje teigia, kad jo valdymo laikotarpiu ekonomika išaugo kaip niekada anksčiau. Ir visi šie teiginiai remiasi tikrais duomenimis. Tai kodėl kažkas vis tiek jaučiasi ne taip?

Problema ne skaičiuose. Problema – kaip jie paduodami ir kaip mes juos priimame.

Bazė yra viskas

Vienas seniausių statistinių triukų – žaisti su baziniais skaičiais. Tas pats 40 procentų nusikalstamumo augimas gali reikšti labai skirtingus dalykus. Jei praėjusiais metais mieste buvo užfiksuoti 5 vagystės, o šiais – 7, augimas matematiškai yra 40 procentų. Bet ar tai krizė? Vargu.

Tą patį principą galima apversti. Sumažėjimas nuo 1000 atvejų iki 800 – tai tik 20 procentų, skamba kukliai. Tačiau absoliučiais skaičiais tai 200 žmonių. Priklausomai nuo to, ką nori pasakyti, renkiesi vieną arba kitą.

Todėl pirmasis klausimas, kurį reikia užduoti matant bet kokį procentinį pokytį: pokytis nuo ko iki ko? Absoliutūs skaičiai yra tavo draugai.

Koreliacija – dar ne priežastis, bet žmonės pamiršta

Šalys, kuriose vartojama daugiau šokolado, turi daugiau Nobelio premijų laureatų. Tai tikra statistika. Ir ji nieko nereiškia – bent jau ne tai, ką galbūt norėtum, kad reikštų.

Koreliacija rodo, kad du dalykai kinta kartu. Priežastinis ryšys rodo, kad vienas sukelia kitą. Tarp šių dviejų dalykų – milžiniškas skirtumas, kurį reguliariai ignoruoja tiek žurnalistai, tiek socialinių tinklų ekspertai.

Kai skaitai tyrimo antraštę „Žmonės, kurie sportuoja, gyvena ilgiau”, verta sustoti ir pagalvoti: galbūt tiesiog sveikesni žmonės ir sportuoja, ir gyvena ilgiau? Galbūt turtingesni žmonės turi laiko sportui ir geresnei medicinai? Statistika to nepasakys – ją reikia paklausti.

Imtis ir tai, ko ji neapima

„Tyrimas parodė, kad 8 iš 10 odontologų rekomenduoja šią pastą.” Kiek odontologų apklausta? Kaip jie atrinkti? Ar tie du, kurie nerekomenduoja, tiesiog buvo atsitiktinai praleisti?

Imties dydis ir kokybė yra kritiškai svarbūs, tačiau retai minimi. Tyrimas su 50 respondentų ir tyrimas su 50 000 respondentų gali duoti vienodai atrodančias antraštes, bet jų patikimumas skiriasi astronomiškai. Be to, svarbu, kas apskritai pateko į imtį – jei apklausi žmones universiteto bibliotekoje apie skaitymo įpročius, rezultatai bus šiek tiek iškreipti.

Grafikai, kurie apgauna akį

Y ašis gali padaryti stebuklus. Jei grafike rodomas augimas, bet ašis prasideda ne nuo nulio, o nuo, tarkime, 95, net mažytis pokytis atrodys kaip dramatiškas šuolis. Tai nėra klastojimas technine prasme – skaičiai teisingi. Bet vizualinis įspūdis yra visiškai kitoks nei realybė.

Panašiai veikia ir laiko ašies manipuliacijos. Rodyti duomenis tik nuo patogaus taško, nutylint ankstesnį kontekstą – klasika. Politikai tai moka puikiai.

Kai statistika tampa ginklu – ir kaip ją nuginkluoti

Galiausiai reikia pripažinti vieną nemalonią tiesą: statistika dažnai naudojama ne informuoti, o įtikinti. Tai nereiškia, kad visi duomenys yra melas arba kad reikia viskuo abejoti. Tai reiškia, kad reikia klausti paprastų klausimų: kas surinko šiuos duomenis ir kodėl? Koks buvo metodas? Kas liko nepaminėta?

Sveikas skepticizmas – ne cinizmas. Cinizmas sako „visi meluoja, nieko netikiu”. Skepticizmas sako „parodyk man, kaip tai išmatuota”. Skirtumas esminis. Pirmasis atima galimybę suprasti pasaulį, antrasis – ją suteikia. O statistika, tinkamai skaitoma, vis dėlto yra vienas galingiausių įrankių suprasti, kas iš tikrųjų vyksta – net jei pirmoji antraštė to nepasakys.

Kartą vienas statistikos dėstytojas man pasakė: skaičiai nemeluoja, bet žmonės, kurie juos skaito, dažnai save apgauna. Ir kuo ilgiau stebiu, kaip spaudoje, socialiniuose tinkluose ar net kavos pertraukų pokalbiuose interpretuojami oficialūs duomenys, tuo labiau įsitikinu, kad ši frazė – ne vien gražus posakis. Tai diagnozė.

Statistikos departamentas, Eurostatas ar Lietuvos bankas kiekvieną mėnesį išleidžia lenteles, kurios turėtų padėti suprasti, kur esame kaip visuomenė. Tačiau tarp skaičiaus lentelėje ir antraštės portale kartais įvyksta keista transformacija – lyg žaidimas „sugedęs telefonas“, tik su decimalinėmis trupmenomis.

Pirmoji klaida: procentinis punktas nėra procentas

Jei nedarbas pakilo nuo 6 iki 8 procentų, tai nereiškia, kad nedarbas „padidėjo 2 procentais“. Jis padidėjo dviem procentiniais punktais, o tai santykinai yra beveik trečdaliu daugiau. Skamba kaip smulkmena, bet būtent iš tokių smulkmenų susideda antraštės, kurios arba sukelia paniką, arba nuvertina realią problemą.

Antroji: koreliacija apsimeta priežastimi

Ledų pardavimai vasarą kyla lygiagrečiai su skendimų skaičiumi. Ar ledai skandina žmones? Žinoma, ne – tiesiog karštis skatina ir vieną, ir kitą. Panašiai su ekonominiais rodikliais: jei atlyginimai ir infliacija kyla tuo pačiu metu, nebūtinai vienas kitą sukėlė tiesiogiai. Reikia žvilgsnio giliau, o ne pirmo grafiko, kuris sutampa su norima naratyvo linija.

Trečioji: mažos imties didieji pareiškimai

Apklausa su 400 respondentų negali tvirtai teigti, kad „68 proc. lietuvių mano taip ir taip“, jei paklaidos intervalas siekia kelis procentinius punktus į abi puses. Kai skirtumas tarp dviejų atsakymų mažesnis už paklaidą, tai jau ne skirtumas – tai statistinis triukšmas, kurį žurnalistai mielai paverčia sensacija.

Ketvirtoji: sezoniškumo ignoravimas

Gruodį prekybos apyvarta visada šokteli – Kalėdos juk. Lyginti gruodžio duomenis su lapkričio ir sušukti apie „ekonomikos pakilimą“ yra maždaug taip pat protinga, kaip stebėtis, kad naktį tamsiau nei dieną. Sezoniškai koreguoti duomenys egzistuoja būtent tam, kad išvengtume tokių nesusipratimų, tačiau jie retai patenka į antraštes – neįdomu.

Penktoji: vidurkio magija ir mediana, kurią pamiršome

Kai vienas kaimo gyventojas turi milijoną, o likę devyni – nulį, vidutiniškai kiekvienas iš jų „turi“ šimtą tūkstančių. Absurdiška, bet būtent taip dažnai skaičiuojamas vidutinis atlyginimas šalyje, palyginti su tuo, ką realiai gauna dauguma žmonių. Mediana – tas skaičius, kuris perskiria populiaciją per pusę – dažnai atskleidžia kur kas blaiviau atrodantį vaizdą, tačiau vidurkis skamba gražiau spaudos pranešime.

Šeštoji: bazinio efekto pamiršimas

Jei pernai kažko buvo labai mažai, šiemet net nedidelis pagerėjimas atrodo kaip proveržis procentine išraiška. Ir atvirkščiai – po rekordinių metų kitas rezultatas visada atrodys nublankęs, nors iš tikrųjų viskas tvarkoje. Skaičiuoti pokytį be konteksto, kas buvo praeitais metais, – tas pats, kas vertinti bėgiko greitį nežinant, ar jis bėgo į kalną, ar nuo jo.

Septintoji: metodikos pakeitimai, apie kuriuos niekas neparašo

Kartais duomenų šuolis atsiranda ne todėl, kad pasikeitė realybė, o todėl, kad pasikeitė skaičiavimo metodika – kitas imties dydis, nauja klasifikacija, atnaujinta bazė. Tokie techniniai pastabų puslapiai retai patenka į viešą diskusiją, nors būtent juose slypi atsakymas, kodėl staiga viskas atrodo kitaip.

Ką su visu tuo daryti – arba kaip nesitapti savo pačių apgaulės auka

Tiesą sakant, nereikia tapti statistiku, kad skaitytum sąmoningiau. Užtenka kelių įpročių: pažiūrėti į metodikos aprašą, paklausti, koks imties dydis, patikrinti, ar lyginami tie patys laikotarpiai, ir – svarbiausia – neskubėti su išvadomis, kai antraštė skamba per gerai ar per baisiai, kad būtų tiesa.

Skaičiai patys savaime nešmeikštauja ir nesigiria. Jie tiesiog yra – neutralūs, sausi, kartais net nuobodūs. Istoriją apie juos sukuriame mes, ir ta istorija priklauso nuo to, kiek atidžiai sutinkame skaičius pažvelgti į akis, o ne vien perskaityti antraštę ir eiti toliau. Kitas kartas, kai matysite grafiką su strėle aukštyn ar žemyn, verta stabtelėti sekundei – ir paklausti savęs, kas iš tikrųjų slypi po ta linija.

Skaičiai meluoja. Arba mes juos skaitome neteisingai

Kiekvieną dieną esame bombarduojami statistika. Vakaro žinios praneša, kad kažkoks produktas „padidina riziką 200 procentų”, socialiniuose tinkluose plinta infografikos apie tai, kad „80 procentų žmonių” kažko nedaro arba, priešingai, daro per daug. Politikai operuoja skaičiais kaip ginklais. Ir mes, dažniausiai, tiesiog tikime. Nes skaičiai atrodo objektyvūs. Atrodo, kad jie negali meluoti.

Bet gali. Tiksliau – ne patys skaičiai, o tai, kaip jie pateikiami, kokiame kontekste ir ko tyčia nepaminima.

Absoliutūs ir santykiniai dydžiai – klasikinis triukas

Grįžkime prie to „200 procentų padidėjimo”. Skamba baisiai, tiesa? Bet paklauskite savęs: nuo ko iki ko? Jei kažkokia liga pasitaiko pas 1 iš 10 000 žmonių, o nauja studija teigia, kad tam tikras veiksnys riziką padidina 200 procentų – tai reiškia, kad dabar ji pasitaikys pas 3 iš 10 000. Vis dar labai maža tikimybė, tačiau antraštė skamba apokaliptiškai.

Tai skirtumas tarp santykinės rizikos ir absoliučios rizikos. Žurnalistai ir rinkodarininkai myli santykines reikšmes, nes jos atrodo dramatiškiau. Jūsų užduotis – visada klausti: „O koks pradinis skaičius?”

Imtis – ne tik skaičius, bet ir klausimas „kas tie žmonės”

Studija atlikta su 50 žmonių. Arba su 50 000. Ar tai automatiškai reiškia, kad rezultatai patikimi? Ne visai. Svarbu ne tik kiek, bet ir kas buvo tiriama. Jei tyrimas apie miego įpročius atliktas tik su universitetų studentais – jo rezultatų nereikėtų taikyti pensininkams ar fizinį darbą dirbantiems žmonėms. Tai vadinama imties reprezentatyvumu, ir apie tai retai rašoma antraštėse.

Be to, verta žinoti apie išgyvenusiųjų paklaidą – mes dažnai analizuojame tik tuos, kurie „išgyveno” tam tikrą procesą, ir pamirštame tuos, kurie iškrito. Verslo sėkmės istorijos – klasikinis pavyzdys. Girdime apie tuos, kuriems pavyko. Negirdime apie šimtus, kurie bandė tą patį ir žlugo.

Koreliacija – dar ne priežastis

Vienas mėgstamiausių statistikos nesusipratimų. Du reiškiniai vyksta vienu metu – vadinasi, vienas sukelia kitą? Ne. Ledų pardavimai vasarą auga kartu su skendimų skaičiumi. Ar ledai žudo? Žinoma, ne – abu reiškiniai susiję su trečiuoju veiksniu, karštu oru.

Tai skamba juokingai, bet tokia logika naudojama rimtuose debatuose. „Šalyse, kuriose daugiau šokolado suvartojama, daugiau Nobelio premijų laureatų” – reali studija, kuri buvo publikuota kaip pokštas, bet kurią kai kurie žmonės priėmė rimtai. Visada klauskite: ar yra loginis mechanizmas, paaiškinantis ryšį? Ar gali būti trečias veiksnys?

Grafikai, kurie apgaudinėja akis

Pažiūrėkite į Y ašį. Ar ji prasideda nuo nulio? Jei ne – labai tikėtina, kad grafikas sukurtas tam, kad pokytis atrodytų didesnis, nei yra iš tikrųjų. Nedidelis augimas, kai ašis prasideda nuo 97, atrodo kaip milžiniškas šuolis. Tai ne klaida – tai dažnai sąmoningas pasirinkimas.

Taip pat atkreipkite dėmesį į tai, ar palyginami panašūs dalykai. Stulpelinė diagrama, kurioje vienas stulpelis rodo vienerių metų duomenis, o kitas – penkerių, yra beprasmė, bet vizualiai gali atrodyti įtikinamai.

Kai statistika tampa ginklu, o ne įrankiu

Visa tai nereiškia, kad reikia nepasitikėti jokiais duomenimis. Statistika – nepakeičiamas įrankis suprasti pasaulį. Vakcinų veiksmingumas, klimato kaita, ekonominės tendencijos – visa tai grindžiama duomenimis, ir gerai, kad taip yra. Problema ne statistikoje, o tame, kaip ji naudojama.

Paprasčiausias apsaugos mechanizmas – įprotis sustoti ir užduoti kelis klausimus: Kas atliko tyrimą ir ar jie suinteresuoti konkrečiu rezultatu? Kokia imtis ir ar ji reprezentatyvi? Ar kalbama apie absoliučius ar santykinius dydžius? Ar yra galimas trečias veiksnys? Šie klausimai nepavers jūsų statistiku, bet tikrai padarys kritiškesnį skaitytoją.

Skaičiai nemeluoja. Bet tie, kurie juos pasirenka, interpretuoja ir pateikia – kartais labai nori, kad jūs tikėtumėte kažkuo konkrečiu. Ir dažniausiai jiems tai pavyksta, nes mes skubame, tingime gilintis ir pasitikime autoritetais. Šiek tiek sveiko skepticizmo – ne cinizmo, o būtent skepticizmo – gali pakeisti tai, kaip matote ne tik statistiką, bet ir visą informacinę aplinką aplink save.

Statistikos portalų pranešimai atrodo paprastai – skaičiai, grafikai, keli sakiniai apibendrinimo. Tačiau praktika rodo, kad net patyrę analitikai, žurnalistai ir tyrėjai šiuose pranešimuose padaro sisteminių klaidų, kurios vėliau persikelia į straipsnius, ataskaitas ir viešąsias diskusijas. Toliau aptariamos septynios dažniausiai pasitaikančios klaidos, su kuriomis susiduriama skaitant statistinius duomenis.

1. Absoliutūs skaičiai painiojami su procentiniais pokyčiais

Pranešime nurodyta, kad rodiklis „padidėjo 15 tūkstančių“, tačiau be konteksto – kokia buvo bazė – šis skaičius nieko nepasako. Padidėjimas nuo 20 iki 35 tūkstančių yra visiškai kitokio pobūdžio pokytis nei nuo 500 iki 515 tūkstančių, nors absoliutus skirtumas identiškas.

2. Sezoniniai svyravimai priimami kaip tendencija

Nedarbo lygis, mažmeninė prekyba, turizmo srautai – šie rodikliai kinta pagal metų laiką natūraliai, ne dėl ekonominių procesų. Kai lyginamas gruodis su sausiu ir daroma išvada apie „staigų pagerėjimą“, dažniausiai tiesiog ignoruojamas sezoniškumas, kurį patys statistikos portalai jau įtraukia į koreguotus duomenis, tačiau ne visada tie duomenys naudojami.

3. Preliminarūs duomenys traktuojami kaip galutiniai

Pirmieji pranešimai apie ketvirčio ar mėnesio rezultatus dažnai žymimi kaip preliminarūs ir vėliau koreguojami – kartais gana ženkliai. Sprendimai priimami remiantis skaičiais, kurie po mėnesio ar dviejų pasikeičia, o pataisyta versija retai patenka į viešą diskusiją tokia pačia apimtimi kaip pirminė.

4. Koreliacija pateikiama kaip priežastinis ryšys

Kai du rodikliai kinta panašiai, kyla pagunda sukurti priežastinį naratyvą – nors statistikos institucijos paprastai patikslina, kad duomenys rodo ryšį, ne priežastingumą. Ši riba ypač lengvai pamirštama, kai istorija skamba patraukliai.

5. Neatkreipiamas dėmesys į metodikos pasikeitimus

Statistikos institucijos periodiškai atnaujina skaičiavimo metodiką – klasifikacijas, imties dydį, apklausų būdą. Jei tai nutinka tarp lyginamų periodų, ilgalaikis palyginimas praranda prasmę, net jei skaičiai atrodo gretinami korektiškai.

6. Ignoruojama paklaidos riba

Apklausų ir imčių duomenys turi statistinę paklaidą, kuri retai minima antraštėse. Kai skirtumas tarp dviejų rodiklių yra mažesnis nei paklaidos intervalas, teiginys apie „pokytį“ tampa nepagrįstas, nors formaliai skaičiai skiriasi.

7. Vidurkis pateikiamas kaip visos populiacijos atspindys

Vidutinis darbo užmokestis, vidutinės pajamos, vidutinė kaina – šie rodikliai stipriai jautrūs išskirtinėms reikšmėms. Kai pasiskirstymas asimetriškas, mediana suteikia kur kas tikslesnį vaizdą, tačiau vidurkis lieka dažniau naudojamu ir dažniau klaidingai interpretuojamu rodikliu.

Ką iš viso to belieka pasiimti

Šios klaidos kartojasi ne dėl nekompetencijos, o dėl to, kad statistiniai pranešimai sukurti kompaktiškai – jie tiesiog neturi vietos visiems niuansams. Skaitant tokius duomenis verta sulėtinti tempą: pažvelgti į metodikos pastabas, patikrinti, ar skaičius preliminarus, ir paklausti savęs, ar pokytis tikrai reikšmingas, ar tik atrodo toks dėl to, kaip jis pateiktas. Statistika retai meluoja tiesiogiai – dažniau ją tiesiog perskaito neteisingai, ir šis skirtumas lemia, ar išvados bus naudingos, ar tik įtikinamai skambančios.