Kategorija: Faktai

Kodėl statistika taip lengvai apgauna

Statistika – tai tarsi peilis: galima ja supjaustyti duoną, o galima ir susižeisti. Problema ne pačioje statistikoje, o tame, kaip mes ją skaitome. Dauguma žmonių mato skaičių ir galvoja: „Na, tai faktas.” Bet skaičius be konteksto yra beveik beprasmis, o kartais net pavojingas.

Paimkime paprastą pavyzdį. Jei kažkas jums sako, kad „nauja dieta padeda numesti 10 kilogramų”, klausimas nėra „ar tai tiesa?”, o „palyginus su kuo?” Gal žmonės be jokios dietos per tą patį laikotarpį numeta 8 kilogramus. Tada ta „stebuklinga” dieta duoda vos 2 kilogramų skirtumą. Ar tai vis dar įspūdinga?

Absoliutūs ir santykiniai skaičiai – klasikinė pinklė

Vienas dažniausių manipuliavimo būdų – žaisti absoliučiais ir santykiniais dydžiais. Tarkime, vaistas sumažina širdies priepuolio riziką 50%. Skamba fantastiškai, tiesa? Bet jei ta rizika buvo 2%, o tapo 1% – tai absoliutus sumažėjimas tėra 1 procentinis punktas. Ar verta gerti vaistą dėl tokio skirtumo? Tai jau kitas klausimas.

Žiniasklaida dažnai renkasi tą versiją, kuri skamba dramatiškiau. Ir tai suprantama – 50% sumažėjimas skamba daug geriau nei „vienas iš šimto žmonių papildomai išvengs priepuolio”. Todėl kai matote procentus, visada klauskite: o koks buvo pradinis skaičius?

Koreliacija nėra priežastingumas – bet tai ne tik frazė

Šią frazę visi girdėjo, bet retai kas ją tikrai taiko. Koreliacija reiškia, kad du dalykai kinta kartu. Priežastingumas reiškia, kad vienas sukelia kitą. Skirtumas milžiniškas.

Klasikinis pavyzdys: šalyse, kur žmonės valgo daugiau šokolado, daugiau Nobelio premijų laureatų. Ar šokoladas daro žmones protingesnius? Žinoma, ne. Tiesiog turtingesnės šalys gali sau leisti ir daugiau šokolado, ir geresnį mokslą. Trečias veiksnys – turtingumas – paaiškina abu.

Kai matote tyrimą, kuris sako „X susijęs su Y”, pagalvokite: ar gali būti koks nors Z, kuris lemia abu? Dažnai taip ir yra.

Imties dydis ir reprezentatyvumas

Tyrimas su 30 žmonių ir tyrimas su 30 000 žmonių – tai du visiškai skirtingi dalykai, net jei rezultatai panašūs. Mažos imties tyrimai yra labai jautrūs atsitiktinumui. Gali tiesiog „pasisekti” gauti tokius rezultatus, kurie kitą kartą nepasikartos.

Bet imties dydis – tik pusė istorijos. Svarbu ir tai, kas į tą imtį patenka. Jei apklausiate žmones universiteto koridoriuje apie politines pažiūras, jūsų imtis tikrai neatspindės visos visuomenės. Tai vadinama atrankos šališkumu, ir jis gali visiškai iškreipti rezultatus, net jei apklausėte tūkstančius žmonių.

Kaip apsisaugoti – ne taisyklės, o mąstymo įprotis

Nereikia tapti statistiku, kad nesusipainioti duomenyse. Pakanka kelių klausimų, kuriuos užduodate sau kiekvieną kartą, kai matote statistiką.

Pirma – kas tai matuoja ir kaip? Pavyzdžiui, „laimė” skirtinguose tyrimuose matuojama visiškai skirtingai. Vienas klausia „ar esate laimingas?”, kitas – „kiek kartų per savaitę jaučiate teigiamas emocijas?” Tai nėra tas pats dalykas.

Antra – kas finansavo tyrimą? Tai ne sąmokslo teorija, o sveika nuovoka. Tyrimai, finansuojami pramonės, kuri turi interesą gauti tam tikrus rezultatus, statistiškai dažniau tuos rezultatus ir gauna. Tai nereiškia, kad tokie tyrimai meluoja – bet verta žinoti.

Trečia – ar yra alternatyvus paaiškinimas? Prieš priimdami vieną interpretaciją, pagalvokite, ar galima paaiškinti tą patį kitaip. Jei galima – reikia daugiau įrodymų.

Statistika kaip pokalbis, o ne nuosprendis

Geriausias būdas žiūrėti į statistinius duomenis – ne kaip į galutinį atsakymą, o kaip į pradžią pokalbio. Kiekvienas tyrimas yra vienas žingsnis, ne visa tiesa. Mokslininkai tai žino ir todėl nuolat kartoja tyrimus, tikrina vienas kito darbus, keičia išvadas.

Problema kyla tada, kai žiniasklaida ar socialiniai tinklai paima vieną tyrimą ir pateikia jį kaip „mokslas įrodė”. Mokslas retai ką nors „įrodo” vienu tyrimu – jis kaupia įrodymus lėtai, nuosekliai, dažnai su klaidomis pakeliui.

Taigi kai kitą kartą matysite antraštę su procentais, stebuklais ar „mokslininkų atradimais” – sustokite sekundei. Paklauskite paprastų klausimų. Ne tam, kad viskuo abejotumėte, o tam, kad suprastumėte tiek, kiek iš tikrųjų galima suprasti. Tai ir yra statistinis raštingumas – ne skaičių žinojimas, o gebėjimas su jais gyventi neprarandant kritinio mąstymo.

Kiekvieną savaitę pro akis prabėga dešimtys skaičių: nedarbo procentai, infliacijos rodikliai, apklausų rezultatai, sveikatos statistikos. Dauguma jų priimami be didesnio abejojimo – juk skaičius atrodo objektyviai, sausai, sunkiai užginčijamai. Bet būtent tas objektyvumo įspūdis dažnai ir yra problema. Skaičius pats savaime nemeluoja, tačiau būdas, kuriuo jis pateikiamas, gali pasakyti visai kitą istoriją nei ta, kurią rodo tikrovė.

Kai procentas pasako mažiau, nei atrodo

Vienas dažniausių triukų – santykinio ir absoliutaus dydžio painiava. Antraštė skelbia, kad tam tikros ligos rizika išaugo 50 procentų. Skamba gąsdinančiai, kol nepažiūri, kad rizika padidėjo nuo 0,002 iki 0,003 procento. Matematiškai teisinga, emociškai – klaidinanti. Tas pats principas galioja ir ekonomikoje: pareiškimas, kad kainos „pakilo dvigubai lėčiau nei pernai“, nieko nepasako apie tai, ar jos apskritai kyla, ar kartais net krenta.

Verta įprasti klausti ne „kiek procentų“, o „procentų nuo ko“. Be bazinio skaičiaus procentinis pokytis yra tuščias.

Imties dydis ir tyliai nuleistos detalės

Apklausa, kurioje dalyvavo 400 žmonių, ir apklausa su 4000 respondentų statistiškai turi labai skirtingą patikimumo lygį, tačiau žiniasklaidoje dažnai pateikiamos vienodai autoritetingai. Dar rečiau paminima, kaip buvo formuojama imtis – ar respondentai atsitiktiniai, ar tai savanoriškai užpildyta internetinė anketa, kurią linkę pildyti tik tie, kas turi stiprią nuomonę. Toks metodologinis skirtumas gali lemti visiškai priešingas išvadas iš, atrodytų, panašių tyrimų.

Praktiškas patarimas: jei straipsnyje minimas tyrimas ar apklausa, verta paieškoti originalaus šaltinio. Dažnai paaiškėja, kad žiniasklaidos antraštė ištraukė vieną skaičių iš konteksto, ignoruodama likusią, kur kas sudėtingesnę tyrimo dalį.

Koreliacija dėvi priežastingumo kaukę

Tai, ko gero, seniausias statistikos manipuliavimo būdas, ir vis dėlto jis veikia nuolat. Du reiškiniai kinta kartu – ledų pardavimai ir nuo karščio kylantys skendimo atvejai – bet tai nereiškia, kad vienas sukelia kitą. Abu paprasčiausiai susiję su trečiuoju veiksniu, šiuo atveju karščiu. Rimtesniuose kontekstuose ši klaida tampa pavojingesnė: kai politikos ar sveikatos sprendimai grindžiami koreliacija, kuri iš tikrųjų yra atsitiktinė arba priklauso nuo nepastebėto tarpinio kintamojo.

Sveika taisyklė – kaskart, kai matote frazę „tyrimas parodė ryšį“, patikrinti, ar tekste bent bandoma paaiškinti mechanizmą, kodėl vienas dalykas veiktų kitą. Jei paaiškinimo nėra, tikėtina, kad ir patys tyrėjai neturi pakankamai duomenų teigti priežastingumą.

Grafikų geometrija: kaip ašis pakeičia istoriją

Vizualizacijos dažnai manipuliuoja subtiliau nei tekstas. Nutrūkusi y ašis gali paversti nereikšmingą 2 procentų svyravimą į dramatišką šuolį. Pasirinktas laikotarpis – pavyzdžiui, palyginimas su itin žemu ar itin aukštu tašku praeityje – gali sukurti įspūdį apie tendenciją, kurios iš tikrųjų nėra. Verta įsivertinti, ar grafiko skalė prasideda nuo nulio, ir ar laikotarpis, kuris rodomas, yra reprezentatyvus, ar tiesiog patogiai parinktas argumentui pagrįsti.

Kas užsako duomenis

Retai kada straipsnyje pabrėžiama, kas finansavo tyrimą. Farmacijos kompanijos užsakytas tyrimas apie savo produkto veiksmingumą, pramonės asociacijos finansuota apklausa apie reguliavimo poveikį – tai nebūtinai reiškia, kad duomenys suklastoti, bet interesų konfliktas turėtų kelti papildomą atidumą. Skaidrūs tyrimai paprastai nurodo finansavimo šaltinį ir metodologiją atskirame priede; jei tokios informacijos rasti nepavyksta, tai savaime yra signalas.

Skaičiai kaip veidrodis, o ne kaip nuosprendis

Statistika iš esmės yra įrankis suprasti pasaulį, ne baigtinis argumentas jį uždaryti. Kiekvienas skaičius atspindi tam tikrą metodą, tam tikrą imtį, tam tikrą laiko momentą – ir visa tai formuoja, ką tas skaičius iš tikrųjų reiškia. Skaitant naujienas su duomenimis, verta ne atmesti skaičius kaip nepatikimus a priori, bet elgtis su jais kaip su liudytojo parodymais teisme: klausti, iš kur informacija, kas ją rinko, kokiu tikslu ir ką ji nutyli. Tas, kas įpranta užduoti šiuos klausimus automatiškai, nustoja būti pasyviu skaičių vartotoju ir tampa žmogumi, kuris skaito tarp eilučių – ten, kur dažniausiai ir slypi tikroji istorija.

Statistika – draugas ar priešas?

Žinote tą jausmą, kai matote kokį nors antraštę tipo „80% žmonių sutinka su X” ir galvojate – oho, tai rimtas argumentas? O paskui pasirodo, kad tą tyrimą atliko pati kompanija, kuri parduoda X, ir apklausė 15 savo darbuotojų. Statistika yra nuostabi, kai ji naudojama sąžiningai, bet ji taip pat gali būti vienas iš galingiausių manipuliacijos įrankių, kokius žmonija išrado.

Gera žinia – suprasti, kada esi apgaudinėjamas, nėra taip sunku, kaip atrodo. Nereikia būti matematikos genijumi. Reikia tiesiog žinoti, į ką žiūrėti.

Imtis – viskas prasideda čia

Pirmasis klausimas, kurį turėtum užduoti matydamas bet kokį tyrimą: kiek žmonių buvo apklausta ir kas jie tokie? Tai skamba elementariai, bet dauguma žmonių šį žingsnį praleidžia.

Jei tyrimas sako, kad „trys iš keturių gydytojų rekomenduoja šį produktą” – tai reiškia, kad galbūt buvo apklausta tik keturi gydytojai. Ir gal tie keturi buvo parinkti neatsitiktinai. Imtis turi būti pakankamai didelė ir reprezentatyvi – tai yra, ji turi atspindėti visą populiaciją, apie kurią kalbama, o ne tik patogią jos dalį.

Kitas dalykas – kaip žmonės buvo atrinkti. Jei apklausa vykdoma internete ir žmonės patys renkasi dalyvauti, rezultatai bus iškreipti. Aktyviau dalyvauja tie, kuriems tema svarbi arba kurie turi stiprią nuomonę. Tai vadinama saviatrankos šališkumu, ir jis gali visiškai išversti tyrimą aukštyn kojomis.

Procentai be konteksto – klasikinė apgavystė

„Rizika išaugo 100%!” – skamba baisiai, tiesa? Bet jei pradinė rizika buvo 0,001%, tai dabar ji yra 0,002%. Vis dar labai maža. Šis triukas vadinamas santykiniu rizikos padidėjimu, ir jis naudojamas nuolat – ypač farmacijos reklamose ir sensacingose žiniasklaidos antraštėse.

Todėl visada ieškokite absoliučių skaičių. Jei kažkas sako „išaugo 50%”, klauskite – nuo ko iki ko? Kiek tai reiškia realiais žmonėmis ar atvejais? Kontekstas keičia viską.

Dar vienas mėgstamas triukas – vidurkis vietoj medianų. Tarkime, penkiems žmonėms uždirba 1000, 1000, 1000, 1000 ir 100 000 eurų. Vidurkis bus 20 800 eurų – skaičius, kuris neatspindi nė vieno realaus žmogaus situacijos. Mediana (vidurinė reikšmė) būtų 1000 eurų – daug tiksliau. Kai kalbama apie pajamas, turto pasiskirstymą ar kainas, visada klauskite: ar čia vidurkis, ar mediana?

Koreliacija – ne tas pats, kas priežastingumas

Tai tikriausiai labiausiai išnaudojamas statistinis nesusipratimas. Du dalykai gali vykti vienu metu ir neturėti nieko bendra tarpusavyje. Ledų pardavimai vasarą išauga. Nuskaндimų skaičius vasarą taip pat išauga. Ar ledai žudo? Žinoma, ne – abu reiškiniai tiesiog susiję su vasara ir karštu oru.

Kai matote teiginį „X žmonės, kurie daro Y, gyvena ilgiau” – tai dar nereiškia, kad Y yra priežastis. Galbūt žmonės, kurie daro Y, taip pat turi daugiau pinigų, geriau maitinasi, mažiau stresauja. Galbūt Y yra tik simptomas, o ne priežastis. Šie paslėpti veiksniai vadinami trikdančiais kintamaisiais, ir jie gali paversti bet kokį tyrimą beprasmiu, jei į juos neatsižvelgiama.

Grafikai, kurie meluoja tiesą sakydami

Vizualizacijos – tai atskiras menas klaidinti. Vienas klasikiausių triukų – Y ašies manipuliacija. Jei grafikas pradedamas ne nuo nulio, net mažas pokytis atrodo kaip dramatiškas šuolis. Kompanijos tai daro nuolat, rodydamos savo akcijų augimą ar produkto populiarumą.

Taip pat atkreipkite dėmesį į laiko ašį. Jei rodomas augimas per pastaruosius tris mėnesius, bet prieš tai buvo penkerių metų kritimas – tai labai selektyvi tiesa. Visada klauskite, koks yra platesnis kontekstas ir kodėl pasirinktas būtent toks laikotarpis.

Kai statistika tampa gyvenimo įgūdžiu

Skaityti statistinius duomenis kritiškai – tai ne paranoja ir ne cinizmas. Tai tiesiog pagarba sau ir savo sprendimams. Kiekvieną dieną esame bombarduojami skaičiais – apie sveikatą, politiką, ekonomiką, produktus – ir dažniausiai kažkas tų skaičių parinko labai apgalvotai, norėdamas, kad galvotume tam tikru būdu.

Geriausias ginklas prieš tai – keli paprasti klausimai: Kas atliko tyrimą ir kodėl? Kiek žmonių dalyvavo ir kaip jie buvo atrinkti? Ar tai absoliutūs, ar santykiniai skaičiai? Ar koreliacija painiojama su priežastingumu? Ar grafikas vizualiai neklaidina? Šie klausimai nepavers jūsų statistiku, bet tikrai pavers žmogumi, kurio daug sunkiau apgauti. O tai, draugai, šiais laikais yra tikrai vertinga supergalia.

Kodėl statistika taip lengvai apgauna

Turbūt esate matę antraštę tipo „Mokslininkai įrodė, kad kavos gėrėjai gyvena ilgiau”. Ir tikriausiai bent akimirką pagalvojote – gal reikėtų išgerti dar vieną puodelį? Štai čia prasideda problema. Statistika nėra melavimo įrankis, bet ji yra neįtikėtinai patogi priemonė klaidinti – ypač tuos, kurie neskiria laiko paskaityti smulkų šriftą.

Geros naujienos: norint suprasti, ar jums rodomi duomenys yra patikimi, nereikia būti matematiku. Reikia tik žinoti kelis pagrindinius dalykus.

Koreliacija nėra priežastingumas – ir tai nėra tik frazė

Tai bene dažniausiai kartojama statistikos taisyklė, bet žmonės vis tiek ją pamiršta, kai duomenys atrodo įtikinami. Pavyzdys iš realaus gyvenimo: tyrimai rodo, kad šalyse, kur vartojama daugiau šokolado, yra daugiau Nobelio premijos laureatų. Ar šokoladas daro žmones protingesnius? Žinoma, ne – tiesiog turtingesnės šalys tiek daugiau valgo šokolado, tiek turi geresnes mokslo institucijas.

Kai matote teiginį „X susijęs su Y”, visada paklauskite savęs: ar gali būti trečias veiksnys, kuris lemia abu? Dažniausiai – gali.

Absoliutūs ir santykiniai skaičiai – skirtumas, kuris keičia viską

Įsivaizduokite, kad vaistas sumažina vėžio riziką 50%. Skamba įspūdingai, tiesa? Bet jei pradinė rizika buvo 2 iš 1000, tai po vaisto ji tampa 1 iš 1000. Santykinis sumažėjimas – 50%. Absoliutus sumažėjimas – 0,1 procento punkto.

Farmacijos kompanijos, politikai ir žiniasklaida mėgsta naudoti tą skaičių, kuris atrodo įspūdingiausiai. Todėl visada verta paklausti: o koks buvo pradinis dydis? Be šio konteksto santykiniai skaičiai beveik nieko nesako.

Imties dydis ir reprezentatyvumas – du klausimai, kuriuos reikia užduoti iš karto

„Tyrimas su 12 dalyvių parodė…” – tokia antraštė turėtų iš karto sukelti įtarimą. Kuo mažesnė imtis, tuo didesnė tikimybė, kad rezultatai yra atsitiktiniai. Bet imties dydis nėra vienintelis dalykas.

Svarbu ir tai, kas buvo tiriama. Jei apklausa apie politines pažiūras buvo atlikta tik universiteto miestelyje, jos rezultatai tikrai neatspindi visos visuomenės. Reprezentatyvumas reiškia, kad tiriamoji grupė turi atspindėti tą populiaciją, apie kurią daromos išvados. Dažnai to nebūna.

Grafikai gali meluoti net nemelodami

Vienas klasikinių triukų – Y ašies manipuliacija. Jei grafikas prasideda ne nuo nulio, net nedidelis pokytis atrodo dramatiškas. Pavyzdžiui, jei akcijų kaina pakilo nuo 98 iki 102 eurų, bet grafikas rodo ašį nuo 95 iki 105, linija atrodo kaip stačias šuolis į viršų.

Kitas dalykas – spalvos ir proporcijos skritulinėse diagramose, kurios kartais vizualiai iškreipiamos. Prieš darydami išvadas iš grafiko, pažiūrėkite į skaičius po juo. Jie pasakys daugiau nei bet kokia linija.

Kai skaičiai tampa įrankiu, o ne tiesa

Statistika pati savaime nėra nei gera, nei bloga – ji yra tiek pat patikima, kiek patikimi žmonės, kurie ją renka, interpretuoja ir pateikia. Todėl svarbiausia įprotis, kurį galite susiformuoti, yra paprastas: nesustokite ties antrašte. Paklauskite, kas atliko tyrimą ir kas jį finansavo. Paklauskite, kiek žmonių buvo tiriama ir kaip jie buvo parinkti. Paklauskite, ar kalbama apie absoliučius, ar santykinius skaičius.

Tai nėra cinizmas ar nepasitikėjimas mokslu – tai elementarus kritinis mąstymas, kurio statistika tiesiog reikalauja. Ir kuo dažniau užduosite šiuos klausimus, tuo sunkiau bus jus suklaidinti – nesvarbu, ar tai darytų žiniasklaida, politikai, ar net geranoriški mokslininkai, kurie tiesiog perdėtai optimistiškai interpretavo savo rezultatus.

Skaičiai meluoja. Arba meluojame mes?

Kiekvieną dieną naujienų portalai bombarduoja mus statistika. „Nusikalstamumas išaugo 40%.” „Nauja dieta sumažina širdies ligų riziką perpus.” „Lietuviai – vieni laimingiausių Europoje.” Skamba įtikinamai, tiesa? Problema ta, kad dauguma žmonių perskaito antraštę, patiki ja ir eina toliau. O būtent toje antraštėje dažniausiai ir slypi manipuliacija.

Statistika nėra objektyvi tiesa. Ji yra įrankis, o įrankius galima naudoti tiek gerai, tiek blogai. Žurnalistai, politikai ir rinkodaros specialistai tai žino puikiai.

Absoliutūs ir santykiniai skaičiai – klasikinė apgaulė

Štai pavyzdys: „Vaistas sumažina vėžio riziką 50%.” Skamba revoliucingai. Bet ką tai reiškia iš tikrųjų? Jei jūsų pradinė rizika susirgti buvo 2%, tai po vaisto ji tapo 1%. Santykinis sumažėjimas – 50%. Absoliutus – vienas procentinis punktas. Tai du visiškai skirtingi pasakojimai apie tą patį faktą.

Žiniasklaida beveik visada renkasi santykinį skaičių, nes jis atrodo įspūdingiau. Farmacijos kompanijos reklamose – taip pat. Kai kitą kartą pamatysite tokį teiginį, iškart klauskite: o koks buvo pradinis dydis? Be to konteksto skaičius yra beveik beprasmis.

Imtis – ta nepatogi smulkmena, kurią visi ignoruoja

„Tyrimas parodė, kad žmonės, klausantys klasikinės muzikos, uždirba daugiau.” Įdomu. O kiek žmonių dalyvavo tyrime? Jei atsakymas yra „34 studentai iš vieno universiteto” – galite tą tyrimą drąsiai pamiršti. Maža, nereprezentаtyvi imtis gali parodyti bet ką. Statistinis atsitiktinumas egzistuoja, ir su mažomis grupėmis jis daro stebuklus.

Be to, reikia klausti, kas tie žmonės. Jei apklausėte tik miesto gyventojus, jūsų išvados apie „visus lietuvius” yra, švelniai tariant, drąsios. Reprezentatyvumas – ne techninė detalė, o pagrindinis klausimas.

Koreliacija ir priežastingumas – amžinas galvos skausmas

Šis principas žinomas, bet nuolat pamirštamas. Šalyse, kur žmonės valgo daugiau šokolado, yra daugiau Nobelio premijos laureatų. Ar šokoladas daro žmones protingus? Žinoma, ne – abi tendencijos susijusios su turtingumu, o ne viena su kita.

Tačiau žiniasklaida nuolat rašo „X susiję su Y riziką” ir skaitytojai supranta tai kaip „X sukelia Y”. Žodis „susiję” čia atlieka labai svarbų darbą – jis techniškai teisingas, bet klaidina. Kai skaitote apie kokį nors ryšį, klauskite: ar buvo kontroliuojami kiti veiksniai? Ar tai tik koreliacija, ar tikrai nustatyta priežastis?

Bazinis lygis ir kontekstas – ko niekas nepasako

„Nusikalstamumas išaugo 40%!” Skamba baisiai. Bet jei praėjusiais metais buvo užfiksuoti 10 įvykių, o šiais – 14, tai matematiškai tikrai yra 40% augimas. Praktiškai – keturi papildomi atvejai dideliame mieste. Tai tragedija ar statistinis triukšmas? Labai priklauso nuo konteksto, kurio antraštė neduoda.

Tas pats veikia ir atvirkščiai. „Beveik niekas neserga X liga” gali reikšti, kad sergamumas sumažėjo nuo 0,001% iki 0,0005% – o gal tiesiog liga reta ir visada tokia buvo. Be bazinio lygio ir istorinės perspektyvos skaičiai plaukioja ore.

Tai ne paranoja – tai elementari higiena

Nereikia tapti statistiku, kad nepakliūtumėte į paprasčiausias spąstas. Pakanka kelių įpročių: visada ieškoti originalaus tyrimo, o ne jo interpretacijos; klausti, kiek žmonių buvo tiriama ir kas jie; skirti santykinius ir absoliučius skaičius; nepriimti koreliacijos kaip priežasties. Tai nėra sudėtinga – tai tiesiog atidumas, kurio žiniasklaida dažnai neskatina, nes paprastos, dramatiškos antraštės parduodasi geriau nei niuansuoti paaiškinimai. Kitą kartą, kai skaičius jus nustebins ar išgąsdinys, sustokite sekundei. Paklauskite: o palyginti su kuo? Ir kas tai matuoja? Dažnai paaiškės, kad istorija yra visiškai kitokia.