Skaičiai meluoja – bet ne patys
Statistika yra vienas iš galingiausių įrankių, kuriais galima tiek paaiškinti pasaulį, tiek jį iškraipyti. Problema ne pačiuose skaičiuose – jie neutralūs. Problema ta, kaip jie pateikiami, kokiame kontekste ir su kokiu tikslu.
Pavyzdžiui, sakoma, kad kažkoks produktas „sumažina riziką 50 procentų”. Skamba įspūdingai. Bet jei pradinė rizika buvo 2 iš 1000, tai po sumažinimo ji tampa 1 iš 1000. Absoliutus skirtumas – vienas žmogus iš tūkstančio. Tai jau kur kas mažiau dramatiškai atrodo, tiesa?
Imties dydis ir reprezentatyvumas
Vienas iš dažniausių spąstų – maža arba netinkamai parinkta imtis. Jei apklausiami 200 žmonių viename mieste, rezultatai negali atstovauti visos šalies nuomonei. Tačiau antraštėse dažnai rašoma „lietuviai mano, kad…” – ir niekas neklausia, kokie tai lietuviai ir kiek jų buvo apklausta.
Kitas dalykas – kaip žmonės buvo parenkami. Jei apklausa vykdyta internetu, automatiškai iškrenta vyresnio amžiaus žmonės, kurie internetu naudojasi mažiau. Tai reiškia, kad rezultatai jau iš pradžių yra šališki, net jei skaičiai atrodo gražūs ir tikslūs.
Koreliacija nėra priežastingumas
Tai galbūt labiausiai nuvalkiotas, bet vis tiek dažniausiai ignoruojamas statistikos principas. Du reiškiniai gali vykti vienu metu ir net turėti ryšį, bet tai nereiškia, kad vienas sukelia kitą.
Klasikinis pavyzdys: šalyse, kuriose žmonės valgo daugiau šokolado, išduodama daugiau Nobelio premijų. Ar šokoladas skatina genialumą? Žinoma, ne. Abu rodikliai koreliuoja su bendru gyvenimo lygiu ir išsivystymu. Tačiau žiniasklaidoje tokie ryšiai dažnai pateikiami kaip priežastiniai, nes tai skamba įdomiau.
Grafikai, kurie apgauna akį
Vizualizacija gali būti manipuliacijos įrankis. Jei stulpelinėje diagramoje Y ašis prasideda ne nuo nulio, o nuo, tarkime, 95, net nedidelis skirtumas atrodo kaip milžiniškas šuolis. Tai techniškai teisinga, bet vizualiai klaidinanti.
Taip pat svarbu atkreipti dėmesį į laiko ašį. Jei rodoma tik pastarųjų trijų mėnesių tendencija, o prieš tai buvo kelerių metų nuosmukis, vaizdas tampa visiškai kitoks nei realybė.
Ką daryti, kai matai statistiką
Keletas paprastų klausimų, kuriuos verta užduoti sau:
- Kiek žmonių buvo apklausta ir kas jie?
- Kas finansavo tyrimą?
- Ar rodamas absoliutus, ar santykinis dydis?
- Ar grafikas prasideda nuo nulio?
- Ar koreliacija pateikiama kaip priežastingumas?
Tai ne paranoja – tai elementarus kritinis mąstymas.
Skaičiai – tik pusė istorijos
Statistiniai duomenys yra naudingi tiek, kiek mes mokame juos skaityti. Niekas nereikalauja tapti matematiku ar duomenų analitiku, bet keletas pagrindinių principų gali apsaugoti nuo klaidingų išvadų – tiek tų, kurias kiti bando primesti, tiek tų, kurias patys padarome norėdami patvirtinti tai, kuo jau tikime. Galiausiai, geriausia apsauga nuo statistinės manipuliacijos yra ne nepasitikėjimas skaičiais, o įprotis klausti: kokio konteksto čia trūksta?
