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.
