Skaičiai meluoja – bet ne patys
Statistika yra vienas iš labiausiai netinkamai naudojamų įrankių viešajame diskurse. Ne todėl, kad ji iš prigimties klaidinanti – o todėl, kad ją lengva pritaikyti taip, kad ji pasakotų bet kokią norimą istoriją. Žiniasklaida, politikai, reklamos kūrėjai – visi jie puikiai išmoko šį meną. Klausimas tik toks: ar mes, skaitytojai, išmokome jį atpažinti?
Pradėkime nuo to, kas iš tiesų vyksta, kai matome kokį nors skaičių. Smegenys natūraliai ieško paprastumo – mes norime, kad duomenys reikštų kažką aiškaus ir nedviprasmiško. Būtent šioje vietoje ir prasideda problemos.
Absoliutūs ir santykiniai dydžiai: klasikinė manipuliacijos vieta
Tarkime, naujienų antraštė skelbia: „Naujas vaistas sumažina vėžio riziką 50 procentų.” Skamba įspūdingai. Bet ką tai iš tikrųjų reiškia?
Jei tikimybė susirgti tuo vėžiu buvo 2 iš 1000, o dabar tapo 1 iš 1000 – tai santykinis sumažėjimas tikrai yra 50%. Tačiau absoliutus sumažėjimas – vos 0,1 procentinio punkto. Tai labai skirtingi dalykai, ir vienas iš jų skamba dramatiškai geriau nei kitas. Farmacijos kompanijos, žurnalistai ir net mokslininkai dažnai pasirenka tą variantą, kuris labiau tinka jų naratyvui.
Taisyklė paprasta: kai matote santykinį pokytį, visada klauskite – o koks buvo pradinis dydis? Be šio konteksto skaičius yra beveik beprasmis.
Imties problema, apie kurią retai kalbama
Tyrimas atliktas su 200 žmonių. Arba su 20. Arba su 20 000 – bet tik iš vieno miesto. Imties dydis ir jos reprezentatyvumas yra du skirtingi klausimai, ir abu jie kritiškai svarbūs.
Didelė imtis negarantuoja patikimų rezultatų, jei ji nėra reprezentatyvi. Klasikinis pavyzdys – 1936 metų JAV prezidento rinkimų prognozė, kurią atliko žurnalas Literary Digest. Jie apklausė daugiau nei 2 milijonus žmonių, tačiau apklausa buvo grindžiama telefonų knygomis ir automobilių registrais – o tai 1936-aisiais reiškė turtingesnius piliečius. Rezultatas: visiškai klaidinga prognozė.
Taigi, kai skaitote apie tyrimą, verta paklausti: kas buvo apklausiama? Kaip jie buvo atrinkti? Ar jie iš tikrųjų atspindi populiaciją, apie kurią kalbama?
Koreliacija, priežastingumas ir mūsų noras matyti ryšius
Šalys, kuriose vartojama daugiau šokolado, turi daugiau Nobelio premijų laureatų. Tai tikra koreliacija – ir ji visiškai nieko nereiškia apie priežastinius ryšius. Tačiau mūsų smegenys desperatiškai nori matyti priežastis, ne tik sutapimus.
Ši tendencija yra giliai įsišaknijusi. Evoliuciškai buvo naudinga greitai daryti išvadas – geriau klaidingai nuspėti, kad krūmuose slypi plėšrūnas, nei praleisti tikrą pavojų. Bet šiuolaikiniame informacijos pasaulyje ši savybė tampa silpnybe.
Kai matote teiginį „X susijęs su Y”, stabtelėkite. Ar tai reiškia, kad X sukelia Y? Gal Y sukelia X? O gal abu lemia koks nors trečias veiksnys Z, kuris tyrime net neminimas? Šie klausimai nėra akademiniai – jie tiesiogiai veikia, kaip interpretuojame sveikatos, ekonomikos ar socialinės politikos duomenis.
Grafikai, kurie rodo tai, ko nėra
Vizualizacija yra galinga – ir būtent todėl ji taip dažnai naudojama manipuliuoti. Vienas iš dažniausių triukų: Y ašis, kuri neprasideda nuo nulio. Nedidelis pokytis grafike atrodo kaip dramatiškas šuolis, nes akis mato proporcijas, o ne absoliučias reikšmes.
Kitas metodas – selektyvus laikotarpio pasirinkimas. Jei ekonomikos augimas buvo lėtas dešimt metų, bet pastaruosius dvejus – spartus, galima rodyti tik tuos dvejus metus ir teigti, kad politika veikia. Arba atvirkščiai – rodyti tik tuos dešimt metų ir teigti, kad viskas blogai.
Prieš darydami išvadas iš grafiko, verta pažiūrėti į ašių skalas, patikrinti, koks laikotarpis rodomas, ir pagalvoti, kaip tas pats grafikas atrodytų su kitokiais parametrais.
Kai skaičiai tampa ginklu
Visa tai, kas išdėstyta, veda prie vienos esmingos minties: statistinis raštingumas nėra matematikos dalykas. Tai kritinio mąstymo dalykas. Gebėjimas sustoti ir paklausti – iš kur šie duomenys, kas juos surinko, kokiu tikslu, ir ką jie iš tikrųjų sako – yra vienas svarbiausių įgūdžių informacinėje visuomenėje.
Tai nereiškia, kad reikia viskuo abejoti arba atmesti statistiką kaip nepatikimą. Priešingai – gerai surinkti ir sąžiningai interpretuoti duomenys yra vienas iš geriausių įrankių suprasti pasaulį. Tačiau tas supratimas ateina tik tada, kai mes patys aktyviai dalyvaujame interpretacijos procese, o ne tiesiog priimame pateiktą versiją kaip tiesą.
Kitą kartą, kai pamatysite įspūdingą statistiką – nesvarbu, ar ji patvirtina jūsų įsitikinimus, ar juos paneigia – skirkite minutę ir paklauskite paprastų klausimų. Dažnai to pakanka, kad istorija pradėtų atrodyti visai kitaip.
