Skaičiai meluoja rečiau nei žmonės, kurie juos aiškina
Statistika turi keistą savybę – ji atrodo objektyvi, bet jos interpretacija beveik visada yra subjektyvi. Kai žiniasklaidoje pasirodo antraštė „Tyrimas įrodo, kad X sukelia Y”, dauguma žmonių linkę tuo patikėti. Skaičiai juk nemeluoja. Tačiau problema ne skaičiuose – problema tame, kaip jie parenkami, pateikiami ir komentuojami.
Tai ne sąmokslo teorija. Tai tiesiog tai, kaip veikia informacijos pasaulis.
Absoliutūs ir santykiniai dydžiai – klasikinė painiava
Vienas dažniausių būdų, kaip statistika tampa klaidinanti – tai žongliravimas absoliučiais ir santykiniais skaičiais, priklausomai nuo to, kuris labiau tinka norimam naratyvui.
Pavyzdys: vaistas sumažina tam tikros ligos riziką 50 procentų. Skamba įspūdingai. Bet jei pradinė rizika buvo 2 iš 1000, tai dabar ji yra 1 iš 1000. Santykinis pokytis – 50 procentų. Absoliutus pokytis – 0,1 procento. Abu skaičiai teisingi. Tačiau jie sukuria visiškai skirtingą įspūdį.
Kai matote procentus, visada verta paklausti: nuo ko skaičiuojama? Koks pradinis dydis?
Koreliacija ir priežastingumas – amžinas nesusipratimas
Šalys, kuriose vartojama daugiau šokolado, turi daugiau Nobelio premijų laureatų. Tai tikri duomenys. Bet tai nereiškia, kad šokoladas skatina mokslinę genialumą – tiesiog turtingesnės šalys ir daugiau šokolado perka, ir daugiau investuoja į mokslą.
Tai vadinama spuriine koreliacija – dviejų nesusijusių dalykų statistiniu sutapimu. Žiniasklaidoje tokie ryšiai dažnai pateikiami kaip atradimai, nes jie įdomūs. Tačiau koreliacija tik parodo, kad du dalykai kinta kartu – ne tai, kad vienas lemia kitą.
Prieš priimant bet kokią „tyrimas įrodė” tipo žinutę, verta sustoti ir pagalvoti: ar yra loginis mechanizmas, kuris paaiškintų šį ryšį? Ar gali būti trečias veiksnys, lemiantis abu reiškinius?
Imties dydis ir reprezentatyvumas
„Tyrimas su 30 dalyvių parodė…” – toks sakinys turėtų iš karto sukelti atsargumą. Maža imtis reiškia didelę atsitiktinumo įtaką. Rezultatai gali būti visiškai teisingi toje konkrečioje grupėje ir visiškai netaikytini visiems kitiems.
Bet imties dydis – tik dalis klausimo. Svarbu ir tai, kaip ji sudaryta. Jei apklausiami tik universiteto studentai, rezultatai gali netikti vyresnio amžiaus žmonėms. Jei tyrime dalyvauja tik savanoriai, jie jau iš pradžių skiriasi nuo bendros populiacijos.
Geras tyrimas aiškiai aprašo, kas buvo tiriama ir kokioms grupėms rezultatai gali būti taikomi. Jei to aprašymo nėra – tai signalas būti atsargesniems.
Grafikų vizualiniai triukai
Grafikai yra puiki priemonė duomenims suprasti. Jie taip pat yra puiki priemonė duomenims iškraipyti. Dažniausias triukas – Y ašies manipuliacija. Jei ašis pradedama ne nuo nulio, net nedidelis pokytis atrodo dramatiškas. Stulpelis, kuris vizualiai atrodo dvigubai aukštesnis, gali atspindėti tik kelių procentų skirtumą.
Kitas dalykas – selektyviai parinktas laikotarpis. Priklausomai nuo to, nuo kada iki kada rodomi duomenys, ta pati tendencija gali atrodyti kaip augimas arba kaip nuosmukis. Prieš darydami išvadas iš grafiko, verta pažiūrėti į ašių žymėjimus ir paklausti, ar laikotarpis pasirinktas neutraliai.
Kai skaičiai tampa įrankiu, o ne atsakymu
Visa tai nereiškia, kad statistika nenaudinga arba kad ja negalima pasitikėti. Priešingai – tinkamai naudojama statistika yra vienas patikimiausių būdų suprasti pasaulį. Problema ne metodas, o tai, kaip jis naudojamas.
Praktiškai tai reiškia kelis paprastus įpročius: ieškoti originalaus šaltinio, o ne tik žiniasklaidos interpretacijos. Klausti, kas finansavo tyrimą. Tikrinti, ar absoliutūs skaičiai atitinka santykinius. Nepasiduoti pirmam įspūdžiui, kurį sukuria dramatiškai suformuluota antraštė.
Statistinis raštingumas nereikalauja matematikos žinių. Jis reikalauja įpročio sustoti ir paklausti paprastų klausimų. Ir tai, beje, yra įprotis, kurį galima ugdyti – kaip ir bet kurį kitą.
