「数据会说谎」的真实例子有哪些？
发布时间：2022-09-12 16:25:29 所属栏目：大数据 来源：
导读： 世界上有三种谎言：谎言、十足的谎言、和统计数字(There are three kinds of lies: lies, damned lies, and statistics)。——马克·吐温
以下例子来自我写在自己博客上的一个案例&mdas
以下例子来自我写在自己博客上的一个案例&mdas
|
世界上有三种谎言：谎言、十足的谎言、和统计数字(There are three kinds of lies: lies, damned lies, and statistics)。——马克·吐温 以下例子来自我写在自己博客上的一个案例—— 【壞球同學：你統計學这么好，你老師知道嗎】 环球时报旗下专业从事舆情调查与监测的研究咨询机构——环球舆情中心27日发布一份调查报告称：在安倍参拜靖国神社后，有74.6%受访者倾向对日本强硬反制（ 环球舆情调查：74.6%受访者倾向对日本强硬反制 这份调查被其它媒体（如中国经济网，网易新闻）转述时，标题变为“7成中国人倾向对日强硬”。改写标题的其他媒体的小编，你们要么是存心扭曲，要么就是统计学没学好。 我们先来看看环球时报报道的原文： 本次调查所选取的7个城市分别是北京、上海、广州、成都、西安、长沙、沈阳。调查时间为27日14时至17时，共回收有效问卷1077份。本次调查采用在线会员库随机抽样的调查方式进行数据收集，所有样本均通过在线调查会员库随机抽取，受访者自愿填答问卷。所有受访对象为18岁以上普通民众。本次调查为简单随机抽样，在95%的置信度下数据真实性，样本的允许抽样误差为3.0%。 然后再补充一下统计学的基础知识（上过统计学课的同学可以跳过这部分）。统计学分为描述统计（descriptive statistics）和推断统计（inferential statistics）。前者是对数据的整理、归纳和展示，后者是在描述样本的基础上，将其结论推及总体。 描述统计是推断统计的基础，推断统计是描述统计的提高。如果只停留在描述统计，从样本（sample，总体的一部分）数据得到的结论只能就这个样本而言，而不能推广到其它个体，换句话说，如果想知道其它个体的信息，就必须重新收集和整理数据。 推断统计的作用，就是让仅凭一个样本做出的结论，也能推广应用到整个总体，而无需收集全部个体的数据。但必须提到的一点是，只有采用概率（随机）抽样（probability sampling）调查方式得到的样本，其结论才能推及总体，非概率抽样(non-probability sampling)得到的样本则不行。 回到环球时报发布这篇报道的标题“有74.6%受访者倾向对日强硬反制”，你会发现，环球时报的报道比较谦虚（心虚？）的：只停留在就样本论样本的层次——确实他们调查了一些人，这些人的数据也的确提供了这样的结果，结论也仅适用于他们调查的这些人。 但其它媒体的转述就不同，它们将样本的结论推广到整个总体——“全体中国人”，这就是问题所在。推断统计过程中，把从样本得到的结论推广到总体，还需要满足一些条件，回答一些问题（见附录2“相信某个抽样调查结果前该问的问题”）。 其中最重要的一点是：调查有否采用随机抽样（random sampling）。从文章中，我们的确找到了“随机”二字，而且不止一处提及。不过且慢，接着看下去就会发现文章后面提到“受访者自愿填答问卷”，玄机就在这里，这个调查的价值至此明了——该调查结论仅限于它所收集数据的样本，而不能推广到总体，因为这是一个有偏的自愿回应样本（voluntary response sample，见附录1名词解释） 环球舆情调查中心和环球时报的结论发布者，一看就是学过统计学的，他们羞羞答答地把这唯一的“自愿填答”藏在一堆“随机抽样”字眼中，同时还像模像样地提供了“95%置信度”和“3.0%的允许抽样误差”，即使这样做已经毫无意义。 而网易新闻、中国经济网的小编们，一看就是没修过统计学原理这门课的，或者上统计学课没好好听的，一下子就跳进了前者布下的陷阱，把非概率抽样方式得到的结论，应用到整个总体：坏球同学不敢推出的结论，却给你们给引申出来了。 坏球舆情调查中心和坏球时报，你们真的很坏！不带这样欺负没学过统计学的同学的。David S. Moore在《统计学的世界》里提到：有许多抽样调查不能提供准确地和有用的结果，特别是那些设计来影响、而不是记录公众意见的 (especially those designed to influence public opinion rather than just record it），说的就是你报吧？ ~~~~统计学常识分割线~~~ 附录1：名词解释【自愿回应抽样 voluntary response sampling】 指的是通过来电来信（write-in, call-in，在网络时代还包括click-in）方法收集而来的民情民意。这样的样本往往加入了被取样者的好恶，从而得到与真实的客观情况相差甚远的“有偏（biased）”——注定偏向某个答案的样本。 David S. Moore在《统计学的世界》里面举了一个“自愿回应抽样”例子：专栏作家Ann Landers在报纸上呼吁其读者就“假如能够重来，您愿意再要小孩吗？”进行投票。在收到的来信回应中，70%的答案是“No！”，有些来信还附带了催人泪下的故事，讲述父母如何含辛茹苦、子女如何背信弃义。 真的有70%的父母后悔生了小孩？相信您也不会认同。这个抽样结果之所以有偏，就是因为采用来信来电的抽样方法，使得一些对某个问题具有强烈看法的读者——这种强烈看法往往是负面情绪居多——会不厌其烦地站出来发表自己的见解和感受，从而构成样本的主体。 据估计，这些人在人群中估计占到15%的比例。从而受电台、电视台、报纸等媒体的呼吁而感召的，经常就是这类人。而那些对问题看法中立或者具有正面意见的人（比如愿意再要小孩、或对此无所谓的父母），虽然人数往往更多，他们就不太会站出来回应，只会乐享天伦、充当沉默的大多数。 因此，自愿回应抽样方法得到的结果会发现“70%”的父母不愿意再要小孩。在该样本中，带负面意见的父母被过分代表了。 ～～～～～～～～～ 附录2：相信某个抽样调查结果前该问的问题 Questions to ask before you believe a poll 若调查者使用好的统计技巧，准备一个尽可能完整的抽样框，注意提问的措辞，减少无回应，则抽样调查确实能能提供准确和有价值的信息。但亦存在许多抽样调查不能提供准确地和有用的结果 (especially those designed to influence public opinion rather than just record it)。为此，在你更多关注某个抽样调查结果之前，有必要先问几个问题 ： 谁做的调查(Who carried out the survey)？——遵从良好调查习惯的专业抽样机构更值得信赖。 总体是什么(What was the population)？——想反映何人意见。 样本如何选择(How was the sample selected)？——有否提及随机抽样。 采用多大的样本(How large was the sample)？ ——好能提供误差界限与置信度。 回应率多高(What was the response rate)？——无回应（no response）同样能带来有偏。 如何与被调查个体进行接触(How were the subjects/units contacted)？——不同的联系方式（面对面、电话访谈等）影响到回应率、回答的真实性、调查的成本。 有否受突发事件影响(Was it just after some event which might have influenced opinion)？——是否在某件会影响民意的事发生之后就进行调查？ 提问的具体措辞(What were the exact questions asked)？——比如采用诱导性的“加料问题(loaded question)"? 许多民意调查、学术调研、政府负责统计官员在宣布抽样调查结果时，会回答这些问题。但新闻编辑和播音员却有一种坏习惯，省略这些“无趣的真实（dull facts）”，而只报道抽样的结论。更有一些有利益集团、新闻媒体由于本身采用了不可靠的抽样方法，所以根本就不能回答上述问题。严谨的抽样调查如盖洛普（具体例子请到gallup.com/home.aspx查找）会告诉我们真相：“除了抽样误差外，问题的措辞以及执行调查时遇到的实际困难，会导致调查结果有偏或产生其它误差”。若某政治家、广告人、或某个媒体宣称某个民意调查结果却没有提供完整的信息，要当心！ —— 资料来源：David S. Moore，《统计学的世界》 ~~~~~~~~~~~~ 附录3： 统计金句买一送二 数字不会说谎，但说谎的人会想出办法。——Charles Grosvenor 统计数据就像比基尼，暴露出来的部分固然重要，但没暴露的部分更加重要。——佚名 （编辑：草根网_连云港站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
站长推荐
浙公网安备 33038102330470号