你被骗过吗？7 种操纵数据的方式，第 7 种让无数人中招 _小知识

数据统计和阐发是每个科研人员都应具备的技术，但愿本文能帮忙初学者避免无意中犯错，并让你在看到居心扭曲的统计成果时，第一时候识破作假者的手法。
撰文 | Winnifred Louis & Cassandra Chapman
翻译 | 杨晚钰
审校 | 夏烨

文章插图

图片来历：Carlos Muza on Unsplash
统计可以或许有用地呈现数据，便于我们理解四周宿世界中的模式。但若是凭直觉诠释这些模式，成果凡是会令人掉望。以下是统计、概率和风险阐发中常见的几种错误，以及避免这些错误的方式。
01 | 无意义的差别
股市的良多日常波动都只是偶尔现象，并没有任何意义；在平易近意调查中，某党领先的一两个百分点凡是也只是数据噪声罢了（在给定的数据样本或公式中，呈现的难以诠释的转变或随机性）。
为避免对这种数据波动的原因作犯错误的推论，可以查看它们的“误差幅度” 。差别若是在误差幅度内，则很可能无意义，这种转变很可能只是随机波动。
02 | 来自实际印象的误会
我们常会听到对两个群体差别的笼统归纳综合，例如说女性更乐于抚育儿女，而男性体格更强壮。这些结论凡是受到刻板印象和平易近间说法的影响，却轻忽了两个群体的相似之处，以及统一群体内部的差别。
若是随机遴选两个男性，他们的体能可能相差很大；若是随机遴选一男一女，他们抚育儿女的表示也可能很是附近，男性的表示甚至会更较着。
要避免这样的错误，你可以查看两组的“效应量”（effect size）。它可以反映两组间平均数的差别。若是效应量小，申明两组相似度高。但即便效应量大，也可能是较大的组内差别导致的，是以不克不及断定两组间的所有个别都存在差别。
03 | 忽略极值
考查对象从命正态分布（也称“钟形曲线”）时，效应量的两头是有主要意义的。在正态分布下，大大都个别接近平均值，只有一小部门个别远高于或远低于平均程度。
这种环境呈现时，组内的细小转变城市导致差别。这种差别对平均值几乎没有影响，但可能会完全改变极值的特征（见第二点）。
要避免这个错误，需要细心考虑是否要研究极值。若是针对平均程度进行研究，凡是不消在意组内的细微差别。但若很是存眷极值，这些细微差别将会影响庞大。

文章插图

当研究对象从命正态分布时（在钟形曲线上），极值处的差别比平均值四周更为较着（表示在分布曲线上为：极值处的重叠区域较少，而平均值四周有大部门重叠）
04 | 相信巧合
美国每年淹死在泅水池里的人数和尼古拉斯·凯奇（Nicolas Cage）出演的片子数存在相关性，你知道吗？

文章插图

若是你不雅察够细心，就会发现这种有趣的模式和相关性，但这也仅仅是巧合罢了。仅仅因为两件事同时发生转变，或者具有相似的转变趋向，并不克不及申明它们有关。
要避免这一错误，需要思虑不雅察到的相关性在多大水平上是靠得住的。这种相关性是一次性的，仍是多次呈现的？将来的相关性又可否展望？若是这种相关性只呈现了一次，那它很有可能是随机的成果。