美文网首页
怎样有效识别数据分析模型中的认知陷阱

怎样有效识别数据分析模型中的认知陷阱

作者: 海生国学智慧 | 来源:发表于2020-12-23 06:46 被阅读0次

    避免误导:怎样识别数据中的认知陷阱?

    这一篇看看怎么防止别人操纵数据来误导我们。

    首先要澄清一点,虽然我们使用了“操纵数据”这个说法,但是我们不关心动机问题,到底是有意欺骗、存心误导,还是水平不够犯了错误,我们不做判断和分别。

    我们就是从数据思维的角度,看看如何防止被误导,不管对方是有意的,还是无意的。

    还要澄清的一点是,我们这里讨论的都是数据是真实的,只是被错误的使用,造成了误导,不包括伪造数据的情况。

    举个例子:

    有一家印度的承包商接受印度政府的委托,负责为难民提供食物保障,包括提供日用品和生活保证品。

    但是,由于没有难民的确切人数,所以这家承包商说要多少钱,政府就得掏多少钱。可是支出看起来实在是太大了,于是就有人建议请统计学家帮忙。

    统计学家瞄准了三样东西——大米、豆类食品和盐。

    如果一个人群的人数是稳定的,那么这三种食品的消费量就是基本稳定的,因此它们可以交叉印证。结果发现,盐估计出来的人数最少,大米估计出的人数最多。因为盐的价格低、总量少,所以没有人在这个地方夸大。而大米价格高、总量大,所以就有动机在这个地方做假账。

    这个案例就是通过伪造数据来达到非法的目的,是技术水平最低的骗子。这就不属于我们在这里讨论的内容。

    利用真实的数据,通过各种操作手段误导人,才是技术含金量比较高的工作。我们在这里主要讨论这个方向。

    通过操纵数据来误导受众大致有三个方向,分别是操纵数据的使用、操纵数据的产生和操纵数据的解释。

    操纵数据的使用――

    这方面的案例太多了,给你举几个例子:

    用平均数掩盖分布:

    “某公司有3003名股东,平均每人持股660股。”误导你的真相是这样的:公司总共200万股,其中3名大股东持有3/4,其余3000人总共持有1/4。

    用百分比掩盖规模:

    “霍普金斯大学1/3的女生嫁给了大学老师。”但其实,总共只有3名同学录取,其中1个人嫁给了老师。

    用短期波动代替长期效应:

    “卫生部最新公布,大雾的一周内伦敦市郊的死亡人数猛增至2800人。”这是因为大雾带来的吗?这个地方平均死亡人数如何?接下来的几周死亡人数又是如何?

    遗漏变化的原因:

    “最近25年,癌症死亡人数增多。”听起来吓人,但其实很多因素更有解释力。比如,以前很多病因不明的案例现在被确诊为癌症;尸体解剖成为常用方法,便于明确诊断;医学统计资料更全面;易发病年龄段人数增多。还有,现在的人数远远超过从前。

    偷换概念――

    “某议员提议:我们可以让囚犯离开监狱,去住酒店,这样反而更便宜。因为囚犯一天的费用是8美元,而住酒店只要7美元。”但其实,这里的8美元指囚犯所有的生活费,但是议员拿来比较的仅仅是住酒店的房租。

    定义不统一:

    几家平台都说自己流量第一,证据是平台播出的电视连续剧收视率第一。但是,各家的定义不一致,有的用平均收视率,有的用单集最高收视率,有的用首播重播合计收视率。

    忽略测量误差――

    “李蕾的智商101,韩梅梅智商99,所以李蕾比韩梅梅聪明。”但是,任何测量都有误差,结果应该加上一个区间,比如±3%。这样,李蕾和韩梅梅的智商范围有重合,不能断定谁比谁聪明。

    差别过小没有现实意义:

    “某次大规模的智商测试结果,男生平均106.1,女生平均105.9。”即使这个差异在统计上存在,由于差异过小也没有现实意义。

    参照对象不清――

    “这款榨汁机的榨汁功能增强了26%。”这是跟谁比?如果是跟老式手摇榨汁机比呢?

    比较时忽略基数:

    “高速公路晚上7点的事故是早上7点的4倍,所以早上出行生还几率高4倍。”其实,晚上事故多,只是因为晚上高速公路上的车和人更多。

    对象不同强行比较――

    “美国和西班牙交战期间,美国海军的死亡率是9‰,同时期纽约市居民的死亡率是16‰,所以海军士兵更安全。”其实,这两组对象不可比。海军主要是体格健壮的年轻人,而城市居民包括婴儿、老人、病人,这些人在哪里死亡率都高。

    变换基数让人产生幻觉:

    50%折扣再打20%折扣,会让你以为有70%的折扣。实际上,折扣只有60%,因为后面20%的折扣是用5折后的价格计算的。

    用数字游戏控制听众感觉:

    投资回报率第一年为3%,第二年为6%。下面两个说法都是对的:1.提高了3个百分点;2.增长高达100%。怎么呈现,取决于你要让听众感受到什么。

    操纵数据的产生――

    这方面的案例也很多,比如:

    算法采用的规则有差异:

    试验用两种算法来判断交通违规行为:一种是“严格遵守法律条文”,简称条文版,车速一过线就开罚单。另一种是安全原则,如果车速在当时的状况下是安全的,就不判罚。比如周围没有车,或者大家速度都很快,你慢下来就是一个移动的石头,反而对安全不利。这种规则能“准确反映法律意图”,因此简称意图版。

    试验做下来,同样的交通状况,条文组的算法开出了500张罚单,而意图组的算法只开出了1张罚单。你说,交通违规的现象是严重还是不严重呢?

    实验条件设置错误:

    有一份得了省级奖的论文,说阿胶的营养效果好,做法是先把老鼠搞到营养不良,然后给老鼠吃阿胶,结果各种数据都优于对照组。看起来,阿胶似乎真的有效,但是一看对照组,只给那些营养不良的老鼠喝清水。这相当于给东西吃和不给东西吃的区别,而不是阿胶和普通营养方式的区别,实验结论当然不可靠。

    为了防止杠精,强调一下,是说这篇论文的结论不可靠,不是讨论阿胶有没有营养。

    提问的次序影响回答者的选择:

    调查显示,向女性调查时,如果先提问关于服装广告的问题,再问一般性广告的问题,女性对广告的态度就更多是正面的。

    向一般人调查,类似的次序问题也存在。比如,先问婚姻生活是不是幸福,再问整体生活是不是幸福,回答者会自动把自己婚姻生活的感受排除,评价整体生活。反过来则相反。

    操纵数据的解释――

    还是举几个例子给你感受一下:

    归因错误:

    一位飞行教官非常自信地说,“批评使人进步,表扬使人退步。”因为教官发现,只要他表扬了学员,第二天学员的表现肯定会变差,批评学员就会反过来,第二天的表现会更好。

    实际上,这是一个回归现象。如果今天学员达到了被表扬的程度,就说明他今天的表现超过了自己的平均线,第二天向自己的平均水平回归是正常的。

    因果关系不成立:

    在印度,研究人员发现,看电视的人对男女平等的态度更加积极。这指示我们应该普及电视来改变印度农村地区对女性的态度吗?

    真实的情况是,教育程度好的人才买得起电视,而教育程度好的人对男女平等的态度更开明。经常看电视与男女平等积极的态度之间不是因果关系,而是伴随关系。

    理论适用错误:

    网上有段子说,汉朝是8000人养1个公务员,唐朝是3000人,明朝是2000人,清朝是1000人,而今天是18个人,暗示这个时代的公务员太多了。

    这个错误是没有条件地按比例放大或缩小。随着人口规模的上升,公共服务需要的人数不是按线性比例增加的,应该是按几何程度增加的。只有在合理的理论框架下,才能评价18个人养1个公务员是多还是少……

    相关文章

      网友评论

          本文标题:怎样有效识别数据分析模型中的认知陷阱

          本文链接:https://www.haomeiwen.com/subject/eetynktx.html