漂。知識 分享每本書的3個insight

【此書的3大重點】

1. 看到任何數據時都先抱持懷疑的態度，要去想說這個數據可能怎麼來的？測試的群體是誰？有沒有可能有選擇性表述？
2. 我們說兩者有相關性，但不等於兩者有因果關係，很多媒體會把研究結果解釋成有因果關係，因為這樣觀眾才會看，這點要小心！
3. 確認偏誤這個概念很有趣，也是人性的一環，指的是人們在看數據時，會尋找支持自有定見的數據，像我找全球暖化的資料，就會鎖定近期溫度較過去高的數據

看到數據時必須自問

• 政治候選人在競選廣告中有哪些話沒說出來
• 記者用的是精準樣本數據，還是他只是拿出支持他報導的數據
• 醫生說你的病是因某種行為而起，還是指兩者有關聯而已
• 行銷人員在產品包裝上強調哪些重點，為什麼要凸顯這些數據
• 為什麼有些是用圓餅圖，卻用柱狀圖顯示其他數據

各大章節重點摘要

1. 抽樣：
   1. 錯誤的樣本抽樣可能會得出糟糕的結果
   2. 什麼樣的數據最適合回答問題？如太空梭因誤判O型環耐溫情況而墜毀的例子
   3. 當心自行提報的數據，人們不會永遠誠實，人的記憶更是不完美，如93%的人都自認為是優於一般水準的駕駛者
      
       
2. 加總、平均、離群值：
   • 平均值的優勢在於考慮了數據當中的所有數值，並簡化成一個數值，但要避免離群值
   • 在美國，市長平均年薪是八萬，副市長是十萬，會有這樣的結果也是因為抽樣集合的差異
   • 很多報導之所以有新聞價值，是因為他們和離群值有關
   • 如果排除一個數值會大幅改變你的結論，那麼這個數值就非常可能是離群值
      
3. 區別相關性和因果關係：
   • 有相關性不等於兩者是因果關係，相關性的報導民眾不愛看，所以才會充斥很多因果關係的報導
   • 媒體會說「戴眼鏡＝高智商」，但實際研究中寫的是，在學校多讀幾年書，會和視力有關係（相關性）
   • 遺漏變數的存在，是相關性不等於因果關係的主要原因之一，如星巴克並不是帶動附近房價上漲的主因
   • 看到某某有相關時，注意是源自於某個遺漏變數，還是只是巧合
   • 人會想要找出因果關係，是和「確認偏誤」有關，指的是人會傾向找能支持自己定見的數據，不是在找答案，而是在找「特定的」答案
      
4. 錯誤表述和錯誤解讀：
   • 簡報採用累積性的數據，是商業界的常用手段，如整年的銷量是每季加起來，!Q1到Q4一定愈來愈高
   • 餐廳的菜單若有附上餐點照片，銷量會提高30%；專家在廣告中講話會讓我們對產品更有信心
   • 好好檢視X軸和Y軸，轉個方向就可以說出不同故事
      
5. 選擇性表述
   • 例子－8成推薦嬰兒食品的醫師推薦OO奶粉，其實是推薦嬰兒食品中的醫師內之8成，，並非8成的小兒科醫師都推薦OO奶粉，這就是選擇性表述
   • 採櫻桃也是選擇性表述的另一種說法－取最好的，其他不要
   • 台灣很多新聞也是選擇性表述，媒體選擇對自己有利的片段去報導，柯P被抹黑的很多例子都是這樣，如「鄉下就應該有鄉下的樣子」
      
6. 成為有實力的數據使用者，懂得辨識數據
   • 確認事實是正確的。檢視試算表的公式、數值小數點
   • 瞭解數據來自何方。如各家不同民調，背後一定會有支持的候選人
   • 注意報導暗示因果關係，但有可能只是具有相關性

統計專有名詞

• 外在效度：指從樣本中得到的結論，可以擴大到什麼程度，以得出關於母體有意義的結論
• 假陽性：統計預測的是不成立的結果。如健康人的診斷試驗結果為不正常情況
• 遺漏變數：某個變數在某個關係中發揮作用，但是被忽略。是相關性不等於因果關係的重要原因之一
• 代理變數：如果當一個變項無法被「測量」時，研究者通常會尋找一個「可以被測量」的相近變項當作代理變數。例如 "慾望度"這個概念要怎麼測量？ 有人就想到以「每日購買東西數量」當作慾望度這個變項的代理變項‵，或者以「每人平均所得」來成為「國家發展度」的代理變項