不知道从什么时候开始，每个人的身边都充斥着大量宣泄焦虑的文章跟数据。相信大家对前段时间被“你的同龄人正在抛弃你”之类的文章刷屏还记忆尤新，各种如何“月入十万”的公众号文章更是比比皆是。

如果你因为这些而焦虑，我推荐你看一本书——《统计数字会说谎》，看完之后，相信你能够更为理性、客观的看待数据，从而克服无谓的焦虑。

《统计数字会说谎》这本书是美国统计专家达莱尔·哈夫的传世之作，该书引发的“编造虚假信息”话题受到美国社会持续普遍的关注和美国权威媒体的激烈争论。自50年代出版以来，此书不断再版，并被翻译成多种文字，在世界的影响力持久不衰，被誉为美国商业人士、研修人员的重要入门必修书之一。

这本书读起来难度不大，前九章对统计数字说谎的方式进行了介绍。第十章我认为是本书的精华所在，作者总结了读统计数字的一些简要原则。

这本书的一个不足之处是，由于出版的年代比较远，有些书中的例子明显已经不那么贴合时代了，但是读书最重要是领悟精神内核，例子只是辅助理解之用，也就瑕不掩瑜了。

那么，统计数字的说谎方式有哪些呢？

1. 内在有偏的样本

作者为了说明样本选取能够影响统计结果，举了一个平均工资的例子。读懂这个例子，可以使我们摆脱大部分“月入十万“的焦虑陷阱。

一则之前的新闻报道：“1924级的耶鲁毕业生平均年收入为25111美元。”

回到当时的背景，初看这组数据，会有两个明显的感觉，平均年收入如此精确以及如此之高。但事实上，这组数据是从一组有偏的样本得出的，并不具备普适性。样本有偏是因为这些样本是由能够取得联系并且愿意回答问卷的1924级耶鲁学生组成。

这也就能解释为什么一夜之间，我们的同龄人都“月入十万”了。

2.精心挑选的平均数

在统计领域，平均数的种类很多，均值、中值等等。正因为此，当被告知某个数是平均数，但却不知道具体种类时，这个数的含义往往没有我们想象的大。而当我们看到诸如“平均收入”这类字眼时，也应该多问问，是哪种平均？并且都包含了哪些人？

3.没有披露的数据

在看一组统计数据时，往往要深挖表面数据背后的东西。正如一名统计专家的建议，当你被告知一组调查结果时，反问：“为了得出这个结论，你调查了多少名被访者？”

没有披露的数据有两类：确定样本边界的数据；表明事物变动范围以及给定平均数的偏离水平的数据。

4.毫无意义的工作

所有的抽样研究都存在误差，忽略这些误差将会使这项统计毫无意义。

5.令人惊奇的图形

有一句口诀，“字不如表，表不如图”。但是图形有时能够给你带来极大的误导。只需要改变纵坐标和横坐标的比例，就能得到一个你想要的“完美”的图形。

这两张图形是一样的，仅仅改变了纵坐标的比例，就得到了两条截然不同的趋势线，这种方法在绘制增长图时，已经被很多人采用了。所以当我们在看一张图时，更要注意图上的数据。

6.一维图形的滥用

很多人会使用象形图来达到自己统计的目的。我们仍然看两张图。

比例都是1：2，但是第二张象形图给人的比例则是1：4。

7.不完全匹配的资料

不完全匹配的资料是一种保证你处在有利位置上的武器，而且屡试不爽。一般的做法是将看上去极像、而完全不同的两件事混淆在一起。

8.相关关系的误解

在使用相关性关系时，要注意分辨这个相关是否是事件变迁的产物或时代趋势的产物，否则就是对相关关系的误解。

在学习了统计数字能够说谎的方式后，再看到统计数据时，应深挖数据背后的含义，因为统计数据，有时会被利用并成为恶意夸大和迷惑他人的工具。

那么在拿到一组统计数据之后，我们应该怎么做呢？如何平双眼识破虚假的统计资料，并揭开它的老底，同时在这一大片充满了欺骗性的数据海洋中找出可靠有用的资料。

问自己五个问题：

1.谁说的？

如果统计数据中引用了权威人士，弄清楚到底资料的内容是权威的，还是仅仅扯上了权威人士的大名。

2.他是如何知道的？

这组数据是从何而来？结论又如何得出？

3.遗漏了什么？

找到数据中确实的部分。

4.是否有人偷换了概念？

在分析统计资料时，请留心从搜集原始资料，到形成结论的整个过程，是否存在着概念的偷换。

5.这个资料有意义吗？

以上就是这本书的主要内容了，通过这本书，可以使我们看待数字更为客观，更为理性。

Anyway，关于这方面的内容，我还是更推荐《统计学的世界》。有机会再跟大家聊聊吧~