1
00:00:06,636 --> 00:00:09,077
统计数据的说服力很高，

2
00:00:09,077 --> 00:00:12,541
以至于很多个人、机构甚至整个国家

3
00:00:12,541 --> 00:00:17,747
在做最重要的决定时都会参考统计数据。

4
00:00:17,747 --> 00:00:19,484
但其实这样做有一个问题。

5
00:00:19,484 --> 00:00:23,301
任何一系列的统计数据都也许有一些隐藏的因素，

6
00:00:23,301 --> 00:00:27,251
可以颠覆整个结果。

7
00:00:27,251 --> 00:00:30,920
例如，想象你现在需要在两家医院中选择一家

8
00:00:30,920 --> 00:00:33,434
为家里的老人做手术。

9
00:00:33,434 --> 00:00:36,434
在每个医院最近收治的1000例患者中，

10
00:00:36,434 --> 00:00:39,612
A医院有900例患者存活。

11
00:00:39,612 --> 00:00:43,021
然而，B医院只有800例患者存活。

12
00:00:43,021 --> 00:00:46,170
这样看来，A医院是更好的选择。

13
00:00:46,170 --> 00:00:47,843
但是，在你做出决定前，

14
00:00:47,843 --> 00:00:51,411
要记得，这两家医院收治的患者入院时，

15
00:00:51,411 --> 00:00:53,811
健康状态并不一致。

16
00:00:53,811 --> 00:00:56,703
如果我们将1000例患者分为两组，

17
00:00:56,703 --> 00:01:01,132
入院时健康状态好的
和入院时健康状态不好的，

18
00:01:01,132 --> 00:01:03,772
结果就截然不同。

19
00:01:03,772 --> 00:01:07,849
A医院只有100例入院时健康状况不好，

20
00:01:07,849 --> 00:01:10,325
其中30例存活。

21
00:01:10,325 --> 00:01:14,852
B医院有400例入院时健康状况不好，
210例被救活了。

22
00:01:14,852 --> 00:01:17,169
对于重症患者来说，

23
00:01:17,169 --> 00:01:19,739
去B医院的生存率为52.5%。

24
00:01:20,741 --> 00:01:24,526
所以，B医院是更好的选择。

25
00:01:24,526 --> 00:01:28,445
那如果您的亲人入院时健康状态好呢？

26
00:01:28,445 --> 00:01:32,271
出人意料，轻症患者在B医院的生存率超过98%，

27
00:01:32,271 --> 00:01:35,676
B医院依旧是更好的选择。

28
00:01:35,676 --> 00:01:38,733
既然B医院两组病人的生存率都更高，

29
00:01:38,733 --> 00:01:44,830
为什么A医院的总体生存率会更高呢？

30
00:01:44,830 --> 00:01:48,589
我们遇到的这种现象被称为“辛普森悖论”——

31
00:01:48,589 --> 00:01:51,899
同一批数据仅因为分组不同，

32
00:01:51,899 --> 00:01:54,664
得出的结果完全相悖。

33
00:01:55,138 --> 00:01:58,138
“辛普森悖论”常常发生在总体数据隐藏了条件变量时，

34
00:01:58,744 --> 00:02:01,377
条件变量有时被称为潜伏变量。

35
00:02:01,377 --> 00:02:06,584
这个隐藏的额外变量会显著影响结果。

36
00:02:06,584 --> 00:02:10,023
这里，隐藏变量是患者到达医院时

37
00:02:10,023 --> 00:02:13,264
健康状况的构成比。

38
00:02:13,264 --> 00:02:16,544
“辛普森悖论”并非只是假说，

39
00:02:16,544 --> 00:02:18,924
它时不时出现在现实生活中，

40
00:02:18,924 --> 00:02:22,132
有时，是很重要的背景下。

41
00:02:22,132 --> 00:02:24,130
英国一项看起来展示出，

42
00:02:24,130 --> 00:02:27,600
在20年里，

43
00:02:27,600 --> 00:02:29,846
吸烟者生存率高于不吸烟者。

44
00:02:29,846 --> 00:02:33,307
但根据参与者的年龄分组后，

45
00:02:33,307 --> 00:02:37,823
发现不吸烟组人群的平均年龄显著较高，

46
00:02:37,823 --> 00:02:40,930
所以，不吸烟组在随访过程中更容易死亡，

47
00:02:40,930 --> 00:02:44,438
恰巧是因为不吸烟者通常更长寿。

48
00:02:44,438 --> 00:02:47,176
在这个例子中，年龄就是潜伏变量，

49
00:02:47,176 --> 00:02:50,176
而且它对于正确解释数据至关重要。

50
00:02:50,176 --> 00:02:51,559
另外一个例子中，

51
00:02:51,559 --> 00:02:54,281
佛罗里达州一项在死刑犯中所进行的分析显示，

52
00:02:54,281 --> 00:02:58,265
在黑人和白人在被指控谋杀的时候，

53
00:02:58,265 --> 00:03:01,581
判刑轻重没有种族差别，

54
00:03:01,581 --> 00:03:06,396
但根据受害者的种族分组后，结果大不相同。

55
00:03:06,396 --> 00:03:07,969
无论在何种情况下，

56
00:03:07,969 --> 00:03:11,091
黑人都更容易被判处死刑。

57
00:03:11,091 --> 00:03:15,066
白人之所以总体被判刑的比例高，

58
00:03:15,066 --> 00:03:18,692
是因为当受害者是白人的时候，

59
00:03:18,692 --> 00:03:21,359
相比于受害者是黑人而言，

60
00:03:21,359 --> 00:03:24,091
更容易导致死刑的判决；

61
00:03:24,091 --> 00:03:28,483
而且，大部分的谋杀都发生在同一个种族内的。

62
00:03:28,483 --> 00:03:31,319
我们怎样才能不被“辛普森悖论”所误导呢？

63
00:03:31,319 --> 00:03:34,686
不幸的是，并没有统一的答案。

64
00:03:34,686 --> 00:03:38,504
数据可以有无数种分组方法，

65
00:03:38,504 --> 00:03:42,106
相对于将数据分成具有误导性的，主观性的类别而言，

66
00:03:42,106 --> 00:03:46,638
总体数字有时能更给出更加精准的图景。

67
00:03:46,638 --> 00:03:52,089
我们能做的就是仔细地研究这些数据所描述的实际情况，

68
00:03:52,089 --> 00:03:55,977
并且考虑是否有潜伏变量。

69
00:03:55,977 --> 00:04:00,823
否则，那些用数据去操纵别人，同时推进自己的日程的人，

70
00:04:00,823 --> 00:04:03,378
可以轻松伤害我们。