WEBVTT

00:00:06.636 --> 00:00:09.077
统计数据的说服力很高，

00:00:09.077 --> 00:00:12.541
以至于很多个人、机构甚至整个国家

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。

00:00:17.747 --> 00:00:19.484
但其实这样做有一个问题。

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，

00:00:23.301 --> 00:00:27.251
可以颠覆整个结果。

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

NOTE Paragraph

00:00:30.920 --> 00:00:33.434
为家里的老人做手术。

00:00:33.434 --> 00:00:36.434
在每个医院最近收治的1000例患者中，

00:00:36.434 --> 00:00:39.612
A医院有900例患者存活。

00:00:39.612 --> 00:00:43.021
然而，B医院只有800例患者存活。

00:00:43.021 --> 00:00:46.170
这样看来，A医院是更好的选择。

00:00:46.170 --> 00:00:47.843
但是，在你做出决定前，

00:00:47.843 --> 00:00:51.411
要记得，这两家医院收治的患者入院时，

00:00:51.411 --> 00:00:53.811
健康状态并不一致。

00:00:53.811 --> 00:00:56.703
如果我们将1000例患者分为两组，

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，

00:01:01.132 --> 00:01:03.772
结果就截然不同。

00:01:03.772 --> 00:01:07.849
A医院只有100例入院时健康状况不好，

00:01:07.849 --> 00:01:10.325
其中30例存活。

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。

00:01:14.852 --> 00:01:17.169
对于重症患者来说，

00:01:17.169 --> 00:01:19.739
去B医院的生存率为52.5%。

00:01:20.741 --> 00:01:24.526
所以，B医院是更好的选择。

00:01:24.526 --> 00:01:28.445
那如果您的亲人入院时健康状态好呢？

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%，

00:01:32.271 --> 00:01:35.676
B医院依旧是更好的选择。

00:01:35.676 --> 00:01:38.733
既然B医院两组病人的生存率都更高，

00:01:38.733 --> 00:01:44.830
为什么A医院的总体生存率会更高呢？

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”——

00:01:48.589 --> 00:01:51.899
同一批数据仅因为分组不同，

00:01:51.899 --> 00:01:54.664
得出的结果完全相悖。

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，

00:01:58.744 --> 00:02:01.377
条件变量有时被称为潜伏变量。

00:02:01.377 --> 00:02:06.584
这个隐藏的额外变量会显著影响结果。

00:02:06.584 --> 00:02:10.023
这里，隐藏变量是患者到达医院时

00:02:10.023 --> 00:02:13.264
健康状况的构成比。

00:02:13.264 --> 00:02:16.544
“辛普森悖论”并非只是假说，

00:02:16.544 --> 00:02:18.924
它时不时出现在现实生活中，

00:02:18.924 --> 00:02:22.132
有时，是很重要的背景下。

00:02:22.132 --> 00:02:24.130
英国一项看起来展示出，

NOTE Paragraph

00:02:24.130 --> 00:02:27.600
在20年里，

00:02:27.600 --> 00:02:29.846
吸烟者生存率高于不吸烟者。

00:02:29.846 --> 00:02:33.307
但根据参与者的年龄分组后，

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，

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，

00:02:40.930 --> 00:02:44.438
恰巧是因为不吸烟者通常更长寿。

00:02:44.438 --> 00:02:47.176
在这个例子中，年龄就是潜伏变量，

00:02:47.176 --> 00:02:50.176
而且它对于正确解释数据至关重要。

00:02:50.176 --> 00:02:51.559
另外一个例子中，

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，

00:02:54.281 --> 00:02:58.265
在黑人和白人在被指控谋杀的时候，

00:02:58.265 --> 00:03:01.581
判刑轻重没有种族差别，

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。

00:03:06.396 --> 00:03:07.969
无论在何种情况下，

00:03:07.969 --> 00:03:11.091
黑人都更容易被判处死刑。

00:03:11.091 --> 00:03:15.066
白人之所以总体被判刑的比例高，

00:03:15.066 --> 00:03:18.692
是因为当受害者是白人的时候，

00:03:18.692 --> 00:03:21.359
相比于受害者是黑人而言，

00:03:21.359 --> 00:03:24.091
更容易导致死刑的判决；

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。

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？

00:03:31.319 --> 00:03:34.686
不幸的是，并没有统一的答案。

00:03:34.686 --> 00:03:38.504
数据可以有无数种分组方法，

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，

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。

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，

00:03:52.089 --> 00:03:55.977
并且考虑是否有潜伏变量。

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，

00:04:00.823 --> 00:04:03.378
可以轻松伤害我们。