统计常识：从数据到走势的入门观察

很多人以为统计就是算平均数。其实平均数本身没什么错，错在只看平均数。比如某城市公布去年平均工资是8500元，但你去问身边十个人，可能有七个低于这个数。原因很简单：高收入者把平均数拉高了。这时候中位数更有参考价值——把所有人按收入从低到高排列，站在中间的那个人的收入。如果中位数是6200元，说明一半人月入不到6200。数据不会骗人，但只挑一个数字看，就容易得出偏离实际的结论。

再说样本。我们经常在新闻里看到“调查显示，70%的人支持某项政策”。先别急着信，得看调查了多少人、怎么抽的。如果只问了100个大学生，那这个70%代表的是大学生群体，不能推广到全国。统计里有个基本常识：样本量越大、抽样越随机，结果越接近真实。一个经典例子是1936年美国大选，某杂志寄出1000万份问卷，回收240万份，预测兰登获胜，结果罗斯福赢了。问题出在样本偏差——问卷寄给了杂志订户和电话用户，这些人当时偏富裕，不代表全体选民。

有了数据，接下来会想看走势。走势图看着直观，但容易骗眼睛。比如某公司股价从10元涨到20元，又跌回15元，画成折线图，看起来像“冲高回落”。但如果把时间轴拉长到五年，15元可能只是一个小波动。观察走势时，先问三个问题：时间跨度多长？纵轴从哪开始？数据点间隔多久？把纵轴从0开始，很多剧烈波动会变得平缓；把月度数据换成季度数据，短期噪音也会减少。走势本身不复杂，复杂的是我们选择怎么看它。

接着说说预测。统计可以帮我们判断可能性，但没法给出确定答案。天气预报说“降水概率70%”，不是保证下雨，而是说在类似气象条件下，十次有七次会下雨。经济预测也一样，机构说“明年GDP增速预计5%左右”，背后是一堆假设：政策不变、外部环境稳定、消费不出现大幅下滑。任何假设变了，预测就得改。所以看到预测数字，别只记结论，要留意它的前提条件。数据是过去的，预测是未来的，中间隔着不确定性。

还有一种常见误解：把相关当因果。比如数据显示，冰淇淋销量和溺水人数同步上升。是不是吃冰淇淋导致溺水？显然不是。真正的原因是夏天到了，气温升高，既有人买冰淇淋，也有人去游泳。两个变量一起变化，不代表一个导致另一个。再比如，某研究发现“常喝咖啡的人更长寿”，可能只是因为常喝咖啡的人整体收入更高、医疗条件更好。要判断因果，需要控制其他变量，或者做随机对照实验。日常看数据，多问一句“有没有第三个因素”，能避开很多坑。

那普通人怎么培养数据观察的习惯？可以从三个小动作开始。第一，看到百分比，先找分母。说“增长了200%”，要知道原来是多少。第二，看到排名，先看差距。第一名和第二名差0.1分，和差10分，意义完全不同。第三，看到趋势，先看起点。从1涨到2是翻倍，从100涨到101是微增。这些动作不复杂，但能帮你从被动接受数字，变成主动理解数据。

统计常识不是要人人都成为统计学家，而是让我们在信息泛滥时多一点判断力。数据、走势、预测、观察，这四个词串起来，其实就是一套思考习惯：用数据描述现状，用走势看变化，用预测推未来，用观察验证真假。下次再看到耸动的数字，不妨停三秒，想想它的来源、样本和前提。这三秒，往往就是理性和盲从的分界线。