图表看多了，我总结出6条统计常识

做图表笔记久了，会发现一个现象：同一个数据，换种读法，结论能差出好几倍。不是数据变了，是读的人忽略了统计常识。我把过去一年在图表笔记栏目里反复用到的几条常识整理出来，每条都配一个自己遇到的小例子。

第一条，均值会骗人，要看分布。某个月平台作者日均发文量是3.2篇。听着还行。但把数据摊开看，中位数只有1篇，前10%的作者贡献了六成以上内容。均值被少数高产账号拉高了。如果只盯着3.2这个数做判断，很容易高估普通作者的活跃度。后来我在图表里加了一列中位数，走势就清楚多了。

第二条，看到百分比，先问基数。有次看到一条数据：某功能使用率环比增长200%。挺吓人。但基数是从0.3%涨到0.9%。绝对增量不到一个百分点。百分比在基数小的时候会放大波动，100%的增长可能只对应几个用户。我在图表笔记里习惯把绝对量和百分比并排放在一起，避免单看增长率产生误判。

第三条，相关不等于因果，要看有没有第三变量。夏天冰淇淋销量和溺水人数都上升，两者走势高度同步。但吃冰淇淋不会导致溺水。真正的变量是气温。数据分析里经常碰到两条线一起动，看着像有因果关系，其实背后有共同驱动因素。做观察时，我至少会问一句：有没有别的变量能同时解释这两条曲线？

第四条，预测要给区间，别给单点。有人问下个月阅读量能到多少。直接说50万，听起来干脆，但大概率不准。统计上更稳妥的做法是给一个区间，比如45万到55万，并说明置信水平。预测本身不是错，错的是把预测当成确定值。我在图表里画预测线时，通常配一条阴影带，提醒自己误差是常态。

第五条，同比和环比不能混着说。某产品2月活跃用户环比下降15%。有人拿这个说事，认为产品在衰退。但2月只有28天，还有春节假期，环比本来就会低。看同比，2月对2月，去年也是下降的，降幅还更大。同比看长期趋势，环比看短期波动，两个指标各有用处，混用就容易得出片面结论。

第六条，样本代表谁，比样本多大更重要。一份问卷收了5万份，数量不小。但打开一看，八成填答者来自一线城市、年龄在25到35岁之间。拿这个数据去推断全国用户偏好，就会有偏差。样本量大不等于代表性强。做数据观察时，我第一眼看的是样本来源和结构，不是样本量。这六条常识不复杂，但每次读图表前过一遍，能少踩不少坑。