- 庫存 = 7
- 放入購物車
- 放入下次購買清單
統計操控的真相與謊言:別再讓數字騙了你!一眼看穿投資詐局、不實廣告與虛假民調,打造最強的自我保護力與決策判斷力
- 作者:德瑞爾.赫夫(Darrell Huff)
- 出版社:樂金文化
- 出版日期:2024-02-28
- 定價:340元
- 優惠價:79折 269元
- 優惠截止日:2024年11月26日止
-
書虫VIP價:269元,贈紅利13點
活動贈點另計
可免費兌換好書 - 書虫VIP紅利價:255元
- (更多VIP好康)
內容簡介
★ 暢銷逾50萬冊全球經典鉅著★
★ TED超過260萬人次瀏覽★
五大祕訣!立即識破數字詐術,
捍衛自己的荷包與權益!
\微軟創辦人比爾.蓋茲「閱讀書單」推薦/
\投資大師肯恩.費雪權威背書/
「本書是我今年在TED上向大家推薦的幾本書之一。它於1954年首次出版,但……它並沒有讓人感覺過時。這本書是對統計數據如何被使用的精采介紹,對精通統計的人來說也是實用的複習。」──比爾.蓋茲
「統計數據經過科學背書,不會有錯。」
「圖表都是以數字精準轉換,可以反映事實。」
「民調都是隨機抽樣,沒有誤差。」
──如果你認同以上三句話,請一定要讀這本書;如果不認同這三句話,你可能已經對數字有基本抵抗力,讀這本書可以讓你破解更多的數字迷思!
日常生活中,經常有許多的統計數字、圖表,出現在廣告或是新聞中。這些數字看似經過嚴謹的科學驗證,再可信不過。然而,實際追究產出這些數字與圖表的過程,便會發現事情並非像你想的那麼簡單。
◎「數字會說話」,但說的並不都是真話
讓數字說話的,是人;有些人犯了無心之誤,有些則會刻意變造。人們可以根據自己的意圖與目的,讓這些數字說出對自己有利的話,但這些訊息與事實多半存在落差。
本書要仔細探究這些統計結果或宣稱從何而來,一窺其中隱藏的真相。作者帶領讀者一一破解謊言、宣傳與不實的宣稱,可以用來參透各式產品在販售過程中貌似高深和科學的陷阱,提高投資者的防範能力。
●請看!魔鬼藏在細節裡
看似中立的數字,卻能在有心或無意的情況下愚弄閱聽人。隨著不同的呈現方式,數字反而會呈現虛假或迴避,圖利發表者,而非充分揭露資訊。
例如,無論是新聞還是廣告,我們經常可以看到類似標題:「經實驗證明,X牌牙膏能有效減少23%的蛀牙」「據統計,喝牛奶的人罹患Y癌症的機會,是不喝牛奶的人的Z倍」「某大學調查發現,女性碩士的未婚人數,占所有30到40歲未婚女性的一半」──這些都是常見的說詞,但其中卻隱藏足以欺騙或影響認知的小細節,例如:
˙內建偏誤的民調:抽樣方式有所偏誤或樣本數不夠大,都無法精準呈現真實的狀況;
˙精心挑選的平均值:中位數、眾數、算術平均數──選擇對使用者最有利的方式,就能巧立名目;
˙似是而非的相關性:「關係」,是可以創造的。根本無關的兩件事也可以解讀為密切相關。
●小心!圖像當道是陷阱
資訊爆炸的今天,許多媒體、自媒體往往以圖像呈現訊息,讓受眾能快速吸收。以統計資料製作的圖表,更比數字本身容易為人所接受。然而,這些圖表並非僅是由數字轉換而來,其中往往因製作者有心或無意的捏造或失誤,而具有誤導性。
˙折線圖:裁切表格或改變縱座標比例,就能呈現驚人的上升趨勢!相反的,也可以讓趨勢看起來不那麼明顯;
˙吸睛圖像的圖表:像是用小人代表人數、錢袋代表金額等。用來比較的兩張圖如果數字是兩倍,轉換為圖像後,因為長、寬都等比例放大,所以實際上是四倍。
……更多關於統計數據如何誤導、愚弄閱聽者的細節,盡在本書。
◎五大招,隨時識破假民調或商業騙局
仔細探究統計數據或分析報告從何而來,就能夠窺見其中隱藏的真相。我們可以利用五個提問學會正確解讀:
1.說話者「是誰」?
若發現文章引用了好聽的名字,請確保名字是資訊的後盾,而且並非利益關係人。
2.他「如何得知」?
留意樣本或許具有偏誤的可能;或是,樣本數是否大到具有意義?
3.是否有所「缺漏」?
可以自問:「其中少了什麼?」可能是樣本數、可信度、原始數字或基數等。
4.「主題」改變了嗎?
注意原始數字和結論之間的轉換過程。
5.論述「合理」與否?
有些論述的基礎是未經證實的假設;有些論述的過去趨勢或許是真的,但未來趨勢只是推測。
本書自出版以來熱賣數十年,已翻譯為22種語言,銷量超過50萬冊,至今仍是許多統計學課堂上的必讀書籍。作者以幽默風趣又深入淺出的方式,解說統計學方法與概念,帶領讀者一一破解謊言、宣傳與不實的宣稱,老實人終於不必再被數字的伎倆欺騙!
專業推薦
FC|「FC的碎碎念」版主
劉奕酉|《高勝算的本事》作者
劉彥廷|教育工作者 / 思辨講師
賴以威|台師大電機系副教授、數感實驗室共同創辦人
「統計數據如何使用的精彩介紹。」──比爾.蓋茲
「對數學謊言的搞笑探索……每次你拿起它,會發生什麼?砰,又一個幻覺!」──《紐約時報》(New York Times)
「一本令人愉悅的顛覆性小書,保證會動搖你對萬能統計數據的信心。」──《大西洋》月刊(Atlantic)
目錄
前言
第一章 內建偏誤的樣本
吹噓自己的「不老實」樣本
以偏概全!把樣本當整體
「已經挑選過」的隨機
動搖樣本答覆的「調查者」
第二章 精心挑選的平均值
選「最有利平均」巧立名目
故意為之!計算加入極端值
第三章 刻意忽略的小數字
樣本過少,統計不再顯著
太簡化!不現實的「平均」
看不見的數字,才最重要
第四章 被放大的「差不多」
誤差與差別,不等同
毫無意義的「差很大」
第五章 加工吸睛的圖表
喀擦一下!視覺效果加倍
美化圖表就靠「換單位」
第六章 平面圖的立體想像
「八倍效果」的立體化圖像
誤導性圖像,煽動表達意圖
第七章 各自解讀「相關性」
「關係」,是可以創造的
財報常用!以相似名目藏錢
沒有關聯的前後比較
第八章 事後歸因的誤導性
同時變化,因果難分
有相關不代表有因果
第九章 統計操控七大手法
手法1遭地圖扭曲的真相
手法2誇大不實的「平均」
手法3小數點,假精確錯覺
手法4讓人混淆的基數
手法5「百分比」與「百分點」
手法6選擇最有利的數據
手法7比較基準的設定差異
第十章 五大招,破解陷阱
問題1說話者「是誰」?
問題2他「如何得知」?
問題3是否有所「缺漏」?
問題4「主題」改變了嗎?
問題5論述「合理」與否?
致謝
內文試閱
隨著英國的英寸、英尺和磅等古老計量單位終結,民意調查機構蓋洛普(Gallup)想知道人們對取而代之的「公制」(metric system,現行國際化的十進位量度系統)了解多少。他們按照平常的方式詢問調查,發現即使是上過大學的受訪者,也有33%的人從未聽說過公制。
隨後,一家週日報進行了自己讀者的調查,並宣稱有98%的讀者都了解公制。該報甚至自豪的表示,這顯示它們的讀者比一般人「知識淵博得多」。
兩次調查的結果為何落差那麼大?
蓋洛普的調查精心挑選了不同階層的民眾並與其交談;而週日報則天真且經濟的依賴讀者剪下、填寫並回寄的優惠券廣告回函。
不難猜測,大多數不了解公制的報紙讀者對公制或優惠券沒什麼興趣,因此不會費心剪下回函並參與調查,等於是自行選擇被排除在調查之外。從統計學的角度來看這種自我選擇產生了帶有偏誤或不具代表性的樣本。多年來,正是這樣的樣本導致了大量具誤導性的結論。
數年前,數十名調查員分別提出關於抗組織胺藥片的數據報告。每個報告的數據都顯示,在使用藥物後,能治療大部分的感冒。這引起一陣騷動,至少在廣告界是如此,同時也推動了醫療產品的熱潮。造成這種現象的原因有兩個,其一是人們找尋治癒感冒的渴望;另一個原因,則是人們在現實中對統計數據有所抗拒,不願真正看見存在已久的科學事實。就像不具醫學背景的幽默作家亨利.G.費爾森(Henry G. Felsen)所指出:「適當的治療可以在七天內治癒感冒,但如果放著不管,感冒則會持續一週。」
正因如此,許多你時常讀到或聽聞的統計相關事物,像是平均值、關聯性、趨勢和統計圖表等,其實並沒有表面上那麼單純。在統計的表象背後,可能沒有什麼實質內容,也可能有更多資訊。
在注重事實的文化中,統計學的神祕語言非常吸引人,時常被做為製造轟動、搧風點火、混淆視聽和過度簡化來使用。在報導社會與經濟趨勢、商業狀況、民意調查與人口普查等大量數據時,統計方法與術語已成為必要工具。然而,若報導者沒有充分理解並秉持誠信來使用這些詞彙,加上讀者又不了解詞彙的真實含意時,最終只會得到語意理解錯誤的結果。
在一般談論科學的文章中,被濫用的統計數據,幾乎完全取代穿著白色實驗袍、在昏暗實驗室裡加班工作的英雄形象。因為統計數據宛如化妝工具,讓許多重要事實變得如妝扮後的人,成為截然不同的模樣。事實上,經過良好包裝的統計數據,遠比希特勒的「大謊言」(big lie,扭曲事實做為政治宣傳)更美好;這些數據會造成誤導,卻又不會讓人受到批評或究責。
你可以這麼認為:這是一本用統計學來騙人的初級讀物。整體來說,它看起來可能有點太像詐欺指南了。或許我可以用一名退休竊賊的比喻來為本書辯護。這名竊賊出版的回憶錄,就相當於一門教人如何開鎖與消除腳步聲的專業課程。不過,真正的罪犯早就已經知道這些技巧了;而誠實的一般人則得學習這些技巧做為自衛手段。
作者資料
德瑞爾.赫夫(Darrell Huff)
(1913~2001) 愛荷華大學文學碩士。其作品《統計操控的真相與謊言》是20世紀下半葉最暢銷的統計學書籍,向大學生和高中生介紹實用的統計學,以超過22種語言出版,至今仍持續被翻譯為各種語言,並在世界各地的課堂中使用。 1946年開始全職寫作之前,赫夫曾擔任《美好家園》和《自由》雜誌的編輯。做為一名自由工作者,赫夫發表過數百篇「如何做」專題文章,並撰寫至少16本書。
注意事項
- 本書為非城邦集團出版的書籍,購買可獲得紅利點數,並可使用紅利折抵現金,但不適用「紅利兌換」、「尊閱6折購」、「生日購書優惠」。
- 若有任何購書問題,請參考 FAQ