أرقام تكذب بينما تقول الحقيقة
قراءة الأدلة والإحصاءات
قد تكون الإحصائية دقيقة تماماً ومع ذلك تخدعك. كل رقم في عنوان، أو دراسة، أو لوحة بيانات، أو تقرير آلي، نجا من مجموعة من الخيارات قبل أن يصل إليك. اختار شخص ما مقياساً، وعينة، ونطاقاً، ومحوراً.
المهارة التي تبنيها اليوم تقرأ الأربعة جميعاً: المقياس (أي متوسط)، والانتشار (مدى تباين البيانات)، والعينة (من تم احتسابه)، والمحور (كيف يرسم المخطط ذلك).
عندما تُترك هذه الخيارات دون مساءلة، تحكي الأرقام الصحيحة قصة كاذبة. وعندما تسائلها، ترى ما تقوله البيانات حقاً.
رقم كنتَ شبهَ متيقّنٍ منه
قبل أن نبدأ، فكّر في إحصائية صادفتها من قبل.
ثلاثة متوسطات، ثلاث قصص
كلمة "متوسط" تخفي اختياراً
ثلاثة مقاييس مختلفة يُطلق عليها جميعاً اسم المتوسط. عادةً ما تختلف قيمها، والفجوة بينها تحمل معلومات مهمة.
- المتوسط الحسابي (Mean): أضف كل القيم ثم اقسم على العدد. إنه حساس لكل رقم، لذا فإن قيمة متطرفة واحدة تسحبه معها.
- المديان (Median): رتّب القيم، ثم خذ القيمة الوسطى. نصف البيانات يقع فوقه، والنصف الآخر تحته. القيمة الشاذة (Outlier) بالكاد تؤثر عليه.
- الوضع (Mode): القيمة التي تظهر أكثر من غيرها. مفيد للفئات ولإيجاد الحالة النموذجية في التوزيعات غير المنتظمة (المتموجة).
متى يكون كل مقياس مضللاً
فكّر في سبعة أسر ذات دخل، بالآلاف: 30، 32، 35، 38، 40، 42، وأخرى عند 250.
المتوسط حوالي 67 ألف، لكن ستة من أصل سبعة أسر تكسب أقل من ذلك. القيمة المنفردة البالغة 250 ألف سحبت المتوسط إلى ما فوق معظم الناس. الوسيط هو 38 ألف، وهو المنتصف الحقيقي، وهو يصف الأسرة النموذجية بشكل أفضل بكثير.
هذا هو فخ الدخل الكلاسيكي. عند الإبلاغ عن المتوسط، تبدو المجموعة المنحرفة أغنى مما هي عليه. عند الإبلاغ عن الوسيط، ترى المنتصف.
القاعدة: في حالة البيانات المنحرفة أو البيانات التي تحتوي على قيم شاذة، يخبرك الوسيط بالقصة الصادقة. في حالة البيانات المتماثلة تقريبًا دون قيم متطرفة، يتفق المتوسط والوسيط تقريبًا، ويمكن استخدام أيٍّ منهما.
اختر المقياس الصادق
دورك الآن
تُعلن بلدة أن "متوسط" سعر المنازل فيها هو 900 ألف. تتعلم أن معظم المنازل بيعت بمبالغ تتراوح بين 250 ألف و400 ألف، لكن ثلاث قصور بيعت بأكثر من 6 ملايين لكل منها.
احسبه بنفسك
مجموعة بيانات صغيرة
يُكسب سبعة موظفين في شركة ناشئة هذه الرواتب السنوية، بالآلاف:
40، 42، 45، 48، 50، 55، والمؤسس عند 400.
احسب كلا مقياسي الوسط، ثم قرر أيهما ينبغي أن يثق به الباحث عن عمل عند تصوّر راتب نموذجي هنا.
متوسط واحد، عوالم مختلفة
المتوسط يخفي الانتشار
يمكن لمجموعتي بيانات أن تشاركا متوسطًا متطابقًا تمامًا وتصفان واقعين مختلفين تمامًا. لا يقول المتوسط شيئًا عن مدى تشتت القيم.
درجات اختبار الفصل أ: 78، 80، 82، 80، 80. المتوسط 80، والجميع متجمعون بإحكام.
درجات اختبار الفصل ب: 40، 100، 60، 100، 100. المتوسط 80، لكن الدرجات تتأرجح بشكل متطرف من الرسوب إلى الكمال.
نفس المتوسط البالغ 80. فصل واحد متجانس، والآخر منقسم إلى متعثرين ونجوم. تقرير يقول إن كلا الفصلين "متوسطهما 80" يمحو هذا الاختلاف.
يخبرك الانتشار، المقاس بالمجال أو الانحراف المعياري، عن مقدار تباين القيم حول المركز. المتوسطات دون انتشار هي نصف جملة. اسأل دائمًا عن مدى اتساع تشتت البيانات.
العينة هي الحجة
العينات الصغيرة مليئة بالضوضاء؛ والعينات المتحيزة خاطئة
يصف الإحصائي الأشخاص الذين تم قياسهم فقط. إذا كانت العينة صغيرة أو غير ممثلة، فإن الرقم لا يقول شيئًا عن العالم الأوسع، مهما بدا دقيقًا.
- حجم العينة: تتأرجح العينات الصغيرة بشكل هائل بسبب الصدفة. اقلب عملة عادلة 4 مرات وستكون النتيجة 100% صورة أمرًا شائعًا؛ اقلبها 4,000 مرة وستستقر النتيجة قرب 50%. "تحسن بنسبة 40%" من 10 أشخاص هو في الغالب ضوضاء.
- المثالية (التمثيلية): استطلاع رأي في حي واحد، أو فئة عمرية واحدة، أو مستخدمي موقع ويب واحد لا يمكنه أن يتحدث نيابة عن الجميع. يجب أن تعكس العينة المجتمع الذي تريد وصفه.
- تحيز الاختيار: الطريقة التي تجمع بها العينة تميلها. الاستبيان الإلكتروني يصل فقط إلى الأشخاص الذين رأوه واختروا الإجابة.
- تحيز الناجين: أنت تقيس الناجين فقط. في الحرب العالمية الثانية، درس المهندسون الطائرات العائدة لتحديد أماكن إضافة الدروع، وعلّموا ثقوب الرصاص. أشار أبراهام فالد إلى أن الدروع يجب أن تكون في الأماكن التي لم تكن فيها ثقوب في الطائرات العائدة، لأن الطائرات التي أصيبت في تلك الأماكن لم تعد أبدًا لتُحسب.
البيانات المفقودة، والأشخاص أو الحالات التي انسحبوا، غالبًا ما تكون أكثر أهمية من البيانات التي تملكها.
الرسم البياني حجةٌ مدوّجة بالحبر
أربع طرق يتحول فيها رقم صادق إلى رسم بياني كاذب
يمكن رسم بيانات صحيحة بطريقة مضللة. تعلّم الحيل البصرية الأربعة الأكثر شيوعاً.
- محور مقطوع: محور رأسي يبدأ من فوق الصفر بدلاً من الصفر. فتغيّر من 50 إلى 52 يملأ المخطط بالكامل ويبدو هائلاً، رغم أنه تحرك بنسبة 4% فقط.
- محوران مزدوجان: خطّان على مقياسين رأسيين مختلفين، مُعدّلان حتى يبدوان وكأنهما يتتبعان بعضهما. فالتلاقي يتم اختراعه عبر اختيار المقاييس، وليس اكتشافه في البيانات.
- نطاق مُنتقى بعناية: اختيار نافذة زمنية فقط تدعم الادعاء. فبدء مخطط درجات الحرارة أو الأسعار من قمة أو قاع مناسب يقلب الاتجاه.
- تشويه المساحة مقابل الطول: توسيع عرض الأيقونة وارتفاعها معاً لعرض قيمة مضاعفة يجعل مساحتها أكبر بأربع مرات. فالعين تقرأ المساحة، لذا يبدو الشكل المزدوج وكأنه رباعي.
كل واحدة من هذه الحيل تستخدم أرقاماً دقيقة. الخداع يكمن في الرسم، لا في البيانات.
المتغير الثالث
شيآن يتحركان معًا. إذن ماذا؟
عندما ترتفع القياسات وتنخفض معًا، فهي متصلة ارتباطًا. الارتباط حقيقي ومفيد، لكنه لا يثبت أن أحدهما يسبب الآخر. هناك دائمًا ثلاث تفسيرات بريئة تتنافس مع السببية:
- السببية العكسية: قد يكون B هو الذي يسبب A، وليس A هو الذي يسبب B.
- المصادفة: مع وجود عدد كافٍ من المتغيرات، سيقوم بعضها بالتتبع بسبب المصادفة البحتة.
- متغير مُربك: متغير ثالث خفي يقود كلا المتغيرين.
مثال كلاسيكي: ترتبط مبيعات الآيس كريم ارتباطًا بالإغراق في الوفاة. الآيس كريم لا يغرق أحدًا. المتغير المُربك هو حرارة الصيف، التي ترفع كلًا من مبيعات الآيس كريم وعدد الأشخاص الذين يسبحون.
قبل تصديق ادعاء سببي، ابحث عن المتغير المُربك. اسأل ما الشيء الثالث الذي قد يكون يحرك كلا الرقمين في وقت واحد.
قائمة الشكّ
فكرة أخيرة
لديك الآن قائمة مرجعية لأي إحصائية تعبر طريقك:
1. القياس: ما هو المتوسط المعروض هنا، وهل يجعل الانحراف أو القيمة الشاذة هذا المتوسط كاذبًا؟
2. الانتشار: هل يخفي المتوسط تباينًا هائلاً؟
3. العينة: من تم إحصاؤه، وكم عددهم، ومن هم المفقودون؟
4. الرسم البياني: من أين تبدأ المحور، وهل تم اختيار المدى بشكل انتقائي؟
5. الادعاء: هل يُباع هذا الارتباط على أنه سببية، وما هو العامل المربك الذي قد يفسره؟
يمكن أن تكون الأرقام الدقيقة مضللة. الرقم ليس هو الحجة الكاملة. الخيارات الكامنة خلفه هي التي تحدد ذلك.