数据如何误导了我们.pptxVIP

数据如何误导了我们揭开数据背后的真相报告人名称20xx.xx.xx

4数据误导的原因1避免数据误导的方法2目录

数据误导的原因剖析数据研究各阶段存在的问题3

4标准化过程中的隐患数字标准化是给研究对象建立统一测量标准，如“200克米”是标准化说法。标准化定义1像距离、重量等物理世界客观事物，标准化起来相对容易，有明确衡量方法。客观概念标准化2并非所有人造概念都能转化为标准化数字，如幸福是主观感受，难以统一量化。人为概念转化难题3以GDP为例，它衡量经济发展有局限，未考虑市场外价值、环境成本等。标准化方式不全面4标准化过程基于人为价值判断，不同判断会导致采用不同衡量指标。价值判断影响标准化5韦氏智力测试以抽象思维衡量智力，但不同地区、种族设计可能不同。智力测试价值判断例6数字标准化陷阱

4采集过程中的偏差来源1民意调查定义民意调查是从民众中抽取部分样本，调查其对某事的看法以判断整体意见。2美国大选民调偏差1948年杜鲁门胜选，但大选前民调显示杜威支持率更高，《芝加哥每日论坛报》误判。3样本局限性表现很多民调并非面向全社会，如《纽约时报》官网问卷只针对特定人群。4心理学研究样本怪异性心理学研究样本多为西方、受教育等有民主意识的人，结果用“全人类”概括，实则有差异。5随机抽样法缺陷随机抽样可能存在受访者失联或拒绝参与情况，影响样本代表性。6配额抽样法不足配额抽样法的人群分类基于主观判断，未考虑性格等隐性影响因素。7数据无法精准反映现实人们采集到的数据只能大致反映现实，如透过磨砂玻璃看事物，有模糊性。数据采集问题

4分析时的常见错误相关关系非因果关系相关关系不等同于因果关系，不能仅凭观察就得出因果结论。1鹳鸟送子伪因果例一户人家鹳鸟巢多孩子多，并非因果关系，可能是房子大小等其他因素影响。2吸烟成绩伪因果分析吸烟学生成绩差，可能是其他因素同时影响成绩和吸烟行为，如小混混现象。3反向因果情况下雨时街上人带伞，不能说是伞导致下雨，这就是反向因果的典型例子。4人为选择影响分析学术界多发表有显著关联的研究，研究人员会想方设法找数据关联。5万辛克研究漏洞万辛克用贴纸装饰苹果的研究有漏洞，靠拆分数据找关联来发表成果。6维根疯狂关联事件维根发布泳池溺水人数与凯奇电影数量等疯狂关联，提醒人们警惕数据陷阱。7数据分析误区

避免数据误导的方法掌握应对数据误导的策略3

4审视数据来源与收集数据提供方利益关系01要关注数据提供方是否因数据获益，如小报为博眼球夸大结论，赞助商可能影响研究结果。人为概念数据理解02人为概念数据只是真相切面，不能当作全部真相，需考虑概念背后价值判断。样本选取与敏感性03要关注样本是否随机抽取，研究主题是否敏感，避免收集到不真实的数据。因果关系伪因果判断04判断数据是否说明因果关系，要考虑偶然事件、其他因素和反向因果等伪因果情况。警惕数据产生过程

4克服主观认知偏差感受影响判断案例作者因爱喝酒，对酒精研究结论有情绪反应，影响了判断的客观性。1普拉萨德研究分析普拉萨德指出酒精研究有问题，但作者按自己意愿解读为喝酒无害。2应对非理性措施要察觉自己感受，不凭感受做判断，通过“多点几下鼠标”找更多资料。3作者综合研究结果作者搜索更多酒精研究，发现喝酒多负面影响大，卫生委建议每天最多喝一杯。4科学共识重视很多不同背景研究人员用不同方法得出相似结论，形成科学共识，值得重视。5拥抱不确定性要求探索世界真相要拥抱不确定性，调查不同意见，读不同观点文章，对比不同数据。6警惕大脑非理性

谢谢观看报告人名称20xx.xx.xx内容由千问AI生成