中國平均工資都7000了,你拖後腿了嗎?

轉載自鳳凰WEEKLY（公眾號ID：phoenixweekly）

這星期，一條關於「平均工資」的報告，被頂上了熱搜。

報告顯示：春節後招聘市場很火，平均薪資高達6014元。上海連基層崗位薪資，都高達8389元。

評論區一片哀嚎，「我又拖祖國後腿了」的喊聲不絕於耳。

近年來，這類「權威調查」層出不窮：

《2018年全國平均工資7850元，你拖後腿了嗎？》

《90後沒有性生活了：30%的人無性且單身5年以上》

《網際網路巨頭：公司員工平均年薪50萬！》

《就業寒冬來了！全國平均32人競爭一個崗位》

《中國男女比7連降，3000萬男性將「打光棍」！》

《長期單身會短命：單身男性比已婚死亡風險增加20%》

看到這些報告，很多人大呼：我不信！但是除了翻個白眼之外，好像也說不出哪裡有問題。畢竟「數據不會說謊」。

數據真的那麼可靠嗎？並非如此。恰恰相反的是，有大把方法，能讓統計數字說謊。

年初，某招聘平臺發布報告，報告中顯示，2018年年末，全國半數白領拿到年終獎，並且平均獎金高達7100元。

真有這麼多人拿到了年終獎？？難道1毛錢都沒拿到的，只有我一個？？？

點開評論區，原來大家都一樣。

當數據和感受嚴重不符時，很多人會認為是自己錯了。或許自己就是混的比較差的那批人...

可是錯的不一定是你，也可能是數據本身。

這類數據，通常都以問卷抽樣調查形式進行。偏偏抽樣調查，是一種很容易被幹擾的調查方式。

首先是樣本規模。我們可以在廣州市，調查冬天穿羽絨服的人群比例。但不能聲稱：調查顯示，全國人民冬天幾乎都不穿羽絨服。

我們看到的很多調查報告，實際上就是類似這樣操作的。一個網站可能只發了幾百份問卷，就敢發布「全國XX調查」。

其次是抽樣方法。不是樣本規模夠大，數據就一定準確。

有一個經典段子：電話調查顯示，美國100%的家庭擁有電話。

同樣的例子有很多。譬如某招聘平臺，通過對平臺的資料庫分析，得出了「2018年夏季，求職人才需求量最多的10大城市」。

這份報告其實該叫 」2018年夏季，在該招聘平臺發布職位最多的城市」。

要保證調查數據的準確，需要花費不少精力。

但如果想要「私人訂製」一個對自己有利的數據，就輕鬆很多了。

例如某線上理財平臺，做了一個調查。他們得出結論：超過半數的受訪者，傾向於使用網際網路理財平臺。

但這份報告中，對於樣本的介紹只有一句話：對全國多個城市年終獎數據進行調查。

用這種調查方式，甚至可以調查出：全國超半數受訪者，都使用本平臺理財呢。

同樣的騷操作，很多招聘網站也幹過。某招聘平臺有過一個報告：近八成的白領，都在尋找新的工作機會。

但有一個問題，那些不想找工作的人，上招聘網站幹啥？閒著沒事？,真的有4.4%的用戶這麼閒。

這類調查無異於在飯店外面問排隊的顧客：會不會選擇在該店就餐？屬於廢話。

即使樣本夠大，抽樣方法也足夠科學，調查呈現的結果，仍然可以被主觀意志所左右。

修改數值、編造數據是最低劣的手段，更高明的是，根據需求採用不同的分析策略。

最典型的例子就是人盡皆知的「被平均」。

有網友雲「拿我的工資和馬雲平均，我也能進福布斯」。

我們可以把這個案例放大到現實世界。據統計，全球最富有的26個人的財富總和，相當於最貧窮38億人的財富總和。這38億人構成全球一半人口。

假設最富有的26人財富共2600000000元，每人平均100000000元資產，那最貧窮的38億人平均只有0.68元的資產。

如果「被平均」一下呢？

38億最貧窮的人，人均資產變為了1.36元，直接翻了一倍。

資源是不會平均分配的。比起均值，眾數和中位數也許更能說明問題。

▲2018年上半年居民人均可支配收入平均數與中位數 圖片、數據來源：國家統計局

眾數是指在統計中，具有明顯集中趨勢點的樣本，代表統計樣本的一般水平；中位數是按順序排列的一組樣本數據中，居於中間位置的樣本。

以馬雲和網友的故事為例：

假設兩名網友收入為0元，一名網友的收入為1元，馬雲的收入為100元，那麼統計數據的整體眾數為0元。

將4個人的收入按順序排列，排在最中間的兩個數之和為1，取個平均數，可以得出四人年收入的中位數是0.5。

收入的眾數，可以體現多數人的收入水平。收入的中位數，可以讓大家知道，自己的收入，處在什麼位置。

一份統計報告中，只要列出眾數和中位數，就能得到相對中肯的結果。但就是有人故意迴避這些數據，專拿平均數說事，非蠢既壞。

除了有目的地選用數據，還可以別有用心地解讀數據。

下圖中的兩個對比項曲線無比吻合，如果不知道圖表的具體內容，一定會認為兩項數據，有緊密的相關性。

其實這兩條曲線，分別代表 [尼古拉斯凱奇每年在電影中的出鏡次數] 及 [每年遊泳池裡溺死的人數] 。

顯然這是八竿子打不著的兩件事，曲線的吻合實屬巧合。

誰讓這是個充滿巧合的世界呢？

在1989年的一次調查裡，調查者發現法國人愛吃的食物高脂肪、高蛋白、高熱量，但法國的肥胖人口卻只有10%，冠心病發病率和死亡率，還比其它西方國家低得多。

鑑於法國盛產紅酒，法國人也向來有喝紅酒的習慣，研究人員便「順理成章」地推測：「每天適當飲用紅酒有利於心血管健康，可預防心血管疾病的發生」。

實際上，並沒有醫學證據支持紅酒有利於心血管健康的結論。[法國人心血管疾病發病率低] 與 [法國人愛喝紅酒] 只是兩個獨立事件。

這樣的謠言廣為傳播，要拜紅酒商人所賜。

巧合無處不在，但是把巧合放在一起，並暗示相關性或因果關係，就其心可誅了。

在數據領域，謊言絕不僅僅限於數字和樣本，它同樣是視覺的藝術。

為了直觀解讀，數據通常會做成圖表。在設計圖表過程中，有許多誤導性的手法。

修改坐標軸，修改坐標軸中，截斷Y軸的操作最為常見。

上圖是08年金融危機後，美國領取政府福利的人數增長情況。

乍一看，每個季度都有巨量增長。柱狀圖赫然呈現出：聯邦政府與日俱增的財政壓力。

美國人民看到後，內心對政府充滿了感激。

但如果仔細觀察，會發現這張圖的Y軸不是從0開始，而是從94M開始的。如果將Y軸展開，改為從0開始，這張圖就會呈現以下效果：

是不是馬上變得平平無奇了？

美國民眾的感激之情，瞬間能消散80%。

還可以換一個更直觀的例子。

上圖是2017年維密大秀的現場採訪。

圖中左側是主持人，右側是身高為178cm的超模何穗、奚夢瑤。

圖中看到，主持人和兩位超模幾乎平起平坐，觀眾可以大膽推測：主持人的身材一定也相當優越。

事實並非如此，因為這張圖截去了Y軸。我們將Y軸打開，這張圖長這個樣子：

此外，還可以拉伸、擠壓坐標軸。同一份數據，做出的圖坐標刻度不同，可以呈現出完全不同的效果。

 

選用不同的圖表，除了利用坐標軸誤導讀者之外，作圖者還經常利用圖表特性掩蓋、扭曲關鍵信息。

比如用累積數據圖代替階段數據圖。

上圖是蘋果手機的歷年銷量，圖中可以看到2016年銷量數據預測，將出現較大下滑。

如果作圖人想掩蓋這一信息，可以將歷年銷量圖改為累計銷量圖，這部分信息就會在圖中消失無蹤。

利用圖表特性扭曲關鍵信息，比如利用3D圖表的特殊透視誤導讀者。

下圖是2008年賈伯斯在發布會上引用的數據，顯示當時蘋果佔據了智慧型手機市場19.5%的份額。

在這張3D圖中，由於陰影的存在，iPhone所佔據的綠色區域會看起來會比實際上更大。

將這張3D餅狀圖還原為平面圖，如下，視覺效果明顯差了很多。

作為世界級的演講大師，這種失真的細節是不會逃過賈伯斯的眼睛的。

換句話說，他故意的。

看了上述這些，通過人為手段操縱數據，得到某個結論的伎倆後，再來看看那些「聳人聽聞」的標題：

《2018年全國平均工資7850元，你拖後腿了嗎？》

《90後沒有性生活了：30%的人無性且單身5年以上》

《網際網路巨頭：公司員工平均年薪50萬！》

《就業寒冬來了！全國平均32人競爭一個崗位》

《中國男女比7連降，3000萬男性將「打光棍」！》

《長期單身會短命：單身男性比已婚死亡風險增加20%》

是不是焦慮的感覺少了許多？

此外，即使統計者沒有數據曲解，而是竭力想從數據中得出準確信息，也未必能如願。

因為現實世界的變量實在太多。

譬如說預測天氣吧。我們早就會呼風喚雨(人工降雨)，還能控制藍天(G20藍、APEC藍)，天上還飄著數以百計的衛星，結果呢？

天氣預報還沒有蕭敬騰準。

▼

互動話題

你還知道哪些數據被平均過嗎？

點好看都能暴富哦~