这一章的重点，是说明低劣统计的制造方式：薄弱的猜测、含糊的定义、有问题的测量，以及贫乏的取样。此时你可能会想，是不是所有统计都有问题，统计不过是个“该死的谎言”。难道没有好的统计吗？我们该如何分辨统计的好坏呢？

这一章指出的问题，其实也道出了好的统计所必须具备的部分条件。首先，*好的统计不能光靠猜测*。统计最基本的问题是：这个数字是怎么算出来的？统计绝非十全十美，但某些缺点却是要不得的。我们不该对猜测抱持太大的信心（即便是基于经验或知识的猜测）。

请注意猜测的危险征兆：提供统计数字的人是否有偏见，他们是否想证明问题非常普遍或极为少见？数字是否相当庞大、接近整数？统计所描述的，是否是个从未见过、不为人知而且还包括庞大黑数的社会问题（如果是，倡议者又是如何得出这个数字呢）？

第二，*好统计靠的是清楚合理的定义*。千万记住，每一项统计调查都必须对研究对象加以定义。定义必须清楚，而且对外公开。个案不是定义，戏剧化且骇人惊悚的故事与最极端的案例更绝对不是定义。任何提出统计数据，用来描述社会问题的人，应该能够并愿意解释用以制造数据的定义。定义通常很广：能够包含各种与举例不同（且通常较为轻微）的案例。

我们要问的是：定义究竟多广？定义包含了什么？然后，问问自己，这些提出数据的人是否特别喜欢广泛或狭隘的定义？原因是什么？并且想想这些定义是否排除太多漏报个案，或纳入太多误报个案。

第三，*好统计的基础是清楚合理的测量*。所有统计多少都与测量有关；尽管测量都不完美，但是各种缺陷的严重程度不一。提供统计者应有能力与意愿解释测量社会问题的方法，并做出明智的抉择。如果提供数字的人持有某种偏见（偏好较大或较小的数字），那么，该偏见可能就会反映在测量问题的方法。例如，他们可能会调整问题的措辞，以诱导某些回应，或是藉由特殊方法解读。对于测量方法不明者，我们必须谨慎以对，思考究竟是怎样的测量选择，制造出这样的统计数据。

最后，*好的统计数据要有好的样本*。光是清楚合理的定义和测量还不够。几乎所有统计都是由小样本推论到大规模母体，提供统计数据的人，应该解释自己选择样本的方法。好的样本能够代表母体；理想上，这样的样本应该随机抽出。格外留意样本数少、非随机的便利抽样；这类样本虽然取得容易、花费低，却难以成为全面性推论的基础。记得问问自己，选择的样本会怎样扭曲最后的统计结果。

好的统计所具备的共同特征，是我们不只看到一个数字；我们还看到数字背后的定义内涵、测量方法与抽样方式，也就是得出数字的完整过程。当报告隐瞒了这些讯息，我们绝对有理由怀疑数字的真假。

摘自 《统计数字是事实？是谎言？》 商周出版社 提供

(//www.dajiyuan.com)