规模直觉：孤零零的数字总在骗人

Factfulness 十大直觉之五：孤立的数据容易被误读。 一个数看起来很大或很小，只有和别的数放在一起才反映真实情况。

A lonely number always makes me suspicious that I will misinterpret it. A number that I have compared and divided can instead fill me with hope.

罗斯林给了两个动作：比较，和相除。

一、比较（Compare）

孤立地看，2016 年有 420 万婴儿死亡——触目惊心。可 1960 年这个数字是 1440 万。放在一起，就能看到两个年份之间的下降。

同样，比较不同疫情的死亡人数时，也要交代统计范围与时间，才知道这些数字分别意味着什么。

2020 年武汉水涝时，网上流传的这组图是"比较"这个动作最朴素的示范：江滩公园的雕塑上刻着 1931、1954、1998 三条历史水位线，2020 年 7 月的水漫上来，人站在水里，一眼就知道这次排第几。

只给出“水位 XX 米”，读者很难判断它有多高。是那三道旧刻痕让这个数字有了意义——这就是罗斯林说的比较：找到参照物，孤立的数字才开口说话。

二、相除（Divide）

只看死亡的绝对数还不够，得除以出生总数。分母变了，率就不同了。

When you see one number falling it is sometimes actually because some other background number is falling.

人均更是关键。 在书中所举的碳排放讨论里，只比总量会得出“中国印度即将超过美国”的结论；改按人均计算，比较结果就不同了。这里的具体排序还须结合书中采用的年份。罗斯林打过一个刻薄的比方：那就像因为中国人口的总体重高于美国，就宣称中国的肥胖问题比美国严重。

书里那位印度代表的话说得更直白：是你们这些最富的国家，烧了一个多世纪越来越多的煤和石油，把我们所有人推到了气候变化的悬崖边。

三、二八原则

比完、除完，还要排序：先对付大头。 长长的清单里，最上面几项往往比其余全部加起来还重要。

这条是所有数据素养里最基础也最常被跳过的一步。它和 小数定律让小样本显得比实际可靠 是一对：那条提醒人不要高估小样本的可靠性，这条提醒人不要只凭数字大就下判断——都得放回分母和参照系里才算数。

——收入 读书笔记 · 思维模型

看它的邻域 →