在大數據時代保持謙遜

有人說，拋開功利目的，統計學其實就是一項任務明確的客觀工作。要達成這一任務，無非是處理數據，從中尋找信息，繼而得出結論。但數據從來不是單純的數字，它是關于事實的符號記錄，構成信息或知識的基礎材料。數字是抽象的符號，數據卻包含著特定的意義。比方說“157”這個數字，本身沒有任何主觀的含意。可是，如果有人說，157是一個成年男子的身高，我們立刻就會明白，哦，它的單位肯定不是千克，也不是毫安，而是厘米。接著我們也許還會推斷說，這個人的個頭比較小，不太可能去打NBA。可見，數字必須嵌在經驗、上下文聯系、解釋等主觀判斷里才可能成為數據。換句話說，在統計學的范疇內，數據是“有內容的數字”。而所謂內容，其實大有玄機。

縱使我們對數據來源抱以高度的清醒，也未必能做到客觀真實。

2008年，納特·希爾弗在美國大選期間成功預測了49個州的選舉結果。2012年，他更是驚人地準確預測了美國全部50個州的選舉。但正是這個被譽為“神奇小子” 的人提醒大家，在如今所謂“大數據”的時代，作為一門炙手可熱的學問，統計學的第一戒條就是謙遜。一個好的統計學家必須認識到，哪些事情統計學可以辦到，哪些不能。而這一點，往往是分辨好數據與壞數據的前提。

上世紀七八十年代，當計算機開始得到廣泛運用時，人們樂觀地以為，統計學可以解決經濟預測問題。然而30年過去了，經濟仍然是一個湍流難測的領域。很少有人預知到經濟危機的發生，經濟趨勢的預測通常也充滿了一個個互相矛盾的修正值。

經濟學家哈祖斯是少數準確預測到2008年國際金融危機的人。他認為，人們在下判斷時，總是傾向于選擇那些滿足自身偏見的數據。不管這些偏見是經濟動機還是政治信仰，它們都會使數據變得很不可靠。他說：“我認為人們絕對有這樣的傾向，急切地希望事情按照自己希望的方式發展下去。”正是這種一廂情愿的自以為是，使得數據、統計，以及它們描述的世界統統發生了扭曲。

哲學家C.I.劉易斯告誡人們：“不存在任何先驗的理由足以證明，當我們發現真理的時候，它會是有趣的。”不僅是統計學，任何以真理為最終目標的知識，都應該以此為圭臬。

（摘編自微信公共賬號“大家”，作者：西閃，原題為《用數據是否能走向真理》）