少年观把「看不到路」这件事,拆开想清楚

「90% 的人不知道」:无源数字识别法

数字最有说服力,也最好造假。这篇用一个 240 万人集体翻车的著名案例,教你三个问题让无源数字当场现形:谁统计的、怎么统计的、统计了什么。

涨见识 · 2026-10-26

同一篇文章,四种进法(内容完全一样,选顺眼的)

意义感进「我为什么要知道这个」

为什么较真一个数字值得?因为「90%」这种话每天都在替你做判断——信或不信,你都在付出代价。会拆数字,是把判断权从文案手里拿回来的方式。

事实感进「直接给我数字」

核心事实在中段:1936 年,一家杂志调查了 240 万人预测大选,输给一个只查了约五万人的年轻人。规模差了将近五十倍,错的反而是大的那个——为什么,看完你就是明白了。

逻辑感进「这论证哪里不对」

论证链在这里:数字的可信度取决于样本怎么选,不取决于样本有多大 → 「怎么统计的」永远比「统计了多少」重要 → 所以三连问的第一问必须是来源,不是数值。

行动感进「下次刷到怎么办」

拉到底部「三连问」:遇到任何让你心头一震的数字,一分钟内问完这三个问题,绝大多数骗局当场现形。

你可能是带着这些问题找过来的

怎么一眼识破假数字?

三连问:谁统计的、怎么统计的、统计了什么。1936 年《文学文摘》调查了 240 万人预测大选,照样错得离谱——因为问卷只寄给了订杂志、有车有电话的偏富人群。不回答「怎么统计的」,多大的数字都是装饰。

大样本为什么反而可能更错?

因为样本大只保证精确,不保证有代表性。《文学文摘》那份 240 万人的调查,错在收问卷的方式;盖洛普只用约五万人,选得准就预测对了。数字的大小和数字的可信,是两回事。

视频里的数字全都不可信吗?

不是,有源的数字可信度立涨:官方统计、期刊论文、有名有姓的调查机构,且能点开原始出处。本站的规矩是每个数字都挂来源链接——只有经得起点开的数字,才配写进结论。

以上数字的出处(均在下方正文逐条可点):荷兰国家统计局(CBS)抽样方法论文档(含 1936 年民调数据对照表)光明网《大数据面前,统计学的价值在哪里》

「90% 的人不知道这个真相」「每 3 个就有 1 个中招」「调查显示 87% 的家长都后悔了」——数字是最有说服力的东西,也是最好伪造的东西。同一个「调查显示」,背后可能是十年追踪的国家级调查,也可能是评论区里三十条留言。这篇不教你统计学,只教三个问题——但在讲这三个问题之前,先看一个价值连城的翻车案例。

一个 240 万人的错误

事实

1936 年美国大选前,《文学文摘》(Literary Digest)杂志做了当时史上最大规模的民意调查:寄出约 1000 万份模拟选票,收回约 240 万份——这个样本量至今仍是民调史上最大的之一。根据这 240 万人的回答,它预测共和党候选人兰登将以 57% 对 43% 击败罗斯福。实际结果:罗斯福以约 61% 的普选票赢得压倒性胜利,这家杂志不久后因此倒闭。错在哪?名单——问卷寄给的是杂志订户、有车一族和电话用户。在大萧条的年代,这三样都意味着「偏有钱」,而偏有钱的人投兰登。另一边,年轻的盖洛普用约五万人的样本,按人群配额选人,预测对了。

来源:荷兰国家统计局(CBS)抽样方法论文档(含 1936 年民调数据对照表) · 光明网《大数据面前,统计学的价值在哪里》
推断

240 万人输给五万人,规模差了近五十倍。这个案例值钱的地方在于它把一件事钉死了:样本大只保证「精确」,不保证「有代表性」。《文学文摘》如果再查一次,大概率还是得到差不多的(错误的)结果——它的错误不在测量,在选人。数字的大小和数字的可信,是两件完全不同的事。短视频里让你心头一震的数字,几乎从不告诉你它是怎么「选人」的。

前提:此段将 1936 案例的教训推广到当下内容生态;前提是「无源数字的典型问题在抽样而非测量」,这符合抽样方法学的一般结论,但不排除有些数字错在测量或干脆是编造。

三个问题

所以,遇到任何一个掷地有声的数字,问这三句:

第一问:谁统计的?

有名有姓的机构才谈得上负责:国家统计局、高校、期刊论文、正规调查公司。而「研究表明」「专家指出」「数据说话」——没有名字的研究等于不存在的研究。敢署名的数据才配被引用。

第二问:怎么统计的?

问卷发给谁?谁会回答、谁永远不会被问到?这正是《文学文摘》的死因:不是问错了问题,是问错了人。今天的网络投票、评论区截图、粉丝群调查,全都自带这种偏差——会参与投票的,本身就是被话题吸引来的人。

第三问:统计的到底是什么?

「90% 的人不知道」——90% 的哪些人?怎么定义「知道」?「87% 的家长后悔」——后悔什么?被调查的是哪些家长?数字越是精确到小数点,越要问它统计的概念有没有被偷换。

真数字,假归因

推断

还有一档更隐蔽的手法要单独说:真实的数字,配上错误的解释。「某地失业人数创新高」——数字可能是真的(来自官方统计),但「所以这代人完了」是文案自己接上去的。数字负责吓你一句,结论负责骗你一路。三连问防不了这一档,防它还需要多一问:这个数字允许推出什么结论?很多吓人数字的诚实读法其实是「某个指标在某段时间处于某个区间」——仅此而已。

前提:「真数字+假归因」的识别依赖对结论跳跃的敏感度;本段给的是检查方向,不是完备的分类学。
本站观点

说说本站的规矩:正文里每个数字都必须能回溯到带链接的来源,而且问答层的数字不许超出正文已经出现过的——机器闸门盯着,违反就发不出去。这不是道德洁癖,是因为「敢让你点开核对」和「赌你不会核对」是两种完全不同的内容生产。前者把判断权交还给你,后者替你做了判断再假装是新闻。

遇到数字的三连问:
  1. 谁统计的?——查无此「人」的,直接当配乐处理。
  2. 怎么统计的?——问不出「问的是谁」的,想想《文学文摘》那 240 万人。
  3. 统计的到底是什么?——概念被偷换的数字,比假数字更能骗人。

数字讲完了,下一篇讲情绪——为什么 BGM 一响,你就已经开始信了:一个快过你意识的心理学机制。

同栏目其他文章

← 回到「涨见识」