科学辟谣的底层方法：为什么"眼见的数据"也会骗人

本节你将能

读完你会明白：为什么"喝咖啡致癌""某食物防癌""玩游戏变聪明"这类标题年年换，却总经不起推敲。问题往往不在数据本身，而在我们怎么读数据。

陷阱一：相关不等于因果

冰淇淋销量和溺水人数高度正相关——但谁都知道吃冰淇淋不会让人溺水，背后是"夏天"这个共同原因。很多新闻把"同时发生"直接读成"因为所以"，这是误读的第一重来源。读任何"X 导致 Y"之前，先问：有没有第三变量？是不是反过来（Y 导致 X）？有没有对照实验？

陷阱二：没有对照，或样本有偏

"我邻居家吃了某保健品好了"是个例，不是证据。一个结论要靠大样本、随机、有对照的研究才能站住。样本只来自特定人群（比如大学生、比如某一国），结论却推广到全人类，也会翻车。

陷阱三：可重复性危机

一个实验做一次"显著"，不代表它可靠。心理学、生物医学近年均曝出大量"做不出来"的著名结果：棉花糖实验、斯坦福监狱实验都在复核中打了折扣。能独立重复，才接近真相。

陷阱四：发表偏倚

期刊偏爱"好看"的显著结果，于是大量"没效果"的研究默默躺在抽屉里不发表。你看到的新闻，可能只是所有研究里最乐观的那一小撮——这叫"抽屉文件问题"。

陷阱五：幸存者偏差

只看到"活下来"的样本就会得出错误结论。比如"辍学创业也能成"——你没看到的是成千上万失败的人。解读任何"成功学数字"时，先想：被省略的对照组长什么样？

核心要点

• 看到"X 导致 Y"，先找第三变量和对照实验。
• 个例和轶事不是证据，大样本随机对照才更接近真相。
• 能独立重复的结果，比一次性"显著"更可信。
• 只报好消息的发表环境，会系统性放大假阳性。