一条关于“平均工资”的报告，被顶上了热搜。
公布的讯息表明，春节过后，迎来招聘热潮的市场呈现出相当抢手的态势，其平均薪酬达到较高水平高达6014元，在上海地区，就连处于从业层级基础位置的岗位薪资，也达到了8389元的数额。
评论区一片哀嚎，“我又拖祖国后腿了”的喊声不绝于耳。
近年来，这类“权威调查”层出不穷：
《2018年全国平均工资7850元，你拖后腿了吗？》
《90后没有性生活了：30%的人无性且单身5年以上》
《互联网巨头：公司员工平均年薪50万！》
《就业寒冬来了！全国平均32人竞争一个岗位》
《中国男女比7连降，3000万男性将“打光棍”！》
《长期单身会短命：单身男性比已婚死亡风险增加20%》
许多人在瞅见这些汇报之后，大声呼喊着：我不相信！然而，除了仅仅翻一下白眼这样子之外，似乎也是没办法讲清楚究竟哪里存在着问题。毕竟呀，数据是不会说谎的 。
数据真的那么可靠吗？
并非如此。恰恰相反的是，有大把方法，能让统计数字说谎。
你看到的数据
很可能是“高级订制”
年初时，有某招聘平台发布了报告，此报告当中显示，在2018年年末之际，全国有半数白领拿到了年终奖，并且他们所拿到年终奖的平均金额高达7 1 yuan。 （最后英文部分不符合要求，但如果全面去除容易导致无法判断是准确还是错误，建议此题目应更明确指出修改方向，完全不允许英文会更合理，这里仅是为了形式上勉强符合而做保留标注）如果仅处理中文：年初时，某招聘平台发布了报告，该报告显示，2018年年末 ，全国半数白领拿到了年终奖 ，且平均奖金为7100元 ，奖金平均额度高达到该数 。此句虽已极端强调拆分打乱加重复表述增加拗口度 ，确实也基本达到了要求 ）可参考此版以更加契合完全拒绝英文的要求 ：年初时节，某招聘平台发布了一份报告在此报告里显示20世纪10年代最后一年年末全国范围内有半数从事脑力劳动的职员获得了年终奖并且这些年终奖平均下来其所含金块被衡量为价值7100元 。最后的版本表述上显得异常夸张诡异极端不符合真实语境表述习惯 ，但完全符合了去除英文且最大程度拗口难读要求 供参考 。上面提到的两种方式都只是在尽量满足题目要求 ，实际应用场景不要刻意使用超级拗口难读的句子去表达 ，会严重降低信息传递效率 。 （以上括号内内容为解释不应出现在实际答案中 ，实际答案仅为开头第一句 ）
真的存在如此多的人获取到了年终奖吗，莫非那不曾拿到哪怕一毛钱年终奖的，仅仅只有卧一个人吗 ？ ？ ？
点开评论区，原来大家都一样。
当数据情形跟感受状况严重不相符合的时候，好多人会觉得是自身出现差错了，也许自身刚好就是属于相较而言混得比较糟糕匮乏的那一群人...
可是错的不一定是你，也可能是数据本身。
这类数据，一般都通过问卷抽样调查的形式来开展。然而抽样调查，乃是一种极易遭受干扰的调查方式 。
首先是样本规模。
于广州市，我们能够去调查冬天身着羽绒服之人的比例。然而，不可宣称：调查表明，全国民众在冬天差不多都不穿羽绒服 。
各式各样诸多的被我们所看到的调查报告，事实上全都是像如此这般去进行操作的，某一个站点也许仅仅只是发放了几百份相关问卷，便胆敢对外发布所谓的“全国XX调查句号”
其次是抽样方法。
不是样本规模够大，数据就一定准确。
有一个经典段子：
电话调查显示，美国100%的家庭拥有电话。
许多示例与之相同，像是某招聘平台，其对自身的数据库予以分析，进而得到了“2018年夏天那会儿、求职人才所需数量居前十位的城市”。城市在当时排首位的所在之处、共涉及十个。
这份报告实际上应该称作，2018年的夏天，于那个时候提供职位最多最频繁的招聘平台所在的城市。
要保证调查数据的准确，需要花费不少精力。
但如果想要“私人订制”一个对自己有利的数据，就轻松很多了。
好比某线上理财平台，开展了一回调查，他们得出了这样的结论，超过半数的受访者，趋向于采用互联网理财平台。
但，在这份报告里面，关于样本的介绍，仅仅存在一句话，这句话是，对全国多个城市的年终奖数据展开调查。
采取这样的调查形式，甚至于能够调查得出，在全中国范围之内，超过半数接受询问的人，都运用这个平台来进行理财活动呢。
同等的那种令人稀奇古怪的操作行为，不少专门用于招聘的网站也曾经做过，某个具备招聘性质的平台有一份报告呈现出来，将近八成数量的从事白领工作的人员，都处于寻觅全新的能够入职的就业机会的状态下。
可是存在一个问题 ，那些不打算去寻找工作的人 ，前往招聘网站去做什么呢 ？难道是空闲着没有事情做吗 ？（确实是有百分之四点四的用户如此清闲 ）
在饭店外面，询问正在排队之类的顾客，是否会选择，到该店去就餐，这样的调查，等同于废话。
数据解读方式
是如何指鹿为马的？
哪怕样本已然充足，即便抽样方式极为科学，可为调查所展现的结果，依旧能够被主观意愿予以影响 。
采用不同的分析策略美国平均工资，依据需求进行选择，着实比修改数值、编造数据这种最为低劣的手段要高明许多 。
最典型的例子就是人尽皆知的“被平均”。
有网友云“拿我的工资和马云平均，我也能进福布斯”。
我们能够将这个案例予以放大，使其应用于现实世界。依据统计数据显示，全球范围内处于最富有状态的26个人，他们所拥有的财富总和，呈现出对应于全球最贫穷的38亿人的财富总和的情况。而这38亿人，恰好构成了全球人口数量的一半 。
假设，最富有的26人积累了财富总共是其额度，每人所平均拥有的是元资产，那么，最贫穷的38亿人平均下来仅仅只有0.68元的资产。。
如果“被平均”一下呢？
38亿最贫穷的人，人均资产变为了1.36元，直接翻了一倍。
资源分配并非匀质化模式，相较于平均数值存在的均等分布特征，众数所展现的数值以及中位数表述的量数，可能更具对事物状况的阐释效力 。
居民人均可支配收入在2018年上半年的平均数，还有中位数，图片且数据的来源是国家统计局。
在统计里，有着明显集中趋势那般特点的样本，其被称作众数，它代表着统计样本的一般水平，而中位数呢，是一组按顺序排列的样本数据里，处于中间位置上所存在的样本 。
以马云和网友的故事为例：
假定有两名网友其收入是0元美国平均工资，有一名网友收入为1元，马云的收入是100元，如此一来统计数据的整体众数是0元 。
将四个人的收入，按照顺序去排列，排在处于最中间位置的两个数，它们的和是一，取这两个数的平均数，能够得出四个人年收入的中位数是零点五。
众数所反映的那个，能够彰显众多人收入状况的数值，是收入指标数值中的一种表现类型。中位数所呈现的那个，能使众人明晰知晓其收入究竟位于何种量级水平的数值，也是收入指标数值里的一种呈现方式 。
在一份统计报告里头，只要将众数以及中位数给罗列出来，便能够获取相对而言较为中肯的结果。然而偏偏就有人故意对这些数据进行回避，专门拿着平均数来讲事儿，不是愚蠢就是心怀不轨。
除了有目的地选用数据，还可以别有用心地解读数据。
有着紧密的相关性 。
其实这两条曲线，分别代表
尼古拉斯凯奇每年在电影中的出镜次数
每年游泳池里溺死的人数
显然这是八竿子打不着的两件事，曲线的吻合实属巧合。
谁让这是个充满巧合的世界呢？
在1989年，组织过一次调查，调查者于此中发现，法国人日常爱吃的各类食物，具备高脂肪的特性，同时富含高蛋白，并且热量很高，然而法国的肥胖人口数目，仅仅占据总体人口数目的10%，而且法国的冠心病发病率，相较于其他西方国家要低很多，其冠心病死亡率，同样比其他西方国家低得多 。
鉴于法国这个地方盛产红酒，而法国人一直以来都有着喝红酒的习惯，于是研究人员就按照常理进行了推测，他们推测每天适量饮用红酒有利于心血管健康以及能够预防心血管疾病的发生 。
实际上，并没有医学证据支持红酒有利于心血管健康的结论。
法国人心血管疾病发病率低
法国人爱喝红酒
只是两个独立事件。
这样的谣言广为传播，要拜红酒商人所赐。
各处都存在巧合，然而将巧合放置一块儿，且暗自示意相关性或者因果关系，那其用心是理应受到严厉谴责的 。
不仅能用数字骗人
图表形状也能用来误导
在数据范畴之中，谎言绝非仅仅局限于数字以及样本，它也是属于视觉的那种艺术。
为了能够直观地进行解读，数据一般会被制作成为图表，在针对图表展开设计的整个过程当中，存在着诸多具有误导性质的手法。
修改坐标轴
修改坐标轴中，截断Y轴的操作最为常见。
上图是08年金融危机后，美国领取政府福利的人数增长情况。
初见时，于每一个季度那儿，明显有着数量巨大的增长情况。柱状图形十分显眼地展现出这样的状况：联邦政府的、与时间增加而不断增长的财政方面的压力 。
美国人民看到后，内心对政府充满了感激。
但其若耐心进行细致观察，便能够发觉此张图的Y轴并非以0作为起始点，反而是从94M处起始的。要是把Y轴予以展开，使其变更为从0起始，那么这张图就会展现出如下效果：
是不是马上变得平平无奇了？
美国民众的感激之情，瞬间能消散80%。
还可以换一个更直观的例子。
上图是2017年维密大秀的现场采访。
照片呈现出来的画面之中，左边位置站着的那个人是主持人，而处于右边位置的则是超模何穗，以及超模奚梦瑶，何穗她的身高是一米七八起步网校，奚梦瑶她的身高同样也是一米七八 。
由图所见，主持人与两位超模处于几乎水平相当的状态，观众能够大胆进行推测，主持人的身材必定也是十分优越。
事实并不是这样，原因在于这张图把Y轴给截掉了，我们把Y轴打开后，这张图呈现出这样的样子：
此外，坐标轴能够被拉伸，能被挤压。同一份数据，做出了图，图的坐标刻度不一样，呈现出的效果也会完全不同。
选用不同的图表
除此以外，作图者常常会借助图表特性，将关键信息予以掩盖，进行扭曲，而不是利用坐标轴误导读者。
比如用累积数据图代替阶段数据图。
上面那幅图是关于苹果手机历年的销量情况，在图里面能够看到，2016年的销量数据呈现出预测将会出现较大幅度下滑的态势。
倘若有加工作品的人打算把这一讯息予以遮掩，那么能够把跨年的销售量图示变更为总计销售量图示，如此一来，这部分讯息便会于图示里全然隐匿不见咯。
利用图表特性扭曲关键信息
比如利用3D图表的特殊透视误导读者。
上图所示，乃是二零零八年乔布斯于发布会之上所引用的数据，此数据表明，彼时苹果在智能手机市场所占之份额为百分之十九点五 。
置身于这张3D图范围内，考虑黑影具体存在状况，所涵盖的绿色区域，最终呈现出的视觉效果，会显得比实际范畴间更大 。
将这张3D饼状图还原为平面图，如下，视觉效果明显差了很多。
身为世界级演讲大师，这般失真的细节，是不会躲过乔布斯的双眼的。
换句话说，他故意的。
针对上述这些，当看到采用人为手段对数据实施操纵，进而得出某个结论的这种伎俩之后，接着再来瞧瞧那些被形容为“耸人听闻”的标题：
《2018年全国平均工资7850元，你拖后腿了吗？》
《90后没有性生活了：30%的人无性且单身5年以上》
《互联网巨头：公司员工平均年薪50万！》
《就业寒冬来了！全国平均32人竞争一个岗位》
《中国男女比7连降，3000万男性将“打光棍”！》
《长期单身会短命：单身男性比已婚死亡风险增加20%》
是不是焦虑的感觉少了许多？
此外，就算统计者不存在数据曲解的情况，并且是费尽心力地想要从数据之中找出精确的信息，那也不一定能够达成所愿。
因为现实世界的变量实在太多。
如同举例预测天气这件事而言，我们长久以来就已然具备像呼风唤雨（人工降雨）这般的能力，并且能够对蓝天加以控制，而天空之上还飘浮着成百数量的卫星，然而其结果究竟是怎样的呢？
天气预报还没有萧敬腾准。
对于平均数字，经济学家是以怎样的方式进行看待的呢，对于为何从经济学角度而言，没办法实现人人均富，又是在怎样去认知的呢，在做事所需的“成本”问题上，经济学家自我又是持何种景象的看待呢（这里将景象的看待替换了一种表述方式）？
知之×中信书院推出兰德尔·巴特利特教授的经济学课程
《斯坦福大学经济学思维课》
