与幸存者偏差有关的论文文献

著名的数学家瓦尔德在二战时因排除众议建议美军在飞机引擎处安置装甲，在很大程度上帮助美军赢得了第二次世界大战，也因此产生了著名的"幸存者偏差"理论。通俗地讲，就是人们常常偏信来自于幸存者的资料、数据，而不去探究"死亡者"的信息，因而资讯与真实情况存在偏差。现实生活中，小到个人生活大到商业运作，"幸存者偏差"现象无处不在。 作为学生，最常遇到的问题就是择校、选择补课班。家长们选择的标准通常依靠的是升学率、高分学生的数量和成绩，而不去看低分学生的占比和分数，更不去考虑学校的整体教学质量、师资力量、和是否因材施教。尽管家长们都知道每个学生都是有独立个性、学习习惯、兴趣特长的个体，也承认很多优秀的学生本身就是天资过人，但由于"幸存者偏差"的误导，他们仍一叶障目，心存侥幸。 今天对于全中国975万考生来讲都是一个重要的日子，寒窗苦读数十载，千军万马挤独木桥，为的是什么？就是为了能考上清华、北大这样的知名学府。因为家长和考生们看到以往清华、北大的毕业生都能找到好工作，拥有较同龄人更高的收入。可是，正因为"幸存者偏差"效应，媒体争相报道的都是高等学府优秀毕业生的案例，而不去追踪、探究那些毕业即失业的学生现状。毕竟，社会鼓励宣扬正向、积极的思想，以慰藉读者，给人以希望。这就给普通老百姓造成一种错觉，即顶尖名校毕业的所有人都是优秀的。 那么，很多人可能不理解，从中国顶尖学府毕业的学子怎么会找不到工作或工作一般、收入平平呢？这里面其实同样蕴含着"幸存者偏差"现象。从大的.概率上讲，人们普遍认为学习好，就能考上知名大学，就会拥有一片光明的就业前景，因而拥有完美人生。可人们往往不知道或选择不听、不看、不相信，很多仅仅关注学习成绩的学生，由于知识面狭窄被挤出职场；由于兴趣贫乏、不擅长与人沟通、合作，余生寡味；甚至，一些成绩优秀，习惯被人仰视的毕业生，人生中遭遇一点小挫折就选择结束生命。 跳出个人学习、生活的小视野，放眼看社会，理顺一些商业发展的规律、脉搏，不难发现，很多人和事的失败往往是由于受"幸存者偏差"的影响。拿从前年开始在全国各地上演的如火如荼的共享单车来举例。当一些共享单车初现成功的时候，很多人觉得自己看明白了盈利者成功的商业模式，也顺而跟风为之，可忽略了其他做该项目失败者的经验教训和诸如市场饱和率、占有率的问题。 因为"幸存者偏差"，人们常常以偏概全，结果导致跟风而上、一味效仿，而不去正视"死亡者"、"失败者"的经验教训。即便是特效药，也只是对某一部分群体有效，不可能对所有人都奏效。即便是成功的商业模式，也是经过不断历练、修正建立的，而不能一味盲目照搬。道理其实每个人都懂，"幸存者偏差"这个理论，人们虽然以前可能不知道它的确切名称，但也略知其中道理，只是人们倾向于从主观上选择让自己轻信"幸存者"的经验、教训，而不愿意听"死亡者"说话，毕竟，他们也不能说话。

幸存者偏差是一个典型的人类认知思考的逻辑谬误，其论证过程是这样的： 幸存者偏差本质上是一种取样偏差（有效的取样应该是完备且随机的），我们更多的关注那些成功者 ，忽略了倒霉蛋，从而做出了错误的判断，甚至得出了荒唐的结论。 我们来看几个例子： 2000多年前，罗马思想家、政治家西塞罗讲了下面的故事。有个人将一幅画给一个无神论者看，画上是一群正在祈祷的拜神者，他们在随后的沉船事故中幸存了下来。其寓意是：虔诚祈祷能保护人们不被淹死。无神论者看了后，问：“那些祈祷后被淹死的人的画像在哪儿？” 这个故事的逻辑推演是这样的：幸存者（A1）都向神祈祷了（C），而且没被淹死（B），所以祈祷可以保证不被淹死。这里的问题是，如果有相当数量的A2，也做了同样的动作（C），但是没有活下来，那就无法证明C是B的原因。现在A2已经死了，他们不会出来说自己有没有祈祷，因而至少说这个归因关系是存疑的 。只有当A2都没有祈祷且淹死了，才有可能证明C是B的原因 。 塔勒布在他的《黑天鹅》一书中说 ， 大部分思想家试图让他们之前的人感到羞愧 ，西塞罗却几乎让他之后的所有经验主义思想家感到羞愧。 其实不仅仅是机场书摊上的成功学书籍，就连商学院MBA的教程里，也充斥着幸存者偏差。 所有成功学的论证过程是这样的：因为这些企业或个人A1，具备了一组特质或者做了一系列特殊的事情C，从而实现了成功B，所以C就是成功经验，你们只要也做C，就会实现B。 A2呢？A2都失败了，有的倒闭了，有的破产了，有的不再创业了，我们没有A2的信息。马云写一本我和阿里巴巴的故事，可以洛阳纸贵，易趣出一本我们怎么搞砸了电子商务的，估计没人看。易趣还算是当年的著名企业了，更多的公司根本无人知晓。 这里不是否认成功经验，成功经验肯定是有的，否则人类文明不会进步了，但是要提醒的是，成功经验的萃取是非常复杂的，需要大量的专业分析和足够多的样本，甚至有时需要长时间的验证才能确定因果关系。鸡汤类的成功学是忽略了这些过程，只是简单的给你呈现了A1具备C。 如果我们把失败者A2都找到，发现失败者也具备C特质，成功者和失败者唯一不同的是，他们有更好的运气 ，那我们就只能把成功归因为运气，而不是C。当然，这个只是可能性之一。 很多城市都保留一些老建筑，上海的外滩、北京的故宫、苏州的园林，不禁让后人感叹，建筑师的水平真是一代不如一代了。但实际上这些保留下来的老建筑很可能就是因为其设计水平高而被保留下来的，大量的水平差的A2早就被拆掉了。仅仅根据A1，无法推导出所有的A都是有品味的。 类似的例子还有：古代的家具就是结实，现代的越来越差了。古代的纸墨就是好，几百上千年都能不腐烂。古代人真厉害，流传下来的字写的真好，每个人都是书法家。 上图显示的是 2016-2017赛季全世界薪水最高的足球运动员 。我们可以看到，他们每个人都是亿万富翁，光年薪就超过了1000万英镑，这还没有包括他们的广告收入。其中上海申花队的特维斯，其 年薪更是达到了令人眩目的3200万英镑，约合2亿7000万人民币 ！但是仅仅依靠这张榜单（A1）无法得出“踢球能致富”的结论。根据世界运动员工会 Fifpro公布的调查数据显示，全世界足球运动员的 月薪中位数介于1000美元和2000美元之间，其中大约有41%的足球运动员被拖欠薪水 。其实，在这么多足球运动员中，只有一小部分（A1）有幸挤入顶级职业联赛（比如英超或者中超）的人，其收入才会高于普通人，而绝大部分运动员（A2），其收入是很差的。 这个现象在几乎所有明星类的职业里都有，电影明星、畅销书作家、歌星，都是类似的情况，少数成功者A1获得了巨额收益，广大的A2活在生存线的边缘，仅仅依靠明星的收入榜单，无法推导出这个行业是高薪的。这个二战英国飞机的故事，被很多人认为是幸存者偏差这一说法的源头。 为了提高飞机防御能力，挽救更多的飞行员和飞机，军方建议根据返航飞机的弹孔分部情况，在密集部分加厚装甲。这个最初的想法，其实错的离谱。这些飞机A1，有弹孔C，实现了返航，没有被击落B。问题是我们要做的是防止被击落啊，那我们更应该看样本A2，看被击落的飞机都是哪里中弹了。不过稍加思索就会发现这是一个不可能完成的任务，被击落的飞机都化成灰烬了，就算能找到一些残骸，也很难得到足够完备的信息。 当时美军统计研究部的统计学家亚伯拉罕·沃尔德（Abraham Wald）拒绝了这一建议，他提出应该在弹孔不密集的地方做文章 ，因为很可能这些地方中弹就坠落了，以至于返航的飞机上看不到这些弹孔。当然 ，他如果就是这么抖机灵、脑筋急转弯一下，也就是不是统计学家了。此人当时也算小有名气的学者了，诺贝尔奖经济学奖得主弗里德曼，为美国海军研究炸弹试验方案时，卡在一个统计学问题上，就是求教这位老兄才解决的。弗里德曼把这段经历写入了自传，称赞道：“他（沃尔德）是一位杰出的统计学家，为统计学做出了创造性的贡献。” 沃尔德实际上是经过了大量的周密的模拟和计算，在A2信息严重缺失的情况下，推导出了应该在驾驶舱加固装甲。后来的实战效果很好，挽救了很多飞行员的性命。相关论文参见：，或者知乎上搜索相关的论证。 说了这么多，那怎么做才能消除，或者克服幸存者偏差呢？

查理芒格提出跨学科知识以及多元思维模型，在《穷查理宝典》中提到了有100多个思维模型，我们在【查理芒格研习会】中，将会以学习思维模型的方式对查理提到的这100多个思维模型进行深入探讨和学习，会将该模型的原始出处和原理搞清楚，然后在结合自身的工作和生活进行理解和运用，希望能将这100多个思维模型都融入到我们自身的知识结构中。 幸存者偏差是我们整理学习的第15个思维模型。 一、什么是幸存者偏差 “幸存者偏差”来源于二战中一个著名的故事： 1941年，第二次世界大战中，空军是最重要的兵种之一，盟军的战机在多次空战中损失严重，无数次被纳粹炮火击落，盟军总部秘密邀请了一些物理学家、数学家以及统计学家组成了一个小组，专门研究“如何减少空军被击落概率”的问题。 当时军方的高层统计了所有返回的飞机的中弹情况——发现飞机的机翼部分中弹较为密集，而机身和机尾部分则中弹较为稀疏，于是当时的盟军高层的建议是：加强机翼部分的防护。 但这一建议被小组中的一位来自哥伦比亚大学的统计学教授——沃德（Abraham Wald）驳回了，沃德教授提出了完全相反的观点——加强机身和机尾部分的防护。 那么这位统计学家是如何得出这一看似不够符合常识的结论的呢？沃德教授的基本出发点基于三个事实是：（1）统计的样本只是平安返回的战机；（2）被多次击中机翼的飞机，似乎还是能够安全返航；（3）而在机身机尾的位置，很少发现弹孔的原因并非真的不会中弹，而是一旦中弹，其安全返航的机率极小，即返回的飞机是幸存者，仅仅依靠幸存者做出判断是不科学的，那些被忽视了的非幸存者才是关键，他们根本没有回来！ 军方采用了教授的建议，加强了机尾和机身的防护，并且后来证实该决策是无比正确的，盟军战机的击落率大大降低，这就是“幸存者偏差”故事的来源。 俗语“死人不会说话”很好地解释了这种偏差的重要成因。当我们分析问题所依赖信息全部或者大部分来自“显著的信息”，较少利用“不显著的信息”甚至彻底忽略“沉默的信息”，得到的结论与事实情况就可能存在巨大偏差。 再比如媒体调查“喝葡萄酒的人长寿”。一般是调查了那些长寿的老人，发现其中很多饮用葡萄酒。但还有更多经常饮用葡萄酒但不长寿的人已经死了，媒体根本不可能调查到他们。 二、幸存者偏差的本质 广义的幸存者偏差用统计学的专业术语来解释是——“选择偏倚”，即我们在进行统计的时候忽略了样本的随机性和全面性，用局部样本代替了总体随机样本，从而对总体的描述出现偏倚。 统计学的简单描述是这样的：统计全集为A，观察到A的子集A1有特征X，A1为幸存者，而A另外的子集A2并没有观察到或者被人为忽略，于是判断全集A都有特征X，事实上A2的特征为Y。 调查买火车票的案例：央视记者在一辆高铁上问：您买到票了吗？买到了！您呢，您买到了票了吗？买到了！ 用这个案例来代入解释为：A为全体想买火车票的人，A1为已经在火车上的人，A2为想买但没买到的人，特征X为买到票，特征Y为未买到票，即幸存者偏差将一小部分显性样本代替了随机样本，从而导致了统计的偏差。 有了这个框架，我们就能从理论的角度理解这些“幸存者偏差”的具体案例了： 1、亚裔学生案例：美国学生会发现亚裔同学在数学方面要超出其同龄孩子很多——“幸存者偏差”：能到美国上学的孩子在中国的教育水平和成长环境通常都会相对优越，要是中国的母语是英文，想必语文成绩也会优于美国同龄学生。 2、住院研究案例：假如北京长庚医院对心脏病人住院病人的饮食习惯进行研究，从而发表一篇《心脏病与饮食习惯之间的关系》的论文，该论文是否有可信度？答案是没有！因为长庚医院为北京高端私立医院，该院病人和普通病人的饮食习惯会存在差异，同时住院的病人也并非能代表所有病例（不住院就已经去世的、住不起院的等等），事实上，排除这些干扰因素是现代医学研究的基本准则。 3、健身房案例：我每周一三五中午都会去公司的健身房，这个习惯坚持了很长一段时间，然而有一段时间我一度沮丧——因为我发现公司健身房的同事基本上身材都比我好，这其实就是典型的“幸存者偏差”——那些健身房的人身材好当然是大概率事件，身材不好也不锻炼的人通常很少去健身房。 在以上三个案例中，全集A分别为：中国的所有孩子、所有心脏病患者、我公司的所有同事； 幸存者A1分别为：有条件去美国念书的孩子、在长庚医院的心脏患者、去健身房的同事； 特征X分别为：数学好、饮食独特、身材好； 特征Y分别为：数学平庸、饮食正常、身材一般。 这就是“幸存者偏差”的分析框架。 三、幸存者偏差的应用 再举个例子，我们来玩一个游戏，抛硬币，大家猜正面还是反面，我们知道肯定各有50%的几率胜出，一旦硬币落地一定会有确定的一面结果，由10000人参与，每次要求各一半的人猜正面或反面，猜对的人进入下一轮，猜错的即被淘汰。即第一轮游戏之后还剩5000人，第二轮之后还剩2500人，按照这个规则十轮之后还剩9个人。 此时，请问这9个人是靠什么得到最终胜利的？是他们比别人聪明吗？是预测能力吗？是智慧吗？这些都不是，唯一的原因就是他们比较幸运，在连续十次的猜硬币过程中，选择了正确的结果，但每一轮硬币掉下来之前，其实谁都不知道是正面还是反面。 将抛硬币换成猜股票的涨跌，如果能连续十次都猜对股票的涨跌，那么这最后能剩下的几个人，一定会被我们奉为股神，他说出来的话会被很多吃瓜群众奉为经典，但你会发现你按照他们的思路去买卖股票，跟蒙着眼扎飞镖选出来的股票收益率差不多的。 将抛硬币换成创业，同样如此，当前做得很好的公司，也是因为在每次大的决策时候选对了，从而最终企业活下来了，在外界看来，这些企业都很牛，创始人都很厉害，从而创始人出来讲得创业金句，被很多还没成功的创业者，甚至很多吃瓜群众奉为经典，但真的是如此吗？ 听混沌大学杭州分社社长贾光分享，很多创业成功的大佬也报名参加混沌大学，入学的时候回答是，我是想来知道我为什么会成功的。 在创业过程中，会有很多别人创业成功的总结，我们可以认真学习，但切记不可照搬，所有所谓的模型都有他应用的场景和背景，例如精益创业MVP，需要创业者在大规模推广之前先尝试，号称试错，很多创业者就将此奉为经典，在公司内部言必称试错。但很多时候如果“纸上谈兵”都走不通的话，实际MVP去试错也是不会有结果的，任何试验的成本都会大于创始人脑子里思考的过程，所以创始人一定要独立思考，将项目的理论推演逻辑走通，再去MVP则可以事半功倍。如果这个事情逻辑都是走不通，试再多次也是无济于事。 批判性思维和独立思考，是创业者特别是创始人最重要的能力和任务，一旦做了错误的决定，会让团队那些优秀的人为你的错误买单，一将无能、累死三军。