「我有一个朋友」这个句式，想必大家不会陌生。
在知乎、公众号、朋友圈，我们每天都能看见许多作者，用「我有一个朋友」开头，讲一个故事，试图解决你的困境。
当你不知道该选什么专业时，他们会说：
我有一个朋友，他选择了某某专业，后来怎样怎样……
当你不知道该考研还是工作时，他们会说：
我有一个朋友，他考研了/工作了，后来怎样怎样……
当你不知道该不该跳槽时，他们会说：
我有一个朋友，他也面临过同样的困扰，后来他跳槽了/留下了……
当你不知道如何处理一段感情时，「我有一个朋友」又跳了出来，言之凿凿地告诉你，他也曾经如何如何……
人永远是孤独的，所以我们喜欢听故事。尤其是当故事跟我们的困境高度相似时，感受到别人也有着和自己一样的困扰，会给我们带来一种安心感和认同感。
同时，美好的结局（基本都是）通常会带给我们一种信心：只要我们像故事的主角那样去做，我们也能得到一样的结果。
这些故事本身或许写得很好，很动人，但很遗憾，它们是没有任何意义的。
生活中遇到的任何问题，最不缺的就是各种个例。
面对同一个困境，同时有A和B两种选择，我们永远可以找出一大堆案例，支持选择A；也可以找出一大堆案例，支持选择B。
把其中一个案例扩展一下，加上渲染和细节，就是一个故事。
它本身无法说明任何问题：既不能说明这个路径可以复制，也无法说明它的操作可以成功。
我们之所以会觉得它说得有道理，只是因为它恰好是一个成功的案例，然后恰好被我们看到了而已。
举个例子，比如说「该选择大公司还是小公司」，一个从大公司出来的人，可能会告诉你：大公司有多么完善的体制，规范的流程，他学到了非常多的东西，碰到了非常nice的上级，才有了今天的成就；
这些对不对呢？都对。但是没什么用。
就是让他们两个人重新走一遍流程，在同样的公司，完全照搬之前的做法，结果都很可能大相径庭——因为这个过程中有着太多不确定、不可控的因素。他们所认为的结果，很多时候并不完全是由他们所认为的原因造成的。
你看到的故事，只是恰好他们成功了，恰好被他们的朋友写成了案例，又恰好被你看到——这样的事情，每天都在成千上万地发生。
这在心理学上，叫做「选择性观察效应」：我们挑选样本进行观察的过程中，本身就对样本进行了筛选，而这个筛选对结果会有影响。
对于一个总体，如果我们能够掌握里面每个个体的信息，我们就能百分之百确定这个总体的情况。但是在实际生活中，这往往是不可能的，所以我们需要从中挑选出一部分样本，通过对样本的观察，来估计总体的情况。
一方面，每个人能接触的人都是有限的，对于总体（按上面的例子，就是所有选择了「大公司」和「小公司」的人）来说，这个样本量毫无意义——因为实在是太少了。
另一方面，每个人的圈子都不可能是随机的，他们之间必定会有某种共性——正是这种共性形成了圈子——但在选择的过程中，它同时也会造成偏差。
「我身边有一个朋友，他选择了大公司，一路顺风，没几年就做到了高管」——并不能说明其他人选择大公司也会如此。很可能，99%的人选择了大公司，晋升都非常慢，而那位朋友恰好是那幸运的1%。
个例没有意义，统计数据才有意义。
然而，吊诡的是，一直以来，自媒体和媒体们，都热衷于用各种个例来描述某种问题，调动读者的情绪。
例如，近几年来，各种年轻人创业的案例充斥报端。模式大概都是这样的：一位90/92/95年的CEO，想到一个点子，跟几个朋友组了个团队，见了个投资人，吃了顿饭，顺利拿到第一笔融资……
当然，为了增加可信度，这中间会夹杂一些失败、挫折、困惑、被轻视，但最后一定是产品落地，梦想照进现实。
这就是一种「选择性观察效应」。如果你只看个例报道，你会觉得仿佛进入了全民创业时代，几乎每天都有新项目上线、拿到融资。但真正的情况呢？只有统计数据能告诉你。
但是，统计数据是否一定更加确切呢？
考虑下面这个例子：
如果我想考察「名校毕业生是否更容易进名企」，我随机挑选10所名企，统计其核心部门名校毕业生和非名校毕业生的比例，得出结论：名校毕业生的比例更高。那么，这个结论能证实「名校毕业生更容易进名企」吗？
这同样是受到「选择性观察效应」的影响。
我们的本意是想考察：在不考虑能力差异的情况下，名校毕业生就业是否会更有优势。然而我们的筛选方式，本身就隐含了能力的不平等——使他们进入名企的，未必是名校这个标志，更大的可能是他们本身的能力，而我们的筛选方式是没有办法作出区分的。
同样，如果一项研究告诉我们，每天喝4杯咖啡的人，比一杯咖啡都不喝的人，患上心脑血管疾病的几率小25%，能说明「多喝咖啡对身体有益」吗？
如果没有给出任何材料，比如这项研究在哪里做、考察了什么样的人群、前后的人群是否一致，等等，光看这个结果，什么也说明不了。
因为，每天都喝4杯咖啡的人，至少是生活水准比较高的人，很可能比不喝咖啡的人更高。所以，他们的生活环境可能会更佳，对自己的健康状况会更在意，获得优质医疗资源的机会也更高，因此普遍的健康状况当然会比后者更好。
这个效应，在中文网络上有个传播更广的名字，叫做「幸存者效应」。
这个名字是这样来的：
据说，二战的时候，有专家对执行任务后幸存的飞机做了统计，发现它们大多数是在尾翼和机翼中弹，所以主张道：我们应该在飞机的尾翼和机翼加装装甲。
这样做对不对呢？不对。
因此，若仅仅研究「幸存者」，就会忽略掉真正重要的因素。
这个故事的真假无从考证，但名字却非常直观易懂，因此一直传播了下来。
许多讨论「幸存者效应」的文章，都会提到一个案例，那就是1936年的美国总统选举。
当时有两家公司在做大选预测，其中之一是美国的老牌杂志《The Literary Digest》。他们事先发放了1000万份问卷，并回收了230万份（当时全美选民大约是1亿人，230万已经是非常庞大的样本了）。
根据问卷结果，他们预测：共和党候选人阿尔夫·兰登，将在大选中获得69.67%的选举人票，击败民主党候选人富兰克林·罗斯福，赢得总统大选。
一是他们邮寄调查问卷的对象：他们是从电话簿和汽车登记簿中收集地址信息的。在那个年代，家里有电话和汽车的人，绝对是相当有钱的人，而这部分往往会比较支持共和党。
二是他们选择的方式：他们是依靠被调查者自愿提交问卷来进行回收的。而非常明显，由于当时罗斯福的政策正在施行，反对罗斯福的人，比起支持罗斯福的人，有更强烈的意愿和动机提交问卷。
这两个因素的共同作用，使得《The Literary Digest》筛选出了一大批「支持共和党的人」。显然，这个结果并不能代表全美国的选民。
可见，统计数据同样并非绝对可靠。不同的统计方式，有可能导致样本筛选不均，产生偏向性的结果。
最简单的例子：比起保持现状，更激进、希望改变的人会更愿意发声。但他们是否能代表所有人呢？
如果我们看到一种声音非常强烈，也许应该先问一问，这部分人是否能代表大多数？他们表达的诉求是否是大多数人所希望的？还是因为他们只是声音特别大而已？
不但个例会欺骗我们，数据同样会欺骗我们。只要有必要，信息的传播者完全可以通过筛选样本的方式，炮制出他们所需要的数据。
下一次，当你再读到「我有一个朋友」时，不妨，可以多留一个问号。
最时尚最前沿的资讯尽在澳团新媒
