Неразумная обезьяна. Почему мы верим в дезинформацию, теории заговора и пропаганду

Из всех ловушек, в которые можно угодить при оценке статистических данных, самая распространенная – это ошибка, связанная с оценкой причинности. Мы уже встречались выше с логической ошибкой типа post hoc ergo propter hoc

, но в контексте статистических данных эти ошибки не всегда столь же очевидны, как в риторике. Если ошибку в оценке причинной связи в ходе спора или дискуссии обнаружить относительно легко, то – из-за нашей коллективной математической неграмотности – в статистике такие ошибки часто проскакивают незамеченными. Несмотря на то, что публика часто обожествляет статистическую информацию и статистические тренды, она столь же часто забывает, что делать вывод о наличии причинно-следственных связей – занятие очень трудное. Как правило, решение подобной задачи осложняется присутствием множества скрытых переменных, и потому обнаружить причинную связь оказывается непросто (разумеется, при условии, что она вообще есть). Надо всегда иметь в виду старое предостережение: “Наличие корреляции не подразумевает причины”.

Для того чтобы отделить причину от следствия, порой требуются трудоемкие изыскания. Корреляция может, конечно, дать намек на связь, но парадокс Симпсона и существование скрытых переменных наглядно показывают, что с имеющейся информацией надо обращаться очень аккуратно. Неправильная интерпретация может породить неверные представления в умах несведущих людей. Статистик Дэвид Эпплтон и его коллеги приводят очаровательный пример, касающийся смертности среди женщин английской деревни Уикхэм; смертность оценили сначала в семидесятых годах, а затем еще раз через двадцать лет. При поверхностном взгляде на таблицы со статистическими результатами могло сложиться впечатление, что курение благотворно сказывается на долголетии, так как среди некурящих смертность за истекший период составила 43 процента, а среди курящих – всего 38 процентов. Однако этот странный результат испаряется, если учесть влияние парадокса Симпсона: когда все женское население разделили на возрастные группы, то выяснилось, что во всех группах курение отрицательно сказывается на здоровье и повышает смертность. Дело было в том, что курящие женщины, которых учитывали в первом наблюдении, были в среднем моложе, чем курящие, которых учитывали при повторном наблюдении. На таких примерах мы отчетливо видим, как небрежность может искажать истину, – особенно если такая манипуляция выполняется преднамеренно.

Ложные причинно-следственные связи обнаруживаются везде, но нельзя делать умозаключения на основании одной только корреляции, не исключив предварительно влияния скрытых переменных. Корреляция и сама по себе, даже в отсутствие путающих переменных, требует тщательного анализа для выявления истинной причины; можно, например, установить вполне отчетливую корреляцию между зонтами и дождем, но будет ошибкой объяснять дождь ношением зонтов. Ложные связи можно использовать для создания комических эффектов. Скажем, Тайлер Виджен находит тесную корреляцию между такими абсолютно не связанными между собой данными, как потребление сыра и удушение простынями ночью во сне, или между числом самоубийств и числом адвокатов в Северной Каролине. Бобби Хендерсон, основатель сатирического культа Летающего макаронного монстра, объявил, что пиратов надо награждать высшими регалиями и почитать как святых, потому что имеет место обратно пропорциональная зависимость между общемировым числом пиратов и среднегодовой общемировой температурой воздуха; значит можно утверждать, что пираты предупреждают развитие глобального потепления[53].

Здесь я сделаю небольшую паузу, так как боюсь, что невольно создал впечатление, будто статистические корреляции абсолютно бессмысленны. На самом деле ничто не может быть дальше от истины. Статистическую корреляцию можно рассматривать как важный элемент детективного сюжета. Представьте себе, что была совершена серия преступлений. Статистическая корреляция может показать, что подозреваемый каждый раз оказывался поблизости от места преступления. Само по себе это не является доказательством вины, но зато дает прекрасный повод для начала разработки этого человека. Точно так же, если нет никакой статистической связи между преступлениями и перемещениями какого-то человека, то его можно исключить из числа подозреваемых. Просто нам всегда надо помнить, что использование статистических методов должно быть корректным – то есть для начала следует избавиться от всех запутывающих влияний. Вернемся ненадолго к нашей детективной аналогии: вполне возможно, что при расследовании нескольких убийств выявится корреляция между перемещениями убийцы и перемещениями следователя, но – если нет веских оснований считать следователя серийным убийцей – было бы неразумно спешить обвинять последнего только на этом основании.