بریده‌هایی از کتاب چگونه با آمار دروغ بگوییم!

مثال مشابه دیگر این است که بگوییم سفر با هواپیما امروزه خطرناکتر از ۴۰ سال پیش است، زیرا تعداد تصادفات هوایی امروزه دو برابر ۴۰ سال پیش است. مشکل این عدد هم این است که این حقیقت را پنهان کرده است که تعداد سفرهای هوایی لااقل چندین برابر ۴۰ سال پیش است. نکته مهمی که امنیت پروازها را نشان می‌دهد، این است که «نرخ حوادث هوایی به نسبت تعداد پروازها» چندین برابر کمتر از ۴۰ سال پیش است. این نسبت بیانگر این حقیقت است که سفر هوایی، امروزه نسبت به ۴۰ سال پیش، بسیار کم‌خطرتر و امن‌تر است.

در انتهای سال ۱۳۸۳ برای رفع این اختلاف و برای هماهنگی با تعریف جهانی «بیکاری» ، دولت ایران تصمیم می‌گیرد تعریف سازمان‌های بین‌المللی از بیکاری را جایگزین تعریف قبلی آن کند. پس در تعریف جدید قانون ایران از فرد بیکار که بین‌المللی است، «بیکار کسی است که در هفته کمتر از یک ساعت کار می‌کند.» شاید این تعریف به نظر خیلی‌ها منصفانه نیاید. اما مهم این است که کشورهای زیادی آن را پذیرفته‌اند و راهی جز پیروی ایران نیز از این تعریف وجود ندارد. هماهنگی با جامعه بین‌المللی برای مقایسه آمار بیکاری کشورها نیز بسیار مهم است. مثلا وقتی گفته می‌شود که آمار بیکاری ایران بیشتر یا کمتر از کشور دیگری است، در صورتی این ادعا درست است که تعریف بیکاری در هر دو کشور مشابه باشند. در غیر این صورت، آن اعداد قابل مقایسه با هم نیستند.

در ایران تا سال ۱۳۸۳، «بیکار به کسی گفته می‌شد که در هفته کمتر از دو روز کار می‌کرد» . این تعریف با تعریف بانک جهانی و بسیاری از کشورهای دیگر فرق داشت. در تعریف بسیاری از کشورها و موسسات بین‌المللی، «بیکار کسی است که در هفته کمتر از یک ساعت کار می‌کند» . به این ترتیب، کسی که در هفته دو ساعت کار می‌کند طبق تعریف بین‌المللی، «شاغل» محسوب می‌شود، در حالی‌که طبق تعریف بیکار در ایران قبل از سال ۸۳۱۳، او «بیکار» به حساب می‌آید. به این نکته توجه کنید که فردی که دو ساعت در هفته کار می‌کند، وضعیت کاری‌اش فرق نکرده است اما طبق تعریف دولت ایران برچسب بیکار می‌گیرد و احتمالا می‌تواند خدمات بیمه بیکاری دریافت کند ولی طبق تعریف بین‌المللی برچسب شاغل دارد و از این خدمات محروم می‌شود.

آمار نقشی مانند دماسنج دارد و قرار است که یک نمایش عددی از واقعیت‌ها را فراهم کند.

حالا سوال اصلی این است که ارتباط این موضوعات با آمار و دروغگویی با آمار چیست؟ جواب کوتاه این است که آمار نقش همان دماسنج و یا ترازو را دارد و سعی دارد که یک سری مفاهیم را از طریق اعداد بیان کند. ولی از آنجا که می‌توان با واژه‌ها و مفاهیم آنها بازی کرد، همین نقش مفید آمار، آغاز دردسر، برای افکار عمومی محترم است.

با وجود معرفی ابزارهای اندازه‌گیری، انسان‌ها این ابزارها را همیشه همراه خود ندارند و معمولا از زبان و همان واژه‌های مبهم استفاده می‌کنند. این خصوصیت مبهم و غیر‌یقینی بودن مفهوم و تعریف واژه‌های زبان، «فازی بودن زبان» نامیده می‌شود که پروفسور لطفی عسگرزاده، استاد ایرانی‌الاصل دانشگاه برکلی آمریکا، در دهه ۶۰ میلادی آن را مورد توجه قرار داد. نتیجه زحمات پروفسور زاده این بود که «غیر‌یقینی‌بودن زبان» را بوسیله معرفی «منطق فازی» ، به علم دقیق مهندسی وارد کرد و توانست انقلابی در هوشمندی ماشین‌ها و سیستم‌ها ایجاد کند.

در حقیقت، «هوای خوب» عبارت دقیقی برای توصیف یک احساس فراگیر بین همه آدم‌های دنیا نیست. هر انسانی بنا به تجربه در محیط زندگی خود، تعریف خاصی از «هوای خوب» دارد و چون این تجربه‌ها متفاوت هستند، برداشت انسان‌ها از عبارت «هوای خوب» نیز متفاوت است. به همین دلیل است که اگر به چند دوست مشابه خود بگوییم هوا خوب است، آنها به احتمال زیاد با ما موافق خواهند بود، چون آنها در تجربه‌های زندگی با ما اشتراکات زیادی دارند. اما اگر بین آدم‌هایی از نقاط مختلف دنیا بگوییم هوایی خوب یا بد است، آن موقع ممکن است که نظرات عجیبی در مخالفت با خود بشنویم.

از میان تمامی مشخصات «زبان» ، یک مشخصه مهم هست که در این کتاب به بحث آمار مربوط می‌شود: «در زبان، رابطه‌ای ذاتی بین واژه‌ها و مفاهیم بیان‌شده توسط آن واژه‌ها وجود ندارد.»

مثال دیگر در بحبوحه جنگ ویتنام در آمریکا اتفاق افتاده است. در حقیقت، برعکس تمامی افکار عمومی آمریکا که بر علیه این جنگ بود، دوربین‌ها و نظرسنجی‌ها از مردم آمریکا چیزی جز حمایت از جنگ نمی‌شنیدند. احتمالا به این دلیل که کسی نمی‌خواسته است که علنا نظر واقعی و قلبی خود را بگوید و متهم به خیانت به کشور و سربازان وطن در جبهه جنگ شود.

توضیحات اولیه بی مورد در مورد دلایل آمارگیری، راه دیگری برای دریافت پاسخ‌های جهت‌دار است. مثلا وقتی قرار است که سوالی راجع به درآمد افراد پرسیده شود، می‌توان در ابتدا برای معرفی اهداف آمارگیری و تنویر افکار عمومی، به نابرابری‌های اجتماعی و تاثیرات خوب پرداخت مالیات برای کاهش این آسیب اجتماعی اشاره کرد. آن موقع حتما مطمئن باشید که با اعداد کاملا عجیب و غریبی از درآمد مردم روبرو خواهید شد زیرا که با این مقدمه، شما آنها را از اهداف آمارگیری خود ترسانده‌اید و از آنها خواسته‌اید که احتمالا برای فرار از مالیات، رقم درآمد خود را کم جلوه دهند و بیشتر دروغگویی کنند.

حتی ظاهر و رفتار مامور آمارگیری، در بی‌طرفی نتایج مهم است حتی اگر موانع انتخاب یک نمونه آماری خوب، تا حد امکان رفع شوند و سوالات نیز با ظرافت هر چه تمام‌تر طراحی شوند، عوامل مهم دیگری هستند که عدم رعایت آنها باعث می‌شود که نتایج آماری، جهت‌دار شوند. یکی از آنها، مشخصات ظاهری و رفتاری مامور آمارگیری است. مثلا در یک مثال آمارگیری در آمریکا تلاش شد که در مورد رای مردم ساکن یک منطقه‌ در انتخابات ریاست‌جمهوری نظرسنجی شود. اما اعداد آمارگیران به طرز محسوسی با هم تفاوت داشت. با کمی بررسی مشخص شد که تفاوت در اعداد، با رنگ پوست ماموران آمارگیری رابطه دارد. معلوم شد که ماموران از پرسیدن سوال از آدم‌هایی با رنگ مخالف پوست خود اکراه داشته‌اند و نتیجه این شده بود که حتی خود آمارگیران نیز به واسطه یک احساس یا جهت‌داری رفتاری، سبب انحراف نتایج آمارگیری شده بودند.

در کنار هر عدد آماری، همیشه باید پرسید که «این آمار متعلق به چه «نمونه آماری» است؟ آیا این نمونه آماری می‌تواند نماینده کل جمعیت آماری باشد؟»