一句话总结
选择偏差：进入你视野的样本并不等概率代表真实世界——就算无人说谎，你看到的也不是真实世界；本讲把这个工具拆成自我选择/幸存者/分组选拔/门槛四类，并给出”四问诊断法”。
核心论点
- 怀念过去并不是怀念中国的平均值，而是被强烈过滤过的”上桌样本”——以前是少数城市精英冒充总体，现在是普通人 + 平台算法。中国文化没降级，是扩容了。
- 选择偏差（selection bias）的本质：进入视野的样本并不等概率代表真实世界。学界发现十几种，万维钢粗略归为四类。
- 第一类「自我选择偏差」（Self-selection Bias）：来参加的都是想要来参加的人——朋友圈悖论、网络评论 J 型分布、国际新闻。引发朋友圈悖论——使用 Facebook 越频繁越觉得别人幸福（Chou & Edge 2012）；限制社媒每天 30 分钟以下显著降低孤独/抑郁（Hunt 2018）。
- 第二类「幸存者偏差」（Survivorship Bias）：没来的人不是没兴趣，而是根本来不了——是商业世界最致命的认知陷阱，因为它会让你总结错误的成功经验。增长最快公司创始人平均年龄是 45 岁，不是 20 多岁（Azoulay et al. 2020）；基金幸存者偏差让公司业绩被系统性高估（Elton et al. 1996; Carhart et al. 2002）；流行病学有「健康工人幸存效应」专门描述蓝领健康假象。怀旧也大量混入幸存者偏差（Norberg 2020）——记忆替过去做了一轮筛选。
- 第三类「分组选拔偏差」（Sorting Bias）：问题出在分配环节本来就不是随机的——名校效应是经典案例。Dale & Krueger 2002 比较”都有能力上名校但有的去了有的没去”的学生，发现名校对长期收入的影响接近零；只对弱势家庭学生明显有用。名校更像筛选器，而不是炼丹炉。
- 第四类「门槛偏差」（Threshold Bias），又名「伯克森悖论」：你看到的都是跨过某个门槛之后的样本——两个原本不相关的变量，加和后设门槛，门槛内的样本就显得负相关。“长得帅的男人都是渣男”、“业务强的人情商低”统统是门槛伪造的规律（Westreich 2012）。
- 「四问诊断法」：①谁没来？②谁来不了？③分组是随机的吗？④这里有没有门槛？
- 与 可得性偏差、确认偏误互补：选择偏差是样本有问题，那两个是眼睛有问题。
- 收束诗：“灯下看人皆匆忙，瀑前观水势奔狂；若问世间真面目，先寻沉默与退场。“
关键概念
引用人物与著作
- 万维钢 — 课程主理人
- 斯泰西·戴尔 — Stacy Dale；名校效应实证研究
- 艾伦·克鲁格 — Alan Krueger；名校效应实证研究
- Johan Norberg — Open: The Story of Human Progress（2020）
- 山姆·奥特曼 — 创业辍学叙事中被列举的”幸存者”案例（与比尔·盖茨、乔布斯、扎克伯格并列）
- Open: The Story of Human Progress — Norberg 2020；怀旧的幸存者偏差证据
与其他课程的连接
- 与 回归均值：不要大惊小怪，要有点定力：上一讲。回归是把波动当因果，本讲是看不全数据；卡尼曼/特沃斯基所属的偏差谱系两讲互补。
- 与 参考类：当局者迷，旁观者清，你不特殊：幸存者偏差 也在那一讲被点名；外部视角 的天敌就是只看见赢家。
- 与 凯利公式：乘法世界里的认知变现：成功学是把幸存者运气当因果——凯利公式要求看清真实优势 Edge，不能被冠军橱窗误导。
- 与 复利：可积累的优势：长期主义的前提是不离场；幸存者偏差让人忽视”离场者”的教训。
- 与 信息价值：怎样区分沙子和金子：要做出”四问”才能让样本贡献真信息。
- 与 共鸣：高级生活的秘密中提到的 比较：朋友圈悖论本质上就是错把别人的”高光集锦”当生活的随机切片。
- 与 可得性偏差 / 确认偏误：选择偏差是样本问题，那两个是眼睛问题，三者经常叠加。
我的反应
原文
来源：https://www.dedao.cn/course/article?id=qzNakylrn9WVaZWMxGJ7DOop10vZwL 出处：现代思维工具100讲 · 13分58秒 转述：怀沙AI
如果你年纪稍长还经常上网，会不会有一种社会文化”今不如昔”的感慨。
现在网上充斥着博眼球的烂梗和家长里短的市侩哲学，一开口就是牛马、彩礼、出轨，连主流媒体都不会说正经中文了。偶尔把以前拍的《红楼梦》《三国演义》电视剧翻出来看看，你难免会觉得这届观众不行，中国人的文化素质在严重下降。
再看线下，很多人怀念上世纪八十、九十年代的好时光。那时候如果你是个国企职工，工作不但一点都不累，还有丰富的业余文化生活，有充分的安全感。那时候的大学生毕业就能随便找到好工作，而且素质也是真高……
可我要说的是，就算你真的经历过以前那些好日子，你这场乡愁也是幻觉。
八十年代初中国人口城镇化率只有 20%，到 1990 年高等教育毛入学率才 3%……而今天，城镇化率已经达到 67%，大学入学率超过 60%。你记忆中那些快乐的工人和自豪的大学生，在以前是极少数人 —— 绝大多数中国人居住在农村，极度贫困，他们不是文化消费者更不是叙事主体，他们连抱怨都很难被你听见。
今天的社会文化之所以俗气，是因为这些原本沉默的人上网了：他们成了收视的主体和广告的目标，是他们在决定文化的走向。
中国文化不是降级了，而是扩容了。
今天那些住在前 20% 的好地区、学历高居前 3% 的精英，可能日子过得也不错、品位甚至比过去更高级，但他们的文化存在感被淹没了：不值得专门为这么点人拍电视剧。
人们怀念的，并不是过去中国的*平均值*，而是那个被强烈过滤过的中国。你的印象不是由全体样本决定，而是由”上桌样本”决定：以前是少数城市精英样本冒充了中国总体，现在影响你的则是更普通的人，还有平台算法的推波助澜。
这个机制叫「 选择偏差 （selection bias）」。现实世界中有太多观念陷阱，你必须掌握这个工具，才可能做出准确的判断。
✵
简单说，选择偏差就是进入你视野的样本，并不等概率代表真实世界。
你以为你在观察整个大海，殊不知你只是在看渔网里捞上来的鱼 —— 而这张网的网眼大小、下网的位置，早就决定了你会看到什么。
又好比你站在急诊室门口看一整天，得出结论说”这座城市的人都在流血” —— 你看到的每一幕都是真的，没有人在故意对你说谎，但你的世界观是假的。我看过一个短视频，一位在亲子鉴定机构工作的女士说，她经历了这么多案例，认为男性才是弱势群体……她可能没意识到绝大多数夫妻没有来做亲子鉴定。
学术界发现了十几种选择偏差，我把它们粗略分为四类。
✵
第一类叫「 自我选择偏差 （Self-selection Bias）」。就如同开一场 party，来参加的人，都是自己*想要*来参加的。
最典型的一个现象，我们不妨称之为「朋友圈悖论」：你感觉朋友圈上几乎每个人都过得比你好。小张在马尔代夫潜水，小李刚提了新车，老王的女儿拿了钢琴大赛一等奖，而你，却在吃着外卖填报表。
他们没有撒谎，但人们往往只会把自己*好的一面*展示出来 —— 发朋友圈这个动作经过了自我选择。那对刚因为房贷吵完架的夫妻，那个刚刚被老板痛骂的打工人，正如此刻的你，是不会发朋友圈的。
朋友圈是人生的高光时刻集锦，而不是生活的随机切片。可是如果有人不懂这个道理，非得拿自己的日常去对比别人的宣传海报，那就会陷入选择偏差，感觉失落。有研究发现，使用 Facebook 越频繁的人，越容易觉得别人更幸福、日子过得更好 [1]；而如果能把社交媒体使用限制到每天 30 分钟以下，人们就会显著减少孤独感和抑郁感 [2]。
另一个例子是网络评论。为什么很多电影、商品、餐馆的评价都呈现所谓「J 型分布」：绝对的主力在五星吹爆，次高峰在一星痛骂，中间的二、三、四星极少？因为只有当一个事物激发了你强烈情绪的时候，你才有动力去打开 APP、登录、写字、发表，“还行吧”那种温和体验没有发言动力。
更细致的研究 [3] 认为评论背后有两层自我选择 —— 除了极端者发言的漏报偏差，还有一层是购买偏差，也就是愿意买的人本来就更可能偏正面……
平台为了让评论更有用绞尽了脑汁，有的搞默认好评、已购才能评、积分激励、评价提醒等等，但偏差是无法消除的。根本问题不是技术，而是动力：不是每个人都想说话，想说话的人也不是平均人。
还有，你打开国际新闻，感觉世界太乱了；你打开社会新闻，感觉人的素质江河日下；你觉得某些国家极其危险，某些地方的人都很坏……这些都是因为自我选择偏差：只有极其罕见、极其恶劣的事件，才值得上新闻；岁月静好可不会上热搜。
自我选择偏差会让人长期处在一种被极端样本包围的精神状态，容易陷入无谓的焦虑、抑郁和心态失衡。
须知社交媒体不是生活，评论区不是民意，热搜不是人间。
✵
第二类叫「 幸存者偏差 （Survivorship Bias）」。如果说自我选择偏差是”有兴趣的人才来”，幸存者偏差就是：没来的人不是因为没兴趣，而是因为根本来不了。
幸存者偏差可能是商业世界最致命的认知陷阱，因为它会帮你总结错误的成功经验。
如果你只看巨头的传记，你会认为要想成功就得有极度的激情，敢于冒险，就得打破常规甚至做个偏执狂，要对新机会”All in”，尤其是要在很年轻的时候创业：比尔·盖茨、乔布斯、扎克伯格、山姆·奥特曼都没读完大学……于是你得出结论，成功 = 辍学 + 孤注一掷。
可是你不知道同样年轻、同样孤注一掷而*失败了*的人有多少。那些人都赔光、失业、回老家了，他们没有进入你的视野。
如果把失败的数据也统计进来，你会发现大部分创业公司都在半路消失了；增长最快的公司的创始人平均年龄并不是二十多岁，而是 45 岁：他们成功不是因为他们叛逆，而恰恰是因为他们积累了行业经验 [4]。
你不能听说几个人靠买彩票发了大财，就把买彩票视为理想的发财手段。成功学往往是把幸存者的运气当成因果关系。
理财基金是另一个重灾区。你要买理财，基金公司的小姐姐打开一张图表，说你看我们的历史收益多漂亮。她很可能没有骗你。但是她不能证明这只基金的业绩好到底是因为公司能力强，还是因为在这一只上蒙对了运气 —— 因为她没给你看失败的数据。
现实是那些业绩糟糕、早就清盘、合并、死掉的基金，根本没机会站在你面前。金融学界早就研究过这个现象：如果只看基金样本的幸存者，公司真实业绩就一定会被系统性高估 [5]。
你看见的是冠军橱窗，却不知后院堆着一地尸体。
有人说某个偏方能治大病、某种健身法或者饮食疗法神奇，其实只不过是感受到好转的人更愿意出来讲故事，没效果的人早就离场了。
有人看见现在坐办公室的白领动不动就抑郁、亚健康，反倒是工厂里的蓝领工人一个个都特别壮实扛造，就说体力劳动有利于身体和精神健康 —— 其实真相是那些不健康的人根本承受不住工厂的重体力劳动，早就被淘汰了。流行病学对此甚至专门有个名词，叫「健康工人幸存效应（Healthy Worker Survivor Effect）」[6]。
还有，怀旧，也有很大的成分是幸存者偏差 [7]。要知道人的记忆有个特点：从长期来看，我们记住的往往是一些高光时刻，我们会忘记困惑和麻烦。
有人怀念以前的文艺作品，有人怀念以前的社区关系，有人怀念以前的政治局面。可是如果你能到现场考察一番，会发现以前的人也有跟我们一样的担心 —— 他们在怀念更早的以前。以前你很年轻，而年轻总是伴随各种美好的回忆；以前的你的麻烦都解决了，所以你不再认为它们是麻烦，而现在的麻烦还没解决。
不是时代退步了，而是时间替过去做过一轮筛选。
✵
第三类叫「 分组选拔偏差 （Selection / Sorting Bias）」。问题出在事物一开始的分配环节：它根本就不是随机分组的。
这里有个最反常识、也最刺痛中产阶级神经的例子，名校效应。
你砸锅卖铁也要买学区房，牺牲所有的空闲时间领孩子去参加这个活动那个活动，只为能上重点中学和好大学，最好是常春藤名校。你相信名校代表最好的教育，能把孩子培养成高级人才……但这是一个极度忽视科学检验的幻觉。
孩子们并不是被闭着眼睛随机分配到各个学校的，他们是经过了严苛的选拔才进去的。那些被选中的本来就是又聪明又努力、家庭条件又好的孩子，他们本来就更有可能是人才 —— 那么名校到底是培养了他们，还是沾了他们的光呢？
美国经济学家斯泰西·戴尔（Stacy Dale）和艾伦·克鲁格（Alan Krueger）做过一系列研究 [8]。他们不是简单比较”名校生”和”普通校生”的收入，而是专门看那些水平差不多、都有能力去名校，但是有的去了、有的因为种种原因没去，而选择了普通学校的学生。结果发现，名校并没有让毕业生获得明显更高的收入 —— 尤其是如果你看长期收益，名校效应就缩水到接近于零。
戴尔和克鲁格的研究认为，只有对出生于弱势家庭 —— 比如是少数族裔，父母受教育程度很低 —— 的学生，名校这块牌子才有明显的帮助。可能是因为他们更需要学校这个社交平台。
简单说，名校更像筛选器，而不是炼丹炉。
同样道理，你不能看有些孩子补课提高成绩，就认为补课能提高成绩；也不能看有些孩子从小参加各种课外活动、长大后成了成功人士，就认为那些素质教育有利于成功。那也许只不过是因为爱学习的孩子才爱补课，富裕的家庭才有条件让孩子去学击剑和马术，他们的成功只是个人能力和家庭能力的外溢。
✵
第四类叫「 门槛偏差 （Threshold Bias）」，也叫「 伯克森悖论 （Berkson’s Paradox）」[9]。这里的问题是你看到的都是跨过某个门槛之后的样本。
有一些民间智慧说：
- 长得帅的男人都是渣男。
- 美女通常脾气差。
- 业务能力强的人情商低。
- 体育好的学生文化课差，文化课好的学生体育差。
难道说老天爷讲公平，给人一个优点就必定再给他一个缺点吗？其实这些统统都是错觉。
两个原本可能完全不相关的变量，如果你非得把它们加在一起，设定一个总的门槛，然后只看那些越过门槛的样本，你就会发现这两个变量显得负相关 [10]。
就拿婚恋市场来说，我们假设女生最看重的两项男生价值一个是长得帅，一个是人品好，能两者兼具就更好，但决不能又丑又渣。你默默地设定，男性的综合吸引力 = 颜值 + 人品，给每人都计算了一个总分。
一个男生哪怕想要成为你的备胎，他的总分也得越过一个门槛。那你可以想见，门槛里边的人两项都是高分的肯定是少数，大多数人必定是一项分高，一项分低 —— 于是你发现颜值和人品是互斥的。
其实这一切只不过是因为那些又帅又专一的男生本来就少，而且早被人抢走了，而又丑又渣的男生根本就没有成为你的样本。
同样道理，为什么业务能力强的人情商低？因为公司招的都是”业务 + 情商”超过一定门槛的人。两项都强的是极少数，两项都弱的进不来，剩下你容易看见的，就必定是一项强、一项弱的那些。
相亲不是人口普查，招聘不是社会抽样，门槛会制造对立，筛子会伪造规律。
✵
选择偏差是因为样本有问题。但有时候就算样本没问题，你的眼睛还可能出问题。你可能只注意极端的案例而对那些平凡的事物视而不见；你可能只愿意看见支持自己观点的证据 —— 这些现象被称作「可得性偏误（Availability Bias）」和「确认偏误（Confirmation Bias）」，我们这里不必细说。
想要在真实世界中获得一点真知，那是非常困难的。
科学家为了对付选择偏差费尽了力气。最理想的办法是把人随机分组做实验。但如果你不能做实验，只能被动统计现成的结果，你就必须得确保样本是干净的 —— 其中最重要的就是去追踪那些没有出现的人。他们可能是因为失败而退出了游戏，但他们的参与仍然很有意义：他们可以贡献知识。
我们听说任何故事，总可以先问四句话：谁没来？谁来不了？分组是随机的吗？这里有没有门槛？
如果你听说了很多坏消息，请提醒自己真实世界可能比你想的要好一点。对于老百姓的日常经验，也请提醒自己，人有多么容易陷入偏差。
正所谓：
灯下看人皆匆忙，
瀑前观水势奔狂。
若问世间真面目，
先寻沉默与退场。
注释
[1] Chou, Hui-Tzu Grace, and Nicholas Edge. “They Are Happier and Having Better Lives Than I Am.” Cyberpsychology, Behavior, and Social Networking 15, no. 2 (2012): 117–121.
[2] Hunt, Melissa G., et al. “No More FOMO: Limiting Social Media Decreases Loneliness and Depression.” Journal of Social and Clinical Psychology 37, no. 10 (2018): 751–768.
[3] Hu, Nan, Paul A. Pavlou, and Jie Zhang. “Why Do Online Product Reviews Have a J-Shaped Distribution? Overcoming Biases in Online Word-of-Mouth Communication.” 2009.
[4] Azoulay, Pierre, Benjamin F. Jones, J. Daniel Kim, and Javier Miranda. 2020. “Age and High-Growth Entrepreneurship.” American Economic Review: Insights 2 (1): 65–82.
[5] Elton, Edwin J., Martin J. Gruber, and Christopher R. Blake. 1996. “Survivorship Bias and Mutual Fund Performance.” Review of Financial Studies 9 (4): 1097–1120；Carhart, Mark M., Jennifer N. Carpenter, Anthony W. Lynch, and David K. Musto. 2002. “Mutual Fund Survivorship.” Review of Financial Studies 15 (5): 1439–1463.
[6] Arrighi, H. Michael, and Irva Hertz-Picciotto. 1994. “The Evolving Concept of the Healthy Worker Survivor Effect.” Epidemiology 5 (2): 189–196.
[7] 《精英日课》第五季， 乡愁愁什么愁 ；Johan Norberg, Open: The Story of Human Progress, Atlantic Books, 2020.
[8] Dale, Stacy Berg, and Alan B. Krueger. “Estimating the payoff to attending a more selective college: An application of selection on observables and unobservables.” The Quarterly Journal of Economics 117.4 (2002): 1491-1527.
[9] 《精英日课》第四季， 伯克森悖论
[10] Westreich, Daniel. “Berkson’s Bias, Selection Bias, and Missing Data.” Epidemiology 23, no. 1 (2012): 159–164.
划重点
1.选择偏差：进入你视野的样本，并不等概率代表真实世界。 2.四类典型偏差： - 自我选择偏差：就如同开一场 party，来参加的人，都是自己*想要*来参加的。 - 幸存者偏差：没来的人不是因为没兴趣，而是因为根本来不了。 - 分组选拔偏差：问题出在事物一开始的分配环节：它根本就不是随机分组的。 - 门槛偏差，也叫「伯克森悖论」：你看到的都是跨过某个门槛之后的样本。