第1部分(第3/4 页)

统计谬误的问题。

例如脸书的使用者与希腊公债的殖利率有高度相关性，所以是脸书造成了希腊金融危机？美国房屋价格指数与命名为Ava的婴孩数量呈高度相关，所以Ava是美国房地产泡沫的元凶？全球平均温度与科学机构预算具有高度相关性，所以全球暖化是科学机构的骗局？即便这些数据在统计上具有高度的相关性，但我们其实可以很清楚地了解，它们之间并没有绝对的因果关系，这就是统计上的谬误。好吧，也许最后一点可能是真的也说不定。

符合统计检定的数据，不见得就合乎逻辑上的推论。如果你去作统计的相关性检定，我相信你可能会发现全世界的回教徒人数与全世界的猪肉消费量呈现正相关性，当然，从逻辑上来看你一定会知道这一点意义也没有，因为回教徒根本就不吃猪肉。我们应该尽可能地避免看图说故事，也避免让数字间的关联性超越逻辑的推论，也许你会觉得上述的故事实在荒谬，但很多现实生活上的行为其实相关不了多少。

如果你到过赌场，你应该会注意到有一种赌博游戏叫做“俄罗斯轮盘”。这种赌局是由赌场的人员在轮盘上掷出一颗小钢珠，并以最后落在哪个格子内作为胜败的依据，有个有趣的现象是，在掷小钢珠的人员旁边会列出过去几次的结果供大家参考，但如果你懂得简单的概率理论的话，你应该会知道一个公平的俄罗斯轮盘赌局，每次掷小钢珠的结果都是独立事件，跟前面几次的结果一点关系也没有。

这就像每次乐透彩券开奖前总有人挤在投注站前面，根据过去的开奖记录煞有其事的计算这次可能出现的号码一样，这些都是显著的统计谬误，拿一个看似合理但其实完全没有意义的统计资料作为判断依据。

数据，数据，还是数据！（2）

从数据中找到趋势：人口红利与人口负债

当我们要验证我们的想法，我们可以试着从一些数据中去得到证实。然而，有些时候我们却也可以反过来从一些统计数据中得到想法并借以判断未来的趋势，例如“人口红利”就是基于这样的思维所产生的名词。

所谓的“人口红利”指的是一个国家的劳动力，也就是介于15岁到64岁之间的人口呈现逐渐增长的态势。由于一个国家的劳动力是其经济活动中主要的生产者，当其占总人口的比例愈高时，那么这个国家就拥有相对较多的人口在从事生产的工作，经济活动也会呈现较为快速的增长，因此称之为人口红利。反过来说，当劳动力人口呈现衰退的趋势时，表示这个经济体中需要被抚养的比例，包括14岁以下以及65岁以上的人口占总人口的比重开始增加，那么这个经济体的成长速度就会开始趋缓，反而是进入了所谓的“人口负债”的状态。2米2花2书2库2&nbsp；www。7mihua。com

采用这样的统计资料来预测经济发展的研究有很多，最经典的案例当属高盛证券（GoldmanSachs）分析师吉姆·欧尼尔（JimO’Neill）在2011年所提出的“金砖四国”（BRICs）理论。当时欧尼尔认为，包括巴西、俄罗斯、印度与中国拥有大量的劳动力人口，因此认为这些经济体在未来将会拥有相当高的成长潜力，而过去这10年多来，这4个国家也确实缴出了亮眼的成绩单。

若我们更进一步的去细分，每个人在一生当中不同的年龄阶段会处于什么样的消费周期，我们就可以借此去预测什么样的商品在未来的哪一个时间点可能会出现高度的需求。

举例来说，1980年代因为两次的石油危机，而使得高品质、低价且省油的日本车成为美国婴儿潮世代购车的首要选择，当时的美国车厂市占率因此节节败退，蒙受了重大的亏损，然而美国车厂克莱斯勒（Chrysler），却在传奇人物艾科卡（LeeIacocca，1924~）精确的掌握未来消费趋势之下，为美国汽车产业争了一口气。当时艾科卡认为二次大战后的婴儿潮世代在1980年后期也差不多到了要结婚生子的时候，未来家庭旅游必然会成为风潮，也因此开始研究家庭用的休旅车款，而这个准确的判断也让克莱斯勒得以从巨额的亏损之中转亏为盈，这便是一个掌握人口统计变数趋势的成功案例之一。

另外，不同年龄层所处的环境也会是重要的判断指标之一。以美国家庭为例，46岁到50岁是一个人一生中消费能力最强的时期，然而不同时代的46~50族群，却拥有着不同的消费模式。例如1980年代以前，46~50族群很可能还是以百货公司或大卖场这类传统实体购