看似清晰的圖形也可能被誤讀  

“一圖勝千言。” 這句話讓我們相信我們可以很容易地正確解讀圖表。但是，圖表是視覺論證，如果我們不密切注意，就很容易誤解。邁阿密大學視覺新聞學系主任阿爾貝託·開羅揭示了一個圖表示例中的陷阱。學習如何更好地閱讀圖形可以幫助我們在一個真相可能被隱藏或扭曲的世界中游刃有餘。

假設你很肥胖，並且已經厭倦了家人、朋友和醫生告訴你肥胖可能會增加你患糖尿病、心臟病甚至癌症的風險——所有這些都可能縮短你的壽命。有一天你看到了這張圖表（下方）。突然你感覺好多了，因為它表明，一般來說，一個國家肥胖人口越多（圖表右側），預期壽命就越高（圖表頂部）。因此，你認為，肥胖的人一定活得更長。畢竟，相關性（紅線）非常強。

支援科學新聞報道

如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道： 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和想法的有影響力的故事的未來。

圖表本身並沒有錯。但它並沒有真正表明肥胖人口越多，壽命就越長。更全面的描述應該是：“在國家層面——按國家劃分——肥胖率與出生時預期壽命之間存在正相關關係，反之亦然。” 然而，這並不意味著正相關關係在地方或個人層面也成立，或者存在因果聯絡。這裡涉及到兩種謬誤。

首先，一旦你探索不同細節層面的數字，聚合資料中的模式可能會消失甚至逆轉。如果按收入水平劃分國家，隨著收入的增加，強正相關性會變得弱得多。在最高收入國家（右下角的圖表）中，這種關聯是負相關的（肥胖率越高意味著預期壽命越低）。

當您按州檢視美國時，模式仍然是負相關的：出生時預期壽命隨著肥胖率的上升而下降。

然而，這掩蓋了第二個謬誤：負相關性可能受到許多其他因素的影響。例如，運動和獲得醫療保健的機會與預期壽命有關。收入也是如此。

謬誤在於試圖透過檢視不反映個人情況的聚合資料來確定有關您個人風險的資訊。相反，如果您看到隨機選擇的大量人群中個人的資料，您可能會發現，對於處於您這種情況的某人來說，肥胖可能與壽命有關，也可能無關。

該怎麼做

• 嘗試不僅要看圖表顯示了什麼，還要看它可能沒有顯示什麼。

• 不要倉促下結論，特別是當圖表似乎證實了您已經相信的東西時。

• 質疑您是否正確地用語言表達了圖表的內容。

• 考慮資料是否代表了您想要進行推斷所需的級別。如果您想了解國家，例如，請查閱國家級別的資料，但如果您想了解自己的健康風險，請查詢有關個人的資料。無論如何，始終記住，在圖表或任何資料中，相關性與因果關係不同。