一位有抱負的創業者如果認為輟學創業是成功的關鍵，這或許可以原諒。畢竟，這對史蒂夫·喬布斯、比爾·蓋茨和馬克·扎克伯格來說效果很好。這些商業巨頭的知名故事給人一種印象，即要想在商業上取得成功，你只需要在大學裡有一個好主意，並有輟學去追求它的意願。問題是，大學輟學生通常不會成為億萬富翁——輟學創業並失敗的潛在創業者比那些成功的人多得多。當你專注於那些輟學並取得巨大成就的人，而忽略了那些從未取得任何成就的更龐大的輟學群體時，你就屈服於所謂的“倖存者偏差”。
森迪爾·穆來納坦，芝加哥大學布斯商學院的計算和行為科學教授，一直在思考如何避免這種邏輯錯誤。最近，賓夕法尼亞大學沃頓商學院的教授凱蒂·米爾克曼在播客Choiceology的採訪中，與穆來納坦就倖存者偏差及其可能導致的糟糕決策進行了交談。
[以下是該採訪的編輯節選。]
關於支援科學新聞
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工作： 訂閱。透過購買訂閱，您正在幫助確保關於當今塑造我們世界的發現和思想的具有影響力的故事的未來。
您能解釋一下什麼是倖存者偏差嗎？
想象一下，你收到一封郵件，上面寫著：“嘿，凱蒂，我有一個新的選股技巧。而且因為我知道你還不信任我，我想告訴你明天看看Whatever公司，它會漲的。”
你說：“好吧，我不知道。” 但你看了一下，它確實漲了。但任何人都有可能走運。所以下週，你又收到一封郵件，上面寫著：“明天，我想讓你看看約翰遜公司，它會跌的。” 現在你很感興趣。你看了看約翰遜公司，它確實跌了。現在你正在等待第三封郵件。它來了，而且完全正確。
現在這個人說：“如果你有興趣讓我做你的顧問，你應該給我打電話。” 你明白這一切的走向了嗎？
這實際上是20世紀40年代或可能在20世紀30年代做過的事情。他們向10,000人傳送了一堆隨機猜測。一半的時候，他們是對的。所以，然後，對於那一半的人，他們又傳送了一堆隨機猜測，其中一半的時候又是對的。
當你從10,000人開始時，經過四次猜測，你已經把人數減少了16倍，這仍然是一個相當龐大的人群，他們現在認為你很了不起。而這些人正在遭受的是倖存者偏差。他們是恰好倖存下來的人，所以他們現在有了這種完全錯誤的信念。
倖存者偏差是一種錯誤，它的產生是因為我們只關注我們擁有的資料，而忽略了導致我們擁有這些資料的選擇過程。這個原則在很多地方都適用，尤其對像你我這樣的人而言。
請詳細說明該原則。它如何特別地應用於我們？
任何經歷了一系列積極、幸運的事件，從而在生活中獲得成功的人——他們不會認為自己是恰好猜對了Whatever公司，然後又恰好猜對了約翰遜公司的人。他們認為自己是有才能的人。
實際上，我認為自己非常非常非常幸運。
是的，但很容易認為我們認為自己是幸運的。我懷疑我們仍然認為自己比沒有抓住相同機會的自己更有才華。
我確信是這樣的。然而，我們給出的建議就好像我們確切地知道如何成功一樣。
看看億萬富翁。沒有人說：“那是一箇中了彩票的人。” 人們會說：“我希望得到那個人的建議。”
所以我認為倖存者偏差真的影響了我們看待世界的方式，因為它導致我們關注這些高度選擇性的事件，然後進行推斷，並說：“哦，那個經理和那個人一定很優秀。”
是否有其他方式讓我們僅僅因為看到資料的選定子樣本而產生偏差？
我和我的同事們一直在花很多時間研究醫療決策。假設你走進急診室，你可能正在或可能沒有心臟病發作。如果我測試你，我會知道我是否做出了正確的決定。但如果我說，“不太可能，所以我直接讓她回家，”這幾乎與倖存者偏差相反。我永遠無法知道我是否做出了正確的決定。這種情況非常普遍，不僅在醫學領域，在每個行業都如此。
同樣，有一項研究表明，發生車禍的人也更容易患癌症。這有點令人費解，直到你想，“等等，我們在誰身上測量癌症？” 我們不是在每個人身上測量癌症。我們是在接受過測試的人身上測量癌症。我們測試誰？我們測試在醫院裡的人。所以有人因為車禍去醫院，然後我做了一個核磁共振檢查，發現了一個腫瘤。現在這導致車禍似乎提高了腫瘤的水平。所以任何讓你住院的事情都會提高你的“癌症率”，但這並不是你真正的癌症率。
這是我最喜歡的例子之一，因為它真正說明了即使像癌症這樣的疾病，我們實際上也不是在沒有選擇偏差的情況下進行測量的，因為我們只在人群的一個子集中進行測量。
人們如何避免成為這些偏見的犧牲品？
審視你的生活以及你獲得反饋的地方，並問：“這些反饋是經過選擇的，還是我正在獲得未經修飾的反饋？”
無論是什麼樣的說法——可能是“我擅長某事”或“哇，我們的命中率很高”或任何型別的評估——然後你思考一下資料來自哪裡。也許是你過去的成功。而這是關鍵：思考一下生成資料的過程是什麼。所有其他可能發生的事情是什麼，可能導致我無法衡量它？換句話說，如果我說“我很擅長面試，”你會說，“好的。那麼，你基於什麼資料得出這個結論？” “嗯，我僱傭的人都很優秀。” 你可以反駁說：“你有沒有考慮過你沒有僱傭的人？”
這是一個非常簡單的事情，你只需要問這個問題：哪些資料不存在？