尺子本身会骗人

你已经会犹豫相关、会要求理由能被检验、会追问数据的来源、会拆解差异的根由、会关注裂缝与不确定性。这些都是在和数据打交道时的基本功。但接下来要说的，却更让人头疼：你以为自己拿到的数字，可能其实并不是你想测量的那个东西。

比如，失业率下降了。你会下意识觉得“经济变好了”，但背后可能有很多解释——是更多人找到了工作，还是因为有人彻底退出了劳动力市场、根本不再被统计进去？又比如贫困率降低了，是因为实际收入提升了，还是贫困线的调整没跟上物价，或者家庭划分方式发生了变化？还有教育年限增加了，是大家真的学到了更多有用知识，还是只是待在学校里的时间变长了？

数字的表面看起来漂亮，但“就业”“学习”“创新”这些标签能不能真正对上你关心的实际问题？很多时候，数字所代表的刻度、统计的方式、测量的标准，都和你想象的概念存在着偏差。无论统计方法多么复杂、分析手段多么精巧，如果一开始用的那把“尺子”偏了，你最终得到的也许只是一串特别精确的误解。看上去科学、清晰，但量的根本不是你关心的事物。

换句话说，在拿着数字下结论前，得先问问：这把尺究竟量的是什么，和我真正在乎的东西有没有差距？

---

先做一页测量台账

这一章我们不当侦探，当仓库管理员。每进来一个变量，先登记四件事：你想量的概念、你实际记下的数字、谁被漏掉、谁被算进去但其实不像。不登记就往回归里扔，等于把未开箱的货写进库存。

台账的作用是让“操作化”露出牙齿。概念是领土，数字是地图上的一截。前面说过地图不是领土；测量是其中最日常的一次制图。你把“失业”操作成“过去四周正在找工作”，失望的人就从分子和分母里一起消失。失业率可以下降，劳动力市场并没有变好。

行政数据不会自动赦免这件事。税务记录很大，它量的是报税的收入，不是地摊和现金。工商注册很大，它量的是登记了的壳，不是真实开业。大，只说明这把尺很长，不说明刻度对。

下面把贫困、就业、创新各自配上几个候选数字。没有唯一正确的尺，但每把尺都会系统性漏掉一块。你要能说出漏的是谁。

---

谁被捞进来，谁被漏掉

定义缝是一刀。样本网是另一刀。你用电话访问，漏掉没有稳定号码的人；用网络问卷，漏掉不上网的人；用公司名录，漏掉没登记的店和刚倒闭的店。每种网都像一把有缺口的勺子，从同一锅汤里捞出不同的浮沫。

这不是“样本不够大”能补上的。网的缺口是系统性的：漏掉的往往是更穷的、更非正式的、更不愿意被找到的。你把捞到的人写成“劳动力”，等于让勺子的缺口去定义总体。

对照也受这张网摆布。处理组若来自登记在册的企业，对照组若来自同一名录，两边一起漏掉了地下经济。识别策略比较的是名录里的差异，摘要却写成行业。裂缝再干净，比较的仍是网里的人。

数据堆得好像很多，但你关心的那个问题，最关键的一页常常缺席——到底这些数字覆盖的是谁？有的数据公众常听说，却没留意到“样本网”的差别，导致看似充足的统计，实则藏着大片盲区。表格的数据丰富、行列齐全，可要是一开始就把某些人漏掉，那后面分析再细致也补不回来。

同样一群人，用三种不同的“网”去捞，得到的画面会完全不同。以一个人为例：

• 如果没有电话，电话调查不会捞到他
• 如果不上网，网络抽样又会漏掉他
• 如果没登记，企业名录查不到他

不同的网有不同的缺口，你捞到的始终只是其中一部分人。

这时与其死记硬背“抽样偏差”，不如自己动手比一比分布会怎么跳。看着收入分布的曲线怎么移动，你会发现，那些被漏掉的人无论怎么精细地计算标准误，都不会被“补”进来。标准误再小，代表的只是被捞上的那群人，而不是你真正关心的全体。

---

测量误差：不是噪声那么可爱

古典测量误差的教科书故事是：误差纯属随机，只会把系数朝零拉。像一把晃的尺，量出的关系变淡。这个故事让人放松——“我的效应若还在，那真实效应只会更大”。

放松得太早，误差常常不随机。常见的情况包括：

• 人们记得自己的教育年限比较清楚，但记得去年工作的小时数就不清楚
• 报给税务部门的收入和报给调查问卷的收入不是同一个数字
• GPS 测量的通勤时间与“自我感觉的拥堵”差别很大
• 高收入者经常少报收入
• 受访者往社会期待靠拢
• 被问责的单位会把数字做漂亮

这些误差往往跟着真值或结果走，偏误可能朝任何方向，也可能伪装成内生性。你以为 $X$ 和误差在跳舞，其实是尺子自己在有规律地晃动。

解释变量量错了，古典故事是朝零拉；结果变量量错了，古典故事是标准误变大。非古典故事不管这些分工：符号都可以翻。显著救不了你。样本变大也救不了你。两者只会让一把弯尺的读数，显得更像真理。

还有一种更糟：你量的其实是政策目标本身。学校若被按分数问责，分数会涨，学习不一定涨。医院若被按住院天数考核，天数会动，健康不一定动。你用被考核的指标当结果，等于让尺子给自己打分。涨的可能是表现，也可能是表演。

---

谁不回答，谁就改写了分布

样本网把一部分人“捞”了上来，但即便拿到样本，问卷也常常有空着的题目。高收入者往往更不愿意透露收入信息，搬家频繁的人常常找不到，流动性高的人容易“失联”，而对政策不满的人有时特意跳过敏感或评价类的问题。你如果直接把所有留有空白的问卷删掉再进行回归分析，实际上传递的信息是“只有愿意被量的那群人，才被代表了全体”。

绝大多数缺失都不是随机发生的。随机缺失最“可爱”——只是少了几行数据，分析的不确定性（标准误）大一点。但更常见的是，缺失和被问变量本身密切相关，导致严重的偏误。常见情形包括：

• 富人、健康状况差的人、甚至违法的人更容易拒答，因此“分布的尾巴”被直接砍掉
• 这种缺失会让基尼系数、贫困率、平均工资等指标和那些“被切掉的尾巴”一同发生变化
• 有人会用插补方法，为空白行补平均数，或用其他人的数据替代缺失，本意是修补缺口
• 但插补其实只是让同一把弯尺看起来更完整，弯曲本身并没有消失

其实不只调查有“拒答”，所谓“行政数据”如企业登记、税务申报、医院记录等，也是“谁留下了登记记录，谁才会被量到”。没登记的人、没报税的人、没进医院的人，根本没在数据表里出现。他们不是零，而是“压根没被尺子碰到”。

比如，如果高收入被拒答或没有登记，统计出来的分布会缺右尾，整体分布变瘦，平均值也会明显受到影响。你看到的平均值，已经不再能代表你本来想描述的那一群人。缺失如果恰好和钱、健康、身份等关键信息相关，那么数据本身就已经发生了“自我选择”，再好的方法也补不回来。

---

可复制：数字会不会在别人手里还活着

2010 年代以后，社会科学被一件尴尬事逼着长大：别人用你的代码和数据，跑不出你论文里的表。有时是笔误，有时是选择——样本切法、异常值、控制变量组合，足够让显著来回翻脸。同一把尺，换一种清洗，读数就可以换姓。

可复制不是“有没有附录”，是另一种打脸。前面要求说法能被观察打脸；这里变成“换一套合理的清洗规则，结论还在不在”。公开一个数据链接不够。从原始文件到表格的每一步切法，都要能被别人重走。走不通，星星就不属于那篇论文，属于那一次说不清的手工。

预注册、共享代码、报告估计规格的全集，都是在承认：单一表格是一种修辞，不是自然事实。规格曲线把许多“看起来都合理”的选择摊开。若只有少数几条显著、符号还不稳，摘要里那一个星星，就不该装成唯一读数。

勾选不同的控制、切法和标准误。找出那种会让符号翻转的“合理”组合。还敢写进摘要，再谈你量到了什么。

---

尺子之后，方法要回到理论

测量看起来像一门“技术活”，其实每一步都在呼应理论。你怎么定义失业、学习、创新，就是在选择哪一面世界会进到数据表。哪怕只是多问一句“谁算作‘在业’”，就能改变一整页报表。台账、样本框、误差、缺失、规格——这些方法环节，其实都在追问同一件事：这些数字凭什么能代表那个词，那段现实。

理论的不同选择，直接决定了你要量什么，怎么量，也决定了错误和偏差会往哪里堆积。方法上的每个假设都是有立场的选择。有时候理论本身没选明白，尺子再直、账本再全，量出的房间也会走样。对“度量”的反思，不能只停在流程规范，还得返回到“为何用这板尺、怎么解释结果”这样的基本提问。只有把理论的假设、概念、选择都摆到明处，台账意识才算完整。

货已经清点完。可如果弯尺还夹在夹子里，再完美的账本，也可能量歪了世界。