Группы не равны людям: экологическая ошибка в чтении статистики

Когда карта становится портретом

В статистике часто сравнивают не отдельных людей, а группы: районы, возрастные категории, школы или страны. Это удобно: данные можно свести в таблицу и увидеть общие различия. Но переход от группового результата к выводу о каждом их участнике требует осторожности. Ошибка такого перехода называется экологической: закономерность, обнаруженная на уровне совокупностей, принимается за закономерность на уровне отдельных людей.

Представим, что в двух районах подсчитали средний доход и долю жителей, посещающих библиотеку. В районе с более высоким средним доходом библиотеку посещают чаще. Из этого нельзя заключить, что именно более обеспеченные жители чаще ходят туда. Возможно, в обоих районах посетители имеют разный доход; возможно, на посещаемость влияют транспорт, возрастной состав или расположение библиотеки. Групповые показатели описывают группы, но сами по себе не раскрывают связи между характеристиками конкретных людей.

Такой вывод может казаться очевидным, но таблицы провоцируют мысленный скачок: две колонки движутся вместе, значит, одно связано с другим у каждого человека. Чтобы понять, что именно показывают данные, нужно спросить, на каком уровне они собраны и на каком уровне сформулирован вывод.

Как возникает экологическая ошибка

У каждой группы есть внутренний состав. Среднее значение скрывает разброс, а доля — различия между участниками и подгруппами. Если состав сравниваемых групп неодинаков, общий показатель может отражать эти различия, а не предполагаемую связь между признаками.

Например, в городе А доля людей, сообщивших о регулярной физической активности, выше, чем в городе Б. Одновременно в городе А выше средняя продолжительность жизни. Это сопоставление не доказывает, что каждый активный житель живёт дольше каждого малоактивного или что различие между городами объясняется только физической активностью. В городах могут отличаться возраст жителей, доступность медицинской помощи, условия труда и многие другие обстоятельства.

Подобная осторожность важна и при обсуждении социальных рисков. Если в территориях с одним показателем заметнее другое явление, это ещё не говорит, какие люди сталкиваются с ним, каковы причины и как связаны индивидуальные обстоятельства. Территориальная статистика способна показать, где стоит изучать вопрос подробнее, но не заменяет исследование людей и механизмов.

Числовой пример: две разные истории

Допустим, сравнивают две учебные программы по результатам экзамена. В программе X итоговый процент сдавших выше, чем в программе Y. На первый взгляд X кажется эффективнее. Однако в X могли чаще поступать ученики, уже хорошо подготовленные к предмету. Тогда общий процент смешивает возможный эффект программы с исходными различиями между группами.

Теперь разделим учеников по уровню подготовки до начала обучения. Может оказаться, что в каждой из двух подгрупп результаты программы Y выше, хотя в целом её итоговый процент ниже. Такое расхождение напоминает парадокс Симпсона, но здесь важна конкретная оговорка: одного сравнения групповых итогов недостаточно, чтобы понять индивидуальную связь или эффект программы. Разбиение по значимому признаку меняет картину, потому что раскрывает скрытый состав совокупностей.

Этот пример не означает, что любое агрегирование бесполезно. Общие числа нужны для описания масштаба и распределения явлений. Ошибка начинается, когда описание группы без дополнительных оснований превращают в характеристику каждого её участника или в утверждение о причинности.

Какие вопросы помогают читать сводные данные

• Кто именно образует группу? Сравниваются ли сопоставимые по возрасту, условиям или другим важным признакам совокупности?
• Что скрывает среднее? Полезно знать не только среднее значение, но и разброс, размер группы и способ расчёта показателя.
• На каком уровне сделан вывод? Данные о районах позволяют описывать районы. Для утверждений о людях нужны данные о людях, а не предположение, что групповая тенденция автоматически повторяется внутри каждой группы.
• Есть ли возможные смешивающие обстоятельства? Связь двух показателей может отражать третий фактор, состав группы или особенности сбора информации.

Эти вопросы не требуют отвергать статистику. Они помогают точно обозначить, что она сообщает, а что остаётся неизвестным. Если таблица описывает доли по территориям, корректная формулировка относится к территориям. Если хочется сделать вывод о поведении отдельных людей, нужны подходящие индивидуальные данные и анализ, учитывающий контекст.

От описания к осторожному выводу

Экологическая ошибка особенно вероятна, когда краткий отчёт или заголовок превращает сложное сравнение в простой рассказ о типичных людях. Но средний показатель не является портретом среднего участника во всех отношениях. Две группы с одинаковым средним могут иметь совершенно разный разброс, а одинаковая доля может складываться из разных подгрупп.

Полезно различать три шага: наблюдение, объяснение и вывод о человеке. «В этих районах показатель выше» — описание данных. «Различие связано с такой-то причиной» — объяснение, которому нужны дополнительные основания. «Жители этих районов ведут себя определённым образом» — утверждение об отдельных людях, требующее соответствующих сведений. Между этими шагами нет автоматического перехода.

Критическое чтение статистики начинается не с недоверия к цифрам, а с уважения к их масштабу. Групповые данные могут выявить важные различия и подсказать, что исследовать дальше. Но, чтобы понять опыт отдельных людей, необходимо смотреть на данные подходящего уровня и не путать картину совокупности с биографией каждого её участника.