倖存者偏差

一覽

1. 快速摘要

當我哋分析成功嗰陣，我哋淨係見到贏家——蓬勃發展嘅公司、仲屹立不倒嘅建築、成功咗嘅人。我哋永遠見唔到失敗者，因為佢哋已經消失咗。咁樣會造成一個極度扭曲嘅現實畫面，令我哋高估自己成功嘅機會、搞錯成功嘅原因，仲會根據唔完整嘅數據得出結論。最關鍵嘅資訊，往往就係嗰啲缺少咗嘅資訊。

2. 背後嘅科學

2.1. 發現同歷史

對倖存者偏差嘅學術認知，比現代統計學早咗兩千幾年，雖然佢嘅正式數學處理係喺二戰期間先出現嘅。

古代起源（公元前5世紀）： 最早有記錄嘅觀察嚟自古希臘詩人同著名無神論者米洛斯嘅迪亞戈拉斯 (Diagoras of Melos)。當有人俾佢睇啲喺海難中倖存落嚟嘅信徒畫板，當做神明庇佑嘅證據嗰陣，迪亞戈拉斯講咗句好出名嘅話：「我見到得救嘅人，但係嗰啲遇海難嘅人畫喺邊度呢？」呢個由西塞羅 (Cicero) 喺《神性論》(De Natura Deorum) 記錄落嚟嘅軼事，捉到正呢個偏差嘅成個機制——倖存者睇得見又出到聲；死者就係沉默嘅。

文藝復興時期嘅形式化（17世紀）： 弗朗西斯·培根 (Francis Bacon) 將呢個觀察融入咗佢嘅「心智偶像」(Idols of the Mind) 理論，特別係「種族偶像」(Idols of the Tribe)。佢指出人類理智更容易被肯定嘅事物所打動，而唔係否定嘅事物——成功嘅會被記低，而失敗嘅就由紀錄中消失。

二戰數學處理（1943年）： 亞伯拉罕·沃爾德 (Abraham Wald) 喺哥倫比亞大學統計研究小組嘅工作，提供咗第一個處理倖存者偏差嘅嚴謹數學框架，永遠咁改變咗運籌學同軍事戰略。

金融經濟學革命（1990年代）： 包括布朗 (Brown)、戈茨曼 (Goetzmann)、埃爾頓 (Elton)、格魯伯 (Gruber) 同布萊克 (Blake) 喺內嘅研究人員，量化咗呢種偏差對互惠基金同對沖基金表現數據嘅影響，證明咗佢對投資分析嘅深遠影響。

大眾哲學（2000年代）： 納西姆·尼古拉斯·塔雷伯 (Nassim Nicholas Taleb) 喺《隨機騙局》(Fooled by Randomness, 2001) 同《黑天鵝效應》(The Black Swan, 2007) 入面，將倖存者偏差由一個統計概念提升到哲學世界觀。

2.2. 主要研究人員

2.3. 里程碑研究

飛機脆弱性分析（沃爾德，1943）

喺二戰期間，統計研究小組被要求決定轟炸機應該喺邊啲位置加裝裝甲。軍方提供嘅數據顯示，返航嘅飛機上彈孔好集中：機身、機翼同機尾受損嚴重，但引擎同駕駛艙就幾乎冇受損。

軍方嘅直覺結論係要喺中彈最多嘅地方加裝裝甲。沃爾德違反直覺嘅洞察完全推翻咗呢個建議：要喺引擎同駕駛艙加裝甲——亦即係冇觀察到損壞嘅區域。

佢嘅理據係：敵方火力應該係隨機分佈喺飛機各處。引擎上面「失蹤」嘅彈孔唔代表引擎冇被打中——而係代表引擎被打中嘅飛機返唔到嚟。軍方一直研究緊嘅係可以倖存嘅損傷，而唔係致命嘅損傷。

沃爾德喺佢嘅備忘錄《基於倖存者損傷估計飛機脆弱性嘅方法》入面將呢一點形式化，確立咗倖存者身上觀察到嘅命中密度，同該區域被命中嘅致命程度成反比。

互惠基金倖存者偏差（布朗、戈茨曼等人，1992）

呢篇發表喺《金融研究評論》(Review of Financial Studies) 嘅論文證明，標準金融數據庫會有系統咁刪除被清盤或合併基金嘅紀錄。由於基金清盤幾乎都係因為表現唔好，呢種截斷效應製造咗一個統計學上嘅海市蜃樓——令基金平均表現睇起嚟好過現實，而且喺冇「技術」嘅情況下，製造出波動性同回報之間似是而非嘅虛假相關性。

倖存者偏差同互惠基金表現（埃爾頓、格魯伯 同 布萊克，1996）

呢項里程碑研究追蹤咗1976年底存在嘅每一隻互惠基金。主要發現：

• 倖存者偏差將年度回報推高咗大約0.9%（90個基點）
• 細基金嘅偏差明顯大過大基金
• 合併嘅基金（通常將唔好嘅紀錄隱藏喺大基金入面）同埋清盤嘅基金，兩者都導致咗呢個偏差

一旦糾正咗呢個偏差，呢啲發現就為效率市場假說 (Efficient Market Hypothesis) 提供咗有力嘅實證支持。

2.4. 神經學基礎

倖存者偏差源於人類認知嘅基本特徵：

系統一思考： 丹尼爾·卡內曼 (Daniel Kahneman) 嘅「快思」系統將「容易回憶」同「發生頻率」混為一談。因為成功嘅例子（喬布斯、比爾·蓋茨）好容易諗起，我哋直覺上會畀類似結果更高嘅發生概率，高過基礎概率 (base rate) 嘅實際水平。

可得性捷思： 大腦喺評估決策嗰陣，會依賴即時諗到嘅例子。成功嘅例子天生就更「可得」——成功嘅公司會喺證券交易所上市，而失敗嘅公司會被除牌；成功嘅建築會屹立不倒，而倒塌咗嘅會被替換。

模式識別限制： 人類大腦進化到可以由感知到嘅數據中提取因果敘事，但處理唔到唔存在嘅數據。呢個根本限制——我哋只可以分析我哋見到嘅嘢——就係倖存者偏差嘅神經基礎。

樂觀偏差嘅交互作用： 同自我評估相關嘅神經迴路傾向於樂觀。當睇到帶有倖存者偏差嘅數據嗰陣，呢啲迴路會鼓勵我哋將自己同贏家認同，而唔係嗰啲沉默嘅大多數失敗者，從而強化冒險行為。

3. 進化起源

倖存者偏差深深植根於我哋嘅進化遺產入面，作為一個模式識別引擎，喺好多時速度比精確度更重要嘅環境入面運作。

喺祖先環境中嘅適應價值： 對我哋嘅祖先嚟講，專注於成功嘅策略係講得通嘅。如果一種打獵技巧、遷徙路線或者食物來源能夠產生倖存者，咁就值得模仿。嗰啲失敗者——試咗唔同方法然後死咗嘅人——係無得畀你請教嘅。由睇得見嘅成功入面學習，係一種快速、高效嘅捷思法。

節省能量： 大腦消耗我哋大約20%嘅代謝能量。分析唔存在嘅數據——想像所有我哋見唔到嘅失敗——喺認知上係好耗費資源嘅。進化偏好嗰啲能夠高效處理可用資訊嘅大腦，而唔係徹底去模擬睇唔見嘅替代方案。

係特點，而唔係缺點 (Feature, Not Bug)： 喺條件相對穩定、結果可以即時觀察到嘅祖先環境入面，帶有倖存者偏差嘅學習通常都已經夠用。如果你個鄰居用某種避難所設計捱過咗冬天，照抄係好合理嘅。呢種偏差淨係喺複雜、現代嘅環境先會成為問題，因為喺呢度，失敗被有系統咁隱藏起嚟，而且「倖存者」樣本極度冇代表性。

可得性錯配： 我哋嘅大腦喺小群體入面進化，大多數相關事件都可以直接觀察到。喺現代社會，我哋接觸到嘅資訊已經經過咗多層篩選（媒體、市場、歷史），令到我哋基於可得性嘅直覺變得有系統咁誤導。

4. 呢種偏差點樣表現出嚟

4.1. 喺日常生活中

「而家啲嘢冇以前造得咁好」： 羅馬萬神殿、維多利亞時代嘅桃花心木傢俬，同埋「仲用得」嘅1950年代電器，都係避過咗幾個世紀破壞嘅統計離群值。倒塌咗嘅劣質羅馬唐樓、腐爛咗嘅廉價維多利亞傢俬，同埋堆填區入面爛咗嘅1950年代電器都係睇唔見嘅。我哋將過去最好嘅嘢同而家平均水平嘅嘢做比較。

「經典」音樂謬誤： 人哋話1960-70年代嘅音樂好聽啲，因為「嗰個年代嘅歌首首都係經典」。呢樣嘢忽略咗當時發行過成千上萬首抄襲、製作粗劣嘅歌——電台淨係會播倖存落嚟嗰1%嘅熱門歌。我哋將過去經過篩選嘅最好作品，同今日100%嘅產出做比較。

嚟自幸福伴侶嘅感情建議： 搵感情建議嗰陣，我哋通常會問仲一齊緊嘅伴侶。我哋好少聽過嗰啲試過同樣方法但最後離婚收場嘅人分享，佢哋可能就係跟咗啲導致佢哋失敗嘅建議。

餐廳推薦： 城市入面受歡迎嘅餐廳，根據定義，就係倖存者。成千上萬間執咗笠嘅餐廳——可能用咗完全一樣嘅策略——已經關門大吉，冇得警告我哋咩方法係唔可行嘅。

4.2. 喺職場中

大學輟學神話： 媒體將蓋茨、喬布斯同朱克伯格等億萬富翁作為輟學會導致成功嘅證據。呢樣嘢忽略咗成千上萬周身債、一世人搵得少啲嘅輟學生。輟學生成功嘅基礎概率喺統計上係低過畢業生嘅；嗰啲出名嘅例子只係極端嘅離群值。

「我點樣成功」文學： 正如納西姆·塔雷伯指出，失敗嘅創業者唔會寫本叫《我點樣令我間初創公司破產》嘅書。成功嘅創業者會寫《我點樣成功》，而佢哋嘅建議（冒大險、無視批評）可能正正就係導致失敗者失敗嘅行為。

基於「成功」概貌嚟請人： 公司通常會根據頂尖員工嘅特徵嚟建立招聘概貌。但佢哋缺乏嗰啲可能表現一樣好嘅被拒絕候選人嘅數據，或者嗰啲有類似特徵但失敗並離職嘅人嘅數據。

表現歸因錯誤： 當分析某啲項目點解成功嗰陣，組織會研究成功嘅團隊。佢哋研究唔到嗰啲被放棄、重組或者成員已經離開咗嘅失敗項目——佢哋可能會發現同樣嘅「成功因素」喺兩者之中都有出現。

4.3. 喺商業同市場營銷中

創業「成功方程式」： 建議行業係一個由倖存者壟斷嘅行業。「努力」、「堅持」同「對品質嘅執著」會出現喺成功創業者嘅故事入面，但如果調查失敗創業者嘅墳墓，好可能都會發現完全一樣嘅特徵。區別因素往往係運氣、時機或者外部事件。

產品評價： 市場營銷會展示滿意嘅顧客。嗰啲流失咗、要求退款或者就咁消失咗嘅唔滿意顧客，唔會出現喺敘事入面，扭曲咗人們對產品效用嘅認知。

競爭基準測試： 公司會以成功嘅競爭對手作為基準，學習佢哋嘅策略。但試過類似策略而失敗嘅公司，已經被收購、解散或者轉型咗——佢哋唔成功嘅策略喺分析中係睇唔見嘅。

4.4. 喺政治同媒體中

歷史敘事構建： 由倖存者書寫嘅歷史，會將佢哋嘅觀點當成定論。嗰啲失敗者、死者或者被邊緣化嘅人所提出嘅觀點、警告同替代方案，有系統咁被低估咗。

新聞倖存： 媒體報道嗰啲喺編輯篩選中倖存落嚟嘅故事。成千上萬同樣有新聞價值嘅事件冇被報道，塑造咗公眾對存在咩問題以及邊啲解決方案有效嘅認知。

政治策略「教訓」： 政治分析師研究勝出嘅選戰嚟提取成功因素。但用咗完全相同策略而輸咗嘅選戰就少人關注，好可能導致錯誤嘅策略建議。

4.5. 喺醫療保健中

一戰頭盔悖論： 一戰引入鋼盔嗰陣，野戰醫院報告話頭部受傷人數急劇增加。有人認為頭盔有缺陷。現實係：喺有頭盔之前，擊中頭部嘅彈片會令士兵當場死亡（記錄為陣亡 (KIA)，永遠去唔到醫院）。頭盔將致命傷變成可以治療嘅傷，令到頭部創傷首次喺數據中可見。

貓隻高處墮下綜合症： 1987年一項獸醫研究發現，由7樓以上跌落嚟嘅貓，受傷少過由5至7樓跌落嚟嘅貓，暗示跌得越高越「安全」。呢個偏差在於：數據集淨係包咗帶去睇獸醫嘅貓。由30樓跌落嚟當場死咗嘅貓會被埋葬，而唔會接受治療——造成咗高處墮下好安全嘅錯覺。

「健康工人效應」： 研究經常顯示工業工人嘅死亡率低過普通人群——唔係因為工廠工作好健康，而係因為勞動力排除咗殘疾、臥床不起同埋絕症患者。工人係經過預先篩選嘅倖存者。

創傷死亡率統計： 偏遠地區意外受害者有時顯示出嘅院內死亡率低過城市受害者。現實係：嚴重受傷嘅偏遠地區病人喺長途運送途中死亡，抵達時「已死」(Dead on Arrival)，並被排除喺醫院統計之外。城市醫院接收活著嘅危重病人，佢哋然後喺醫院入面死亡，推高咗城市嘅死亡率。

4.6. 喺金融同投資中

互惠基金表現： 標準數據庫刪除咗清盤基金嘅紀錄。因為基金清盤係由於表現唔好，數據庫等於喺度清除失敗者，令到基金平均表現睇起嚟每年比現實高大約0.9%。

對沖基金數據： 對沖基金係自願報告嘅，引入咗雙重偏差：倖存者偏差（失敗嘅基金停止報告）同埋回填/即時歷史偏差（成功嘅基金開始報告，並回填佢哋行運嘅早期數據；唔成功嘅早期基金永遠唔報告並解散）。馬爾基爾 (Malkiel) 估計呢種合併偏差大約會推高年度回報4.4%。

標普500指數回測： 隨住破產公司被剔除同埋增長公司被加入，指數嘅成分會改變。用目前嘅標普500名單進行回測，會無意中確保咗100%嘅倖存率，從而獲得唔切實際嘅回報——每一間喺測試期間倒閉嘅公司都被排除在外。

「熱手」錯覺： 早期研究表明基金經理可以持續跑贏大市。當布朗同戈茨曼糾正咗倖存者偏差之後，呢種表面上嘅技巧大部分都消失咗——「熱手」很大程度上只係隨機分佈嘅尾部。

5. 真實世界案例研究

案例研究1：轟炸機裝甲決策（二戰）

• 背景： 盟軍轟炸機受到敵方火力攻擊損失慘重，令軍方提議用裝甲板加固飛機。然而，裝甲會增加重量，減少航程、機動性同載彈量——所以一定要裝喺最理想嘅位置。

• 發生咗咩事： 軍方收集咗大量關於完成任務返航轟炸機上彈孔嘅數據。數據顯示，機身、機翼同機尾損壞密度好高，但引擎同駕駛艙損壞極少。軍方指揮官得出結論，裝甲應該裝喺飛機中彈最多嘅地方。

• 偏差點樣運作： 亞伯拉罕·沃爾德意識到數據只係代表倖存者。引擎同駕駛艙中彈嘅飛機返唔到嚟——佢哋墜落咗喺英倫海峽或者德國嘅田野。引擎上「失蹤」嘅彈孔唔係引擎冇中彈嘅證據；而係引擎中彈會致命嘅證據。

• 後果： 沃爾德建議喺引擎同駕駛艙加裝裝甲。佢嘅方法拯救咗無數生命同飛機，並繼續喺韓戰同越戰中被使用。

• 學到嘅教訓： 分析結果嗰陣，永遠要問：「我睇唔到嘅案例發生咗咩事？」缺乏證據本身可能就係最重要現象嘅證據。

案例研究2：互惠基金行業真相（1990年代）

• 背景： 幾十年嚟，關於主動型基金經理能否持續跑贏大市（「產生阿爾法 (alpha)」）嘅爭論一直好激烈。早期研究認為佢哋得。

• 發生咗咩事： 研究人員布朗、戈茨曼、埃爾頓、格魯伯同布萊克發現，金融數據庫經常刪除被清盤或合併基金嘅紀錄。由於基金幾乎都係因為表現唔好而關閉，數據庫等於有系統咁移除咗失敗者。

• 偏差點樣運作： 呢種截斷效應製造咗一個統計海市蜃樓，令剩低嘅「倖存」基金睇起嚟有更高嘅平均回報，並顯示出波動性同表現之間有明顯嘅關係，令人誤以為係技巧。

• 後果： 當0.9%嘅年度偏差被糾正之後，好多主動型經理表面上嘅優異表現就消失咗，為效率市場假說提供咗有力嘅支持，亦徹底改變咗金融研究處理歷史數據嘅方法。

• 學到嘅教訓： 任何有流失、關閉或消失情況嘅數據集，都必須分析有冇倖存者偏差。睇起嚟似技巧或者優異表現嘅嘢，可能只係受審查樣本造成嘅假象。

歷史例子：迪亞戈拉斯與神廟畫板

古希臘詩人米洛斯嘅迪亞戈拉斯喺神廟入面睇到啲還願畫板——係由向神明祈禱並喺海難中生還嘅水手委託畫嘅。佢朋友將呢啲當成神明庇佑嘅證據。

迪亞戈拉斯嘅回答成為咗概率哲學嘅基礎名句：「我見到得救嘅人，但係嗰啲遇海難嘅人畫喺邊度呢？」

浸死咗嘅水手委託唔到人畫畫。一個淨係睇神廟證據嘅觀察者會得出祈禱可以保證航海安全嘅結論——呢個結論完全係由一個受審查樣本得出嚟嘅，喺呢個樣本入面，提供證據嘅能力同生存係掛鈎嘅。

呢個2500年前嘅軼事，概括咗點解倖存者偏差咁有破壞力：只有倖存者先可以講出佢哋嘅故事。

6. 呢種偏差嘅代價

6.1. 個人代價

扭曲嘅風險評估： 由於淨係見到成功嘅冒險者，個人會低估失敗嘅概率。做唔到億萬富翁嘅大學輟學生、「做啱晒所有嘢」但破產嘅創業者、喺「穩賺」投資中輸光身家嘅投資者——佢哋嘅經歷係睇唔見嘅，導致其他人承擔衡量得唔好嘅風險。

錯誤歸因嘅成功因素： 人們採用倖存者嘅行為（堅持、冒險、自信），而冇意識到呢啲相同嘅特徵喺失敗者身上都有。可能會花幾年時間喺啲根本唔係真正關鍵嘅策略上。

浪費資源喺模仿上： 跟隨從帶有倖存者偏差嘅數據得出嚟嘅「成功方程式」，會令精力投資落啲實際上唔會導致成功嘅方法上——只係喺睇得見嘅樣本入面同成功有關聯。

自我形象受損： 當跟隨由倖存者得出嘅建議冇帶嚟成功嗰陣，個人可能會怪責自己，而唔會意識到啲建議係基於有缺陷嘅數據。

6.2. 專業代價

投資損失： 喺金融界，倖存者偏差被量化為大約會推高每年回報0.9-4.4%。基於未經修正嘅歷史數據做決策嘅投資者，會有系統咁高估預期回報並低估風險。

戰略誤導： 透過研究成功公司得出嘅商業策略，忽略咗用咗相同策略但失敗嘅公司。資源會流向嗰啲感覺被驗證過但可能只係隨機嘅方法。

招聘同人才決策： 基於成功員工嘅概貌，會錯失同可見模式唔同嘅潛在優秀候選人，而請嗰啲符合概貌嘅人，可能會複製一啲同實際表現無關嘅特徵。

產品開發失敗： 淨係由成功產品度學習，而唔研究類似嘅失敗產品，會導致投資喺啲實際上唔係成功因素嘅功能或方法上。

6.3. 社會代價

歷史誤解： 由倖存者寫嘅歷史呈現出偏頗嘅觀點。由戰敗者提出嘅已消失觀點、替代方法同警告，被有系統咁排除喺集體記憶之外。

政策誤導： 基於研究成功結果（經濟、社會、軍事）而制定嘅政策，如果冇考慮到有類似特徵嘅失敗案例，會導致有缺陷嘅干預措施。

文化神話嘅締造： 被倖存者偏差放大咗嘅「白手興家」敘事，掩蓋咗運氣、時機同環境嘅作用，塑造咗人們對不平等同社會流動性嘅態度。

醫療方案錯誤： 基於帶有倖存者偏差數據嘅治療決策，可能會忽略咗某啲病人治療不足，或者成功嘅結果係喺特定干預措施之下依然發生（而唔係因為佢）。

6.4. 統計學影響

7. 隱藏嘅好處

倖存者偏差唔係完全負面嘅——佢發揮過適應功能，而且喺特定情況下仍然可以提供價值。

高效嘅學習捷思法： 喺結果可以直接觀察到嘅穩定環境入面，向倖存者學習係快速而且相當準確嘅。如果大部分對你鄰居有效嘅避難所設計都對你有效，咁模仿倖存者就係高效嘅。

激勵功能： 接觸一啲成功故事可以提供動力同模仿嘅榜樣。完全了解所有失敗可能會令人癱瘓。關鍵在於調節接觸量，而唔係消除佢。

快速決策： 當速度重要過精確度嗰陣，使用現成嘅例子（本質上帶有倖存者偏差）可能好過延遲分析。唔係每一個決定都需要全面調查。

合理嘅模式檢測： 有時候倖存者嘅特徵真係有因果關係，而唔單止係相關嘅。喺失敗模式係隨機、而成功因素係系統性嘅領域，倖存者確實帶有真實資訊。

唔理想嘅極端： 完全消除倖存者偏差，需要喺做任何決定之前對所有可能嘅失敗進行詳盡分析。呢樣喺認知上係冇可能嘅，喺實踐上亦會令人寸步難行。目標係意識到佢並作出適當嘅修正，而唔係消除佢。

8. 自我評估：你有冇呢種偏差？

8.1. 警告信號清單

• 你經常引用成功人士（喬布斯、蓋茨、馬斯克）作為生活/職業策略嘅證據
• 你認為過去嘅產品/音樂/手工藝整體上好過今日嘅
• 你曾經只係基於研究成功例子而做出重大決定
• 你好少問：「嗰啲試過呢樣嘢但失敗咗嘅人發生咗咩事？」
• 你對歷史基金/投資表現數據照單全收
• 你相信「成功會留低線索」，可以可靠咁由贏家身上提取出嚟
• 你喺你欣賞嘅成功故事入面，唔認為運氣/時機係重要因素
• 你曾經基於對自己有效嘅方法畀建議，而冇考慮過對其他人可能無效
• 你覺得「我點樣成功」嘅書/Podcast好有說服力
• 分析決策嗰陣，你專注於結果，而唔係導致結果嘅過程

計分：

• 剔咗0-2個：低易感性
• 剔咗3-5個：中度易感性
• 剔咗6-8個：高易感性
• 剔咗9-10個：極高易感性

8.2. 自我反思問題

1. 你上次喺做重大決定之前，主動去搵失敗故事係幾時？

2. 諗下你取得過嘅一次成功——有幾多其他人試過類似方法但失敗咗？你真係知道嗎？

3. 你相信邊啲「顯而易見」嘅成功因素？你會點樣測試呢啲因素有冇同時出現喺失敗例子入面？

4. 當你收到成功人士嘅建議嗰陣，你有冇考慮過有幾多唔成功嘅人畀過同樣嘅建議？

5. 有冇人指出過你根據唔完整嘅數據得出結論？你當時點樣回應？

8.3. 快速診斷情景

情景： 你考慮緊創業，睇到篇文話你個行業入面，有60%專注於客戶服務嘅公司捱過咗頭5年。呢個似乎係一個有力證據，證明專注客戶服務係生存嘅關鍵。

你會點樣解讀？

• A) 「太好喇！我一定會將客戶服務放喺首位——數據清楚顯示佢係有效嘅。」 → 高易感性
• B) 「好有趣，但我好奇有幾多百分比嘅失敗公司都有專注客戶服務。」 → 中度易感性
• C) 「如果唔知道失敗公司入面注重客戶服務嘅比例，呢樣嘢對我嚟講毫無意義。如果60%嘅失敗公司都有專注客戶服務，咁呢個因素就冇預測價值。」 → 低易感性

9. 識別其他人身上嘅呢種偏差

9.1. 行為指標

說話方面：

• 經常將出名嘅成功故事當做普遍證據
• 根據小量可見贏家嘅樣本進行概括
• 喺成功敘事中無視運氣/時機因素
• 喺唔承認睇唔見嘅失敗嘅情況下，根據「有效嘅方法」進行推斷

決策方面：

• 過度依賴成功公司/人嘅案例研究
• 睇輕基礎概率同失敗頻率
• 淨係以成功嘅競爭對手為基準
• 相信歷史表現數據，而唔質疑數據收集過程

爭論方面：

• 用成功例子嘅存在，作為策略有效性嘅證明
• 爭論「X對Y有效」，而唔考慮X對Z係無效嘅
• 將缺乏證據（冇已知嘅失敗）解讀為證明唔存在

9.2. 對話紅旗

受呢種偏差影響嘅人會講嘅說話：

• 「睇下 [出名嘅成功例子]——佢哋做咗X，然後就成功咗！」
• 「我識嘅所有成功人士都有特徵Y。」
• 「數據顯示呢個方法有好好嘅往績。」
• 「而家啲嘢冇以前造得咁好。」
• 「每一間偉大嘅公司都有呢個特徵。」

佢哋會提出嘅論點類型：

• 喺冇考慮失敗率嘅情況下，由睇得見嘅成功進行歸納
• 淨係用倖存案例嚟「舉例證明」

佢哋避免問嘅問題：

• 「有幾多人試過呢個方法但失敗咗？」
• 「呢個策略嘅成功基礎概率係幾多？」
• 「點解我哋可能喺呢個數據集入面睇唔到失敗案例？」

9.3. 情景觸發因素

會觸發偏差嘅情況：

• 接觸到經過精心挑選嘅成功故事（媒體、書籍、會議）
• 分析帶有流失/關閉/刪除機制嘅數據庫
• 任何失敗案例會喺視線中消失嘅評估
• 對目前市場領導者進行回顧性分析

會增加脆弱性嘅情緒狀態：

• 對已經做咗嘅決定感到樂觀
• 想為某個方法辯護
• 對成功人物嘅欽佩

時間壓力：

• 緊迫感會降低尋找反證（失敗）數據嘅可能性
• 期限會令人傾向用現成嘅例子，而唔係進行徹底搜尋

10. 認知去偏見策略

10.1. 即時技巧

迪亞戈拉斯問題： 喺任何基於成功例子做決定之前，明確咁問：「遇海難嘅人喺邊度？」邊個試過呢樣嘢但失敗咗？點解我見唔到佢哋？

反轉數據： 當面對倖存者特徵嗰陣，喺腦海中構建一個「失敗者墓地」。失敗案例會唔會都有呢啲特徵？如果唔知，咁數據就唔完整。

基礎概率檢查： 由成功例子推斷之前，先估計下分母。「喺所有試過呢個方法嘅人入面，有幾多比例係成功嘅？」如果唔知，就要承認呢種不確定性。

失敗模式清單： 列出所分析嘅例子可能會失敗同消失嘅所有方式。破產嘅汽車公司、執笠嘅餐廳、清盤嘅基金——佢哋去晒邊度？

質疑來源： 對於任何數據集，都要問：「流失/刪除/倖存機制係咩？」失敗案例係點樣被移除嘅？咁樣可以揭示偏差嘅結構。

10.2. 長期策略

刻意研究失敗： 主動尋找事後分析、破產分析、失敗初創公司嘅故事。CB Insights 嘅「初創公司失敗事後分析」同類似資源，提供咗通常會缺失嘅沉默證據。

事前驗屍練習： 喺開始項目之前，進行「事前驗屍」——想像個項目已經失敗咗，然後逆向推導去搵出原因。咁做可以鍛鍊想像失敗嘅心智肌肉。

概率校準： 喺查閱數據之前，練習估計基礎概率。追蹤你嘅準確度。咁做可以培養直覺，明白可見嘅成功率有幾經常誇大咗真實嘅成功率。

歷史反事實： 學習歷史嗰陣，主動考慮替代路徑——差啲發生咩事、邊個差啲成功、仲有咩其他可能嘅結果。納西姆·塔雷伯叫呢啲做「另類歷史」。

10.3. 環境設計

數據基礎設施： 用「時間點」數據集，保留失敗案例喺當時存在嘅紀錄，而唔係淨係顯示倖存者嘅現狀數據庫。

失敗庫： 組織知識管理應該將失敗項目存檔，而唔單止係成功嘅項目。事後分析應該要好似成功案例研究咁容易獲取。

魔鬼代言人協議： 將專門尋找反證同缺失失敗數據嘅角色制度化，應用喺戰略決策入面。

多元化顧問網絡： 喺你嘅顧問圈子入面加入經歷過失敗嘅人。佢哋嘅觀點會提供通常缺失嘅「沉默證據」。

10.4. 幾時需要尋求外部意見

需要外部驗證嘅決策類型：

• 基於歷史表現數據嘅重大投資
• 基於競爭對手分析嘅戰略決策
• 基於成功故事嘅職業/生活決策
• 基於治療結果數據嘅醫療決策

向邊個請教：

• 熟悉選擇偏差嘅統計學家
• 喺你考慮緊嘅方法上失敗過嘅人
• 研究該特定領域失敗率嘅研究人員
• 被指派去搵缺失數據嘅魔鬼代言人

點樣提出請求：

• 「呢度嘅分母係咩？」
• 「嗰啲試過呢樣嘢但失敗咗嘅人發生咗咩事？」
• 「呢啲數據係點收集嘅，咩原因會導致案例消失？」

11. 實踐練習

練習1：失敗者墓地漫步

• 目標： 培養對睇唔見嘅失敗嘅直覺
• 所需時間： 45分鐘
• 所需物資： 上網設備、筆記簿
• 難度級別： 初學者
• 指示：
  1. 揀一個你有興趣嘅領域（初創公司、餐廳、產品等）
  2. 搵出嗰個領域入面5個出名嘅成功例子
  3. 對於每一個成功例子，研究3個試過類似方法但失敗咗嘅同期競爭者
  4. 記低失敗者同成功者有咩共同嘅特徵/策略
  5. 記錄點解失敗者通常係睇唔見嘅（破產、被收購、被刪除等）
• 反思問題：
  • 搵呢啲失敗例子有幾難？
  • 邊啲「成功因素」同時出現喺成功同失敗例子入面？
  • 呢樣嘢點樣改變你對導致成功原因嘅睇法？
• 頻率： 每月一次，特別係喺做重大決定之前

練習2：數據集解剖

• 目標： 學習識別數據來源中嘅倖存者偏差
• 所需時間： 60分鐘
• 所需物資： 你會用到嘅數據集（金融、商業、表現數據）
• 難度級別： 中級
• 指示：
  1. 揀一個你做決定嗰陣會依賴嘅數據集
  2. 記錄數據收集嘅方法
  3. 搵出所有可能會移除紀錄嘅機制（關閉、合併、刪除、唔報告）
  4. 估計原本總數入面可能有幾多百分比缺失咗
  5. 考慮缺失嘅數據同倖存嘅數據可能會有咩分別
• 反思問題：
  • 如果你可以睇到缺失嘅數據，會有咩改變？
  • 你對從呢啲數據得出嘅結論有幾大信心？
  • 咩樣嘅調整可能會比較合適？
• 頻率： 每當用歷史數據做決定嗰陣

練習3：事前驗屍儀式

• 目標： 喺失敗變得睇唔見之前，有系統咁想像失敗
• 所需時間： 30分鐘
• 所需物資： 紙、計時器
• 難度級別： 高級
• 指示：
  1. 開始項目之前，召集團隊
  2. 設一個20分鐘嘅計時器
  3. 想像而家係一年後，個項目已經徹底失敗咗
  4. 每個人寫低所有失敗嘅原因（首先獨立寫）
  5. 分享並整合呢啲失敗模式
• 反思問題：
  • 邊啲失敗模式最有可能發生？
  • 邊啲失敗唔會留低證據俾未來嘅分析師？
  • 你點樣可以避免成為睇唔見嘅失敗數據？
• 頻率： 每一個重大項目開始嗰陣

每日練習

夜晚嘅失敗問題： 每晚回顧一個你做過嘅決定，然後問：「有咩我睇唔見嘅失敗，係應該俾到啟示呢個決定嘅？」

• 建議時間：5分鐘
• 最佳時間：夜晚
• 點樣追蹤進度：每日記低一個「隱藏失敗」嘅見解

每週挑戰

沉默證據狩獵： 每星期揀一個你基於可見證據而持有嘅信念，主動去搵可能會反駁佢嘅「沉默證據」。

• 4星期後嘅預期結果：明顯提高咗問「缺少咗啲咩」嘅直覺，並降低對淨係靠可見數據得出結論嘅信心
• 反思嘅日誌提示：
  • 我今個星期檢驗咗咩信念？
  • 我發現咗咩沉默證據？
  • 發現咗之後，點樣改變咗我嘅信心水平？

12. 針對特定對象

給領導者同管理者

戰略規劃： 分析競爭對手成功嗰陣，強制要求戰略團隊亦都要研究用咗類似策略但失敗嘅競爭對手。失敗案例可能會揭示，觀察到嘅「成功因素」並唔係因果關係。

項目後分析： 嚴格咁將失敗項目同成功項目一樣存檔並研究。從失敗中學習往往更有價值，如果冇刻意保存，佢就會消失。

招聘決策： 對於從頂尖員工度得出嚟嘅概貌要保持謹慎。考慮下有咩被拒絕嘅候選人可能都會成功，以及有咩請返嚟符合概貌但失敗離職嘅人。

決策紀錄： 唔單止要紀錄結果，仲要紀錄做決定時嘅資訊同理據。咁樣就算失敗案例因為離職、重組或修改而「消失」，都依然可以進行誠實嘅評估。

文化建設： 公開慶祝同討論失敗。咁做可以令失敗喺組織記憶中保持可見，而唔係變得沉默。

給父母同教育工作者

教授呢個概念： 用迪亞戈拉斯嘅故事——小朋友好易明。問佢哋：「如果我哋淨係聽到贏咗嘅人講嘢，我哋會學唔到啲咩？」

平衡成功故事： 分享勵志故事嗰陣，亦都要分享失敗故事。「好多人試過完全跟佢咁做，但唔成功。咩原因可能造成呢個分別？」

科學教育： 倖存者偏差係理解抽樣、選擇同實驗設計嘅一個絕佳入門。用二戰轟炸機嘅例子——佢好生動又違反直覺。

示範對失敗保持開放： 分享你自己嘅失敗，以及佢哋教會咗你啲咩。令失敗變成可以討論嘅話題，而唔係睇唔見。

給醫療保健專業人員

臨床試驗解讀： 對流失模式保持警惕。停止治療嘅病人可能同繼續治療嘅病人有系統性嘅分別。意向治療分析 (Intention-to-treat analysis) 可以部分解決呢個問題。

歷史療法評估： 經得起「時間考驗」嘅「傳統」療法，可能只係倖存者。被放棄嘅無效療法唔會留低任何證據。

診斷模式識別： 令人難忘嘅病例（記憶中嘅倖存者）可能代表唔到基礎概率。喺進行模式匹配嗰陣，主動回想有唔同結果嘅病例。

死亡率統計： 了解「抵達時已死」嘅排除情況、轉院模式同紀錄習慣，點樣喺結果數據中造成倖存者偏差。

給金融專業人員

數據庫衛生： 有得揀嘅話，永遠用冇倖存者偏差嘅數據庫。對於標準數據庫，要應用已知嘅修正系數（例如互惠基金嘅約0.9%）。

客戶溝通： 展示歷史表現嗰陣，要解釋缺少咗啲咩。「呢個指數顯示嘅係今日存在嘅公司。失敗咗嘅公司冇包括在內，咁會令過去嘅表現睇起嚟好過實際情況。」

回測懷疑論： 時間點數據係必不可少嘅。任何用目前指數成分進行嘅回測，實際上都實現咗100%嘅倖存率——呢個係一個冇可能嘅條件。

對沖基金盡職調查： 考慮倖存者偏差同回填偏差。兩者嘅綜合效應（馬爾基爾估計約為4.4%）意味住報告嘅對沖基金平均表現大幅誇大咗現實。

13. 同其他偏差嘅相互作用

會放大倖存者偏差嘅偏差

會抵消倖存者偏差嘅偏差

常見嘅偏差鏈

模仿成功嘅連鎖反應： 倖存者偏差（淨係見到贏家） → 可得性捷思（贏家主導記憶） → 敘事謬誤（從贏家特徵構建因果故事） → 過度自信（相信故事可以解釋成功） → 確認偏差（尋找支持故事嘅證據） → 風險誤判（低估失敗概率）

中斷點： 喺敘事形成之前，明確咁問「失敗者喺邊度？」可以及早打破呢條鏈。一旦一個引人入勝嘅故事構建好，想推翻佢就會難好多。

14. 文化視角

倖存者偏差喺所有文化入面都會出現，但可能會被文化背景放大或減弱。

個人主義文化 vs. 集體主義文化： 喺高度個人主義嘅文化（例如美國），「白手興家」嘅敘事特別突出，可能會放大個人成就方面嘅倖存者偏差。集體主義文化喺內團體入面，失敗嘅可見度可能會高啲，部分減弱咗呢種偏差。

高權力距離文化： 喺高權力距離嘅文化入面，成功可能會更受讚頌，而失敗會被隱藏以免丟架，咁樣可能會增加結果淨係顯示倖存者嘅情況。

風險態度： 風險承受能力較高嘅文化，可能更傾向於從可見嘅冒險者身上吸取教訓，而風險規避嘅文化就可能自然會去搵多啲失敗數據。

15. 迷思同誤解

16. 專家見解

「我見到得救嘅人，但係嗰啲遇海難嘅人畫喺邊度呢？」 — 米洛斯嘅迪亞戈拉斯 (Diagoras of Melos)，公元前5世紀

「失敗餐廳嘅墓地係非常安靜嘅。即使係最偉大嘅思想實驗同書籍，都好少寫點樣喺餐飲業中『避免』失敗，因為失敗嘅人係唔會寫書嘅。」 — 納西姆·尼古拉斯·塔雷伯 (Nassim Nicholas Taleb)，《隨機騙局》(Fooled by Randomness)

「人類理智更容易被肯定嘅事物所打動，而唔係否定嘅事物。」 — 弗朗西斯·培根 (Francis Bacon)，《新工具論》(Novum Organum)

「[統計研究小組] 係有史以嚟組織過最非凡嘅統計學家群體。」 — W. 艾倫·沃利斯 (W. Allen Wallis)，統計研究小組主任

17. 主要得著

1. 倖存者偏差係普遍而且古老嘅——2500年前迪亞戈拉斯已經認識到，沃爾德喺二戰期間將佢形式化，並喺現代金融中被量化。

2. 呢種偏差會製造出有系統欺騙性嘅數據——唔單止係唔完整，而且係主動誤導，因為缺乏失敗案例改變咗可見分佈嘅形狀。

3. 缺失嘅往往係最重要嘅數據——沃爾德洞察到「失蹤」嘅彈孔喺墜毀嘅飛機上面，呢個係所有倖存者偏差分析嘅典範。

4. 金融影響係可以量化嘅——互惠基金大約每年0.9%，對沖基金4.4%，而回測錯誤嘅影響雖然未知，但相當巨大。

5. 解藥就係主動去搵睇唔見嘅嘢——不斷問「遇海難嘅人喺邊度？」就係防範呢種偏差嘅紀律。

6. 有修正方法——赫克曼修正、逆概率加權法、卡普蘭-梅爾估計法，同埋時間點數據庫，可以部分解決呢個偏差。

7. 能見度唔等於有效性——我哋幾容易見到成功例子，同佢哋喺整體入面有冇代表性係完全無關嘅。

18. 進一步資源

學術論文

• Brown, S. J., Goetzmann, W., Ibbotson, R. G., & Ross, S. A. (1992). Survivorship Bias in Performance Studies. Review of Financial Studies, 5(4), 553-580.
• Elton, E. J., Gruber, M. J., & Blake, C. R. (1996). Survivorship Bias and Mutual Fund Performance. Review of Financial Studies, 9(4), 1097-1120.
• Wald, A. (1943). A Method of Estimating Plane Vulnerability Based on Damage of Survivors. Statistical Research Group Memorandum.

書籍

• Taleb, N. N. (2001). Fooled by Randomness: The Hidden Role of Chance in Life and in the Markets. Random House. (《隨機騙局》)
• Taleb, N. N. (2007). The Black Swan: The Impact of the Highly Improbable. Random House. (《黑天鵝效應》)
• Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux. (《快思慢想》)

書籍章節

• Bacon, F. (1620). Idols of the Tribe. In Novum Organum. (《新工具論》中的「種族偶像」)
• Cicero. (45 BCE). De Natura Deorum [On the Nature of the Gods]. Book III (contains the Diagoras anecdote). (《神性論》第三卷（包含迪亞戈拉斯嘅軼事）)

19. 快速參考指南

20. 使用術語表

21. 討論問題

畀讀書會、課堂或者自我反思：

1. 你能唔能夠搵出一個你主要基於可見成功故事而做嘅重大人生決定？有啲咩失敗係你當時睇唔到嘅？

2. 沃爾德建議喺冇彈孔嘅地方加裝甲。有咩目前嘅問題可能可以透過觀察冇出現損壞嘅地方而得到解決？

3. 社交媒體突顯成功並隱藏失敗，佢可能點樣放大咗職業同生活決策中嘅倖存者偏差？

4. 有冇辦法可以真正「睇到」失敗，定係我哋永遠都只能夠用帶有倖存者偏差嘅數據？修正方法有咩局限性？

5. 塔雷伯認為成功人士嘅建議可能唔比失敗者嘅建議有效。考慮到呢種偏差，我哋應該點樣看待師徒關係同埋向他人學習？