0

7
0

文字

分享

0
7
0

統計數據是天大的謊言?我們該如何理解統計結果——《塗鴉學數學》

臉譜出版_96
・2020/07/24 ・2606字 ・閱讀時間約 5 分鐘 ・SR值 517 ・六年級

  • 作者/ 班‧歐林 (Ben Orlin);譯者/王年愷

好,我們先把這件事情說清楚。統計數據是謊言,不應該採信。史上最聰明的人都這樣說過,不是嗎?

圖/臉譜出版提供

我的重點是什麼?沒錯,數字會欺騙。但文字也會——更不用說圖案、手勢、嘻哈音樂劇和募款電子郵件了。我們的道德制度會去責怪說謊的人,而不是說謊者用來說謊的媒介。

對我來說,最有意思的批評統計之詞不是批評統計學者的不誠實,而是批評數學本身。我們可以去理解統計的瑕疵,看到每一項統計數據想要捕捉什麼(以及它會刻意忽略什麼),來增強統計的價值。也許這樣我們就能成為威爾斯想像中的優良公民。

統計中的平均數(mean)其實分配不均?

圖/臉譜出版提供
圖/臉譜出版提供

做法:把你的資料全部加起來,把總數除以資料筆數。

使用時機:平均數滿足了統計的一項基本需求:捕捉一個群體裡的「中間傾向」。籃球隊的身高是多少?你每天賣出幾個冰淇淋甜筒?這班學生的考試成績如何?如果你想用一個數值來概述一整個群體,平均數是合理的第一步。

為什麼不要相信它:平均數只管兩個資訊:總和,以及用來達成這個總和的人數。假如你曾經分配過海盜搶來的財寶,就知道哪裡危險了:分配的方式有許多種。每一個人分別貢獻了多少?這是否平均,還是嚴重偏袒某一方?

如果我吃掉一整個披薩,沒有留下任何一點給你,我們是否可以公正地說每個人「平均吃掉」半個披薩?你可以跟你邀來吃晚餐的客人說,「人類平均」有一顆卵巢和一顆睪丸,但這樣是不是會讓氣氛突然冷掉?(我試過;的確會。)

人類關心分配的問題,但平均數會忽略這個問題不談。

圖/臉譜出版提供

但平均數還有一個有用之處:它的特性使得它容易計算出來。

假設你的考試成績是 87 分、88 分和 96 分。(對,你在這班如魚得水。)你的平均是多少?你不必耗費腦力去加減乘除,只需要重新分配就好了。

從你最後一次的成績拿走 6 分,把 3 分分給第一次、2 分分給第二次。這樣你的分數便是 90 分、90 分和 90 分,另外還多了 1 分。把這 1 分分配給三次考試,你就會得到平均為 90⅓,完全不需要多花腦力。

統計中的中位數(median)忽視懸殊差異?

圖/臉譜出版提供
圖/臉譜出版提供

做法:中位數是你的資料集裡最中間的那一筆。有一半的資料比它低,另一半比它高。

使用時機:中位數和平均數一樣,捕捉了一個群體裡的中間傾向。差別在於它對離群值(outlier)的敏感度—或者應該說,它有多麼不敏感。

就拿家庭所得來說吧。美國的富裕家庭可能收入是貧窮家庭的幾十倍(甚至幾百倍)。平均數假裝讓每一個家庭都分配到收入總和的同樣數量,因此它會被這些離群值吸引走,離開大多數資料群聚的地方。這樣它算出的數值是 $75,000。

中位數抗拒離群值的吸引力。它指認出絕對位於美國正中間的家庭所得,這會是剛剛好的中間點,有一半的家庭比這富裕,另一半比這貧窮。在美國,這個數值接近 $58,000。

它和平均數不一樣;中位數可以讓人清楚看到「典型的」家庭是什麼樣子。

為什麼不要相信它:當你找到中位數後,你知道有一半的資料比它大,另一半比它小。但這些數值距離它多遠—只有半步之遙,還是要橫越整片大陸?你只會看到中間的那一塊,不會去管其他部分有多大或多小。這樣你可能誤判。

圖/臉譜出版提供

當一位創業資本家投資新創公司時,他會預期大多數新創公司將失敗。十分之一的罕見成功案例彌補其他小小的損失。但中位數會忽略這樣的動態。它大叫:「通常的結果是負面的。快中止任務!」

同理,保險公司細心建立一套組合,因為他們知道千分之一的罕見災難會消滅多年以來不太高的獲利。但中位數忽略潛在的大災難。它鼓舞你:「通常的結果是正面的。永遠不要停下來!」

這就是為什麼你常常看到中位數與平均數並列。中位數報出通常的數值,平均數則是報出總數。它們像是兩位有缺陷的證人,兩個合起來的時候會說出比任何一個更全面的故事。

統計中的眾數(mode)排除與眾不同?

圖/臉譜出版提供
圖/臉譜出版提供

做法:它是最常見的數值,最潮、最時尚的資料點。假如每個數值都獨一無二、沒有重複呢?這樣的話,你可以把資料分類,然後把最常見到的那個類別稱為「眾數組」(modal category 或 modal class)。

使用時機:眾數在進行民意調查和統計非數字的資料時非常出色。假如你想要簡述大家最喜歡的顏色,不可能「計算出顏色的總和」來算出平均數。或者,假如你在舉行投票,如果把所有的選票從「最自由派」排到「最保守派」,然後把公職給拿到中位數選票的候選人,這樣會讓選民發瘋。

為什麼不要相信它:中位數會忽略總和。平均數忽略總和的分布。那眾數呢?它會忽略總和、總和的分布和幾乎所有其他的事情。

眾數只代表單一個最常見的數值。但「常見」的意思不是「有代表性」。美國的薪資眾數是 0——這不是因為大多數美國人破產又沒工作,而是有領薪水的人分布在 $1 到 $100,000,000 的光譜各處,但所有沒領薪水的人都有相同的數字。這項數據不會告訴我們任何和美國有關的事。這項事實幾乎在所有國家都適用,因為這是金錢的運作方式所造成的。

改用「眾數組」只能解決一部分的問題。這樣會讓呈現資料的人有驚人的權力,因為他可以故意操弄分組的界線,來配合他的立場。依照我劃分界線的差異,我可以宣稱美國家庭所得的眾數位在 $10,000 到 $20,000(以 10,000 進位),或 $20,000 到 $40,000(以 20,000 進位),或 $38,000 到 $92,000(以所得稅級距進位)。

同樣的資料集,同樣的統計數據,但最後的樣貌完全改變了,端視畫出這個樣貌的畫家採用哪一種畫框而定。

——本文摘自《塗鴉學數學:以三角形打造城市、用骰子來理解經濟危機、玩井字遊戲學策略思考,24堂建構邏輯思維、貫通幾何學、破解機率陷阱、弄懂統計奧妙的數學課》,2020 年 5 月,臉譜出版

文章難易度
臉譜出版_96
64 篇文章 ・ 244 位粉絲
臉譜出版有著多種樣貌—商業。文學。人文。科普。藝術。生活。希望每個人都能找到他要的書,每本書都能找到讀它的人,讀書可以僅是一種樂趣,甚或一個最尋常的生活習慣。

0

2
1

文字

分享

0
2
1
什麼是抽樣誤差?老師和媒體都沒教你的那些事
tml_96
・2020/11/19 ・3758字 ・閱讀時間約 7 分鐘 ・SR值 550 ・八年級

本文原文刊登時間為2020年11月6日,原文標題為《什麼是抽樣誤差?為何外國媒體報導的與老師教的不一樣?

美國總統大選進入最後一周時,許多媒體紛紛在搖擺州進行民調,其中佛羅里達是選情極其緊繃的大州。

美國2020總統大選情勢劍拔弩張,許多州出現極小的得票差距。圖/Pixabay

華盛頓郵報-ABC於10/24-10/29在該州民調的結果顯示:在 824 位可能投票的選民中,川普領先拜登 50−48個百分點,因為抽樣誤差為 ± 4.0 %,報導結論佛州選情難分難解。紐約時報於10/27-10/31在該州民調的結果則顯示:在1,451位可能投票的選民中,拜登領先川普47−44個百分點,其抽樣誤差為 ± 3.2%

兩個民調相隔只 2−3 天,拜登從落後 2 個百分點轉為領先 3 個百分點,這領先程度有統計顯著性嗎?(佛州開票 96% 的結果是川普 51.2% 拜登 47.8%)

弗羅里達州的民調與開票96%後的實際結果。圖/作者提供。

這裡有兩個相關問題要先解決:

  • 第一、樣本數 N=1,451 為何抽樣誤差是 ±3.2%?這個數字對嗎?一般民調若樣本數在N=1,000左右,抽樣誤差不是大約 ±3% 嗎?為何紐時的樣本數高達 N=1,451,抽樣誤差不是更低?反而更高?
  • 第二、如果抽樣誤差低於±3%,那拜登在佛州領先川普超過抽樣誤差,便可以說這差距有統計顯著性嗎

 什麼是「抽樣誤差」?

首先解釋第一個問題:所謂「抽樣誤差」(margin of error)的是當母體比例為π時,重複抽取許多樣本所得樣本比例 P 的標準差乘以 1.96。更詳細地說:當母體比例為π時,重複抽取許多樣本數為 N 的樣本會得到許多不同的P值,這些 P 值的分佈稱作 P 的「抽樣分佈」(sampling distribution)。

根據中央極限定裡,P 的抽樣分佈是以π為中心的常態分佈,其變異量是 π(1-π)/N。我們若以π為中心取一個區間(π-m, π+m)讓 P 落在區間內的機率為 95%,則代表此區間寬度的 m 即為 95% 信心水平之下的抽樣誤差,其公式為:

雖然這個公式可以適用於任何的π值,在沒有特別資訊的情況下,一般以 π=0.5 來計算 MOE。

舉例來說,聯合報在 2019 年 12 月 12-14 日實施了一個民調,它在報導中特別就調查方法報告如下:

「調查於十二月十二日至十四日晚間進行,成功訪問一千一百一十位合格選民,另二百九十一人拒訪;在百分之九十五信心水準下,抽樣誤差正負三點零個百分點以內。採全國住宅及手機雙電話底冊為母體作尾數隨機抽樣,藉由增補市話無法接觸的唯手機族樣本改善傳統市話抽樣缺點,調查結果依廿歲以上性別、年齡及縣市人口結構加權,調查經費來自聯合報社。」

同樣的,蘋果日報在報導其於 2019 年12月27-29 實施的民調時也提到:

「本次民調由《蘋果新聞網》委託台灣指標公司執行,經費來源是《蘋果新聞網》,調查對象為設籍在全國22縣市且年滿20歲民眾,調查期間為12月27日至29日,採用市內電話抽樣調查,並使用CATI系統進行訪問。市內電話抽樣依縣市採分層比例隨機抽樣法,再以電話號碼後2碼隨機抽出,成功訪問1,069位受訪者,在95%信心水準下,抽樣誤差為±3.0%。」

依上述公式分別代入 N=1,110 及 N=1069 可得 MOE=2.94%、3.00%,正是報導所說的「抽樣誤差正負三點零個百分點以內」、「抽樣誤差為 ±3.0%」。

紐時在佛州的選前最後民調的樣本數 N=1,451 要高出 1,110 甚多,為何它所報告的抽樣誤差反而較大?我們若把 N=1,451 套入上式,不是應該得到 MOE=2.57%嗎?為何紐時說是 3.2%?

其實不只紐時,華郵/ABC 民調的抽樣誤差 4.0% 也超過了以 N=824套入上式所算得的 3.41%。為何美國媒體計算民調抽樣誤差與基本統計學教科書所教的算法不一樣?華郵/ABC在描述其民調方法時特別強調其抽樣誤差是在「納入設計效應」(including design effects)之後計算所得;什麼是「設計效應」?

什麼是「設計效應」?

這個問題牽涉到「有效樣本數」(effective sample size)的概念。所謂「有效樣本數」並不是統計分析中除去遺漏值之後的「有效N」(valid N),而是在調整受訪者代表性之後的「加權樣本數」(weighted sample size)。

下面我會說明:紐時所報告的抽樣誤差其實是根據「有效樣本數」調整過的抽樣誤差,也就是納入設計效應之後算得的抽樣誤差。

一般民調樣本因為不是使用「簡單隨機抽樣」(simple random sampling)得到的結果,母體中每人被抽到的機率並不一致。因此,樣本中某些族群的代表性並不能反映它們在母體中的代表性。為了讓各族群在樣本中的代表性和母體一致,樣本必須經過加權處理。上述聯合報和蘋果日報的報導便報告了它們民調的抽樣設計和加權的概略步驟。一般民調機構會把加權所使用的權重存為資料中的一個變數,其數值代表樣本中每個受訪者所代表族群的權重。

例如「台灣選舉與民主化研究」2020年民調資料合併檔(TEDS2020)中便有這樣的一個權值變數w,它的值介於0.295至3.474之間,其變異範圍反映了各族群在原樣本中的代表性與它們在母體中的代表性差異的程度。

由於加權的關係,原來的樣本數已不能有效反映加權後的樣本數,因此有所謂「有效樣本數」(effective sample size)的概念,有效樣本數的計算方式因加權方式而異,抽樣理論大師 Leslie Kish 建議了一個粗略的算法:

除非根本沒有加權,否則這個公式一定小於N,也就是加權後的有效樣本數會比原樣本數小。以TEDS2020原樣本數N=2,847為例,ESS=2,359,也就是加權後的有效樣本數只有原樣本數的83%。

我們如果以加權後的有效樣本數來計算抽樣誤差,則調整後的抽樣誤差會比根據原樣本數算出的抽樣誤差還大。這個差異,可以說是因為實際樣本之抽樣設計背離簡單隨機抽樣而造成的結果,我們定義「設計效應」(design effect)為:

由於抽樣誤差之平方與樣本數成反比,上式也可導出:

再以TEDS2020為例,DE=1/0.83=1.21。換算可以得到加權後的抽樣誤差是原抽樣誤差的 1.1 倍。

跟據紐時所報告的加權後的抽樣誤差以及由原樣本數所算出的簡單隨機抽樣之抽樣誤差,我們可以算出佛州民調的設計效應:

這設計效應比TEDS2020要高出很多!這可能是因為TEDS採用分層隨機抽樣面訪,其設計比起新聞媒體採用電話+手機有所不同。有了設計效應的估計值,我們就可以算紐時佛州民調的有效樣本數了:它的 ESS=936,只有原樣本數的三分之二。相對而言,華郵/ABC的佛州民調的設計效應是 DE=1.37,其有效樣本數是ESS=600.

如果我們以 N=936 算基於簡單隨機抽樣設計的抽樣誤差,它會恰恰是紐時所報告的 3.2%。以 N=600 來算的話,抽樣誤差就剛好是ABC/華郵所報告的 4.0%。

值得注意的是: 如果紐時效仿聯合報用原樣本數 N=1,451 計算抽樣誤差,這2.57% 的誤差值可能會讓很多讀者誤以為拜登領先川普的三個百分點已經超過超過抽樣誤差,因而具有統計上的顯著性。紐約時報的分析家沒有這樣做,這是他們的嚴謹之處。

以有效樣本數算候選人支持度差距的顯著性

然而選舉用的對比式民調還有第二個問題:一般媒體通常只報告單一比例的抽樣誤差,而對比式民調著重的不是單一比例,而是兩位候選人所獲支持度比例的差距。此差距的抽樣誤差與單一比例的抽樣誤差完全不一樣,它可以達到單一比例抽樣誤差的兩倍或更多。

關於對比式選舉民調的抽樣誤差,我曾寫過一篇文章指出一般媒體在報導時的錯誤解讀,並提出一個計算正確抽樣誤差的公式。

這篇文章請見:對比式選舉民調的錯誤解讀 

佛州民調結果拜登領先川普47−44。我們現在可以用有效樣本數來算拜登領先差距的抽樣誤差了。我在網上提供了一個速算表歡迎讀者下載使用。

計算的結果是抽樣誤差高達 6.03 %:拜登領先的差距其實還在誤差範圍之內。

注意:如果以原樣本數 N=1,451 代入速算表,則抽樣誤差為 4.91%,比 6.03% 要小得多。

關於民調報導,還有很多進步空間

台灣的媒體在報導對比式民調的結果時,似乎都像聯合報、蘋果日報一樣報告以「簡單隨機抽樣」為假設的單一比例抽樣誤差,而未考慮設計效應。這個抽樣誤差本來就太小,再加上對比所產生的問題,可以說是雙重的誤導!

外國媒體的民調報導近年來有進步。除了一般會報告根據設計效應調整過的抽樣誤差以外,有些民調機構也報告了對比式民調抽樣誤差的正確解讀方式。有興趣的讀者可以參考 Pew Research Center 這篇解釋抽樣誤差的文章:5 Key Things to Know about the Margin of Error in Election Polls

tml_96
34 篇文章 ・ 225 位粉絲
台大電機系畢業,美國明尼蘇達大學政治學博士, 現任教於美國德州大學奧斯汀校區政府系。 林教授每年均參與中央研究院政治學研究所及政大選研中心 「政治學計量方法研習營」(Institute for Political Methodology)的教學工作, 並每兩年5-6月在台大政治系開授「理性行為分析專論」密集課程。 林教授的中文部落格多為文學、藝術、政治、社會、及文化評論。

0

2
0

文字

分享

0
2
0
換個位子,換腦袋!機率在不同行業代表什麼意思?——《塗鴉學數學》
臉譜出版_96
・2020/07/23 ・1978字 ・閱讀時間約 4 分鐘 ・SR值 494 ・六年級

國小高年級科普文,素養閱讀就從今天就開始!!

  • 作者/ 班‧歐林 (Ben Orlin);譯者/王年愷

若說人類「不擅長」機率,太過簡化又太讓人難堪了。

機率是現代數學裡一門相當精妙的分支,當中處處有悖論陷阱。即使是基本的問題,也可能讓冷靜無情的專家暈頭轉向。嘲諷別人機率算錯,就像是在笑他們怎麼那麼不會飛,或是怎麼那麼不會喝下一整個海洋的水,或是怎麼那麼不防火。

如果真要說句公道話,應該說人類處理機率的能力實在爛透了。康納曼和特沃斯基在心理學研究中發現,人類對於不確定的事件有頑固的錯誤想法。他們會一而再、再而三地高估可能性微乎其微的事件,並低估幾乎鐵定會發生的事件。

圖/臉譜出版提供

這沒什麼大不了的,不是嗎?老實說,我們什麼時候看過機率在真實世界裡冒出頭來呢?又不是一輩子都在想辦法抓住知識性的工具,讓我們也許能在每一個清醒時刻的種種不確定性混沌中稍稍有些安穩⋯⋯

好吧,為了以防萬一——本章是一個操作指南,說明各種不同的人類怎麼去思考不確定性。這個東西就算再難,也不表示我們不能拿它來玩一玩。

如果你是政治記者

圖/臉譜出版提供

哈囉!你是一位政治記者。你會報導即將到來的選舉。你會報導失敗的選戰。在罕見的特別日子裡,你甚至還會報導像是「政策」和「治理」的事。

另外,稍微不可能的事情發生時,你好像會感到困惑。情況並非一直如此。在某個遙遠的過去,你會把選舉視為無限可能的神奇時刻。你輕描淡寫最可能發生的結果來增加刺激感,讓每一場選戰看起來都像是比賽結束鈴聲響起時從中場丟球正中籃框定勝負的。

2004 年美國總統大選當天晚上,小布希在俄亥俄州領先 100,000 票,未開出的選票不到 100,000 張時,你卻說俄亥俄州的選舉結果「太接近,無法確定」。到了 2012 年的總統大選,機率模型預測歐巴馬獲勝的可能性是 90%,你卻說選戰是「兩邊都有可能贏」。

然後,2016 年又把你的世界完全顛倒過來了。川普贏了希拉蕊.柯林頓。第二天醒來時,你覺得你經歷了一次量子奇異點,選舉結果就像是一隻突然憑空冒出來的兔子一樣完全無法預料。但對機率學家席佛(Nate Silver)及看法相近的人來說,這個結果只不過有一點意外而已,發生的機率為三分之一—就像丟骰子丟出 5 或 6 一樣。

如果你是氣象預報員

圖/臉譜出版提供

哈囉!你是一位氣象預報員,是電視上的雲層先知。你的一舉一動都自信滿滿,每一次交談的結尾都是「現在把現場交還棚內主播」。

另外,你會故意把機率說得模稜兩可,讓觀眾不會對你生氣。當然,你會盡可能誠實。如果你說明天的降雨機率是 80%,你所說的完全正確:在這樣的日子當中,降雨的日子總共有 80%。

但是,當降雨比較不可能發生時,你會誇大這些數據。你害怕有人把雨傘留在家裡,天空卻下起雨來,他們跑到網路上罵你。因此,當你說明天降雨機率是 20% 時,這種日子實際上只有 10% 會降雨。你會增加機率,來減少觀眾的咒罵。

假如觀眾更了解機率是什麼,也許你就能夠說出真話。當觀眾聽到「10%」的時候,好像會理解成「不會發生」。假如他們真的理解真正的意思(「每十次會發生一次」),你就能放鬆講出心裡真正想說的數據。在這一天到來以前,你仍然只能兜售半真半假的數據。

現在把現場交還棚內主播。

如果你是千年鷹號太空船船長

圖/臉譜出版提供

哈囉!你是「千年鷹號」(Millennium Falcon)1 太空船船長。你是一位星際暴徒、壞蛋,也是心腸寬大的俠盜。你一生的伙伴是一隻身上只穿一條子彈帶的 8 英尺長太空狗。

另外,你完完全全否認有「可能性」這件事。你不是一個會冷靜反思和考慮戰略的人。你會走私違禁品,也會顛覆整個帝國。你是快速拔槍殺人的冒險之士,只要稍有遲疑便會喪命,多猶豫幾下的話還會更慘。

在散兵坑裡沒有機率專家,而且你一生都躲在散兵坑裡。對你來說,繁複的機率算式只是累贅,和某個一直說「我的天啊」及「請容我建議」的神經質金色機器人一樣是拖油瓶。

我會覺得,我們每一個人的心裡都有一點你的特質。在需要冷靜、細心評估的時候,機率是相當有用的東西,但有時候我們需要一種自信,是頑強的量化數據給不了的。在需要直覺和行動的時刻,被機率拴住的人可能會畏縮,不敢跳出非跳不可的一大步。在這種時候,我們必須忘掉數據,儘管去飛。

註解:

  1. 譯注:《星際大戰》中的宇宙飛船,用於走私業務,影史上最著名的太空船之一。

——本文摘自《塗鴉學數學:以三角形打造城市、用骰子來理解經濟危機、玩井字遊戲學策略思考,24堂建構邏輯思維、貫通幾何學、破解機率陷阱、弄懂統計奧妙的數學課》,2020 年 5 月,臉譜出版

臉譜出版_96
64 篇文章 ・ 244 位粉絲
臉譜出版有著多種樣貌—商業。文學。人文。科普。藝術。生活。希望每個人都能找到他要的書,每本書都能找到讀它的人,讀書可以僅是一種樂趣,甚或一個最尋常的生活習慣。

1

0
0

文字

分享

1
0
0
接地氣與媒體真相的距離,民粹為何在社群媒體大受歡迎?——《向下扎根!德國教育的公民思辨課7》
麥田出版_96
・2019/12/28 ・2908字 ・閱讀時間約 6 分鐘 ・SR值 546 ・八年級

國小高年級科普文,素養閱讀就從今天就開始!!

  • 作者/曼佛雷德.泰森;譯者/王榮輝

民粹主義者與謊言媒體──誰在罵誰?

某些政治人物指責記者,說他們是「謊言媒體」。記者們則反過來罵這些政治人物,說他們是厚顏無恥地散播假新聞的「民粹主義者」。這些唇槍舌劍的背後究竟隱藏了些什麼?

政治人物指責記者是「謊言媒體」其實已有兩百多年的歷史。在納粹黨人掌權期間(1933-1945),這種說法也曾非常流行。當時他們聲稱,在「謊言媒體」的背後隱藏了猶太人的陰謀,而猶太人則是透過媒體來操弄社會大眾。在第二次世界大戰結束後,這個詞彙也幾乎為人所遺忘。

德國德勒斯登街頭上大約有 15000-25000 人左右參與 PEGIDA 遊行。圖/wikimedia

直到 2014 年,伴隨著「愛國歐洲人反對西方伊斯蘭化」(Patriotische Europäer gegen die Islamisierung des Abendlandes,簡稱 PEGIDA)的示威運動,這個詞彙才重新在德勒斯登(Dresden)流行起來。示威者將公共廣播電視機構與許多日報等獨立新聞媒體稱為「謊言媒體」。他們責難說,這些媒體只報導總理安格拉・梅克爾(Angela Merkel)和政府所喜歡的內容。

如今那些指責「謊言媒體」的政治人物與民眾往往會抱怨,他們的論點在新聞媒體中沒有獲得充分的尊重,自己完全被邊緣化。「愛國歐洲人反對西方伊斯蘭化」的示威者與「德國另類選擇」的黨員也經常強調這一點。他們視自己為受害者,認為自己是未被聽見的人民心聲。

到底什麼人是民粹主義者?

民粹主義(populism)一詞源自拉丁文的「populus」,意即「人民」。

民粹主義者多半會將複雜的議題給簡化。他們並不關心真實,只想說些民眾愛聽的話,在複雜的問題上為民眾提供盡可能簡單的解答。民粹主義者特別喜歡去強化民眾對於某些事情既有的恐懼,他們同時還會為這種恐懼找個罪魁禍首。「那些高高在上的人」往往是罪魁禍首的人選之一。

在民粹主義者眼中,也就是那些「在系統中」攀上權力頂峰的人。民粹主義者往往會把自己描述成接地氣、誠實、值得信賴。他們總是會說,自己永遠不會像「那些人」一樣。「那樣的人」十分傲慢,再也不能代表人民的意志。

在國際政壇上,美國總統川普被認為是民粹主義者。圖/GIPHY

近年來,被稱為民粹主義者的,主要都是在政治光譜上偏向右翼的政治人物;從前人們也會以民粹主義來指責左派的政治人物。在國際政壇上,諸如美國總統川普、法國極右派政黨「國民聯盟」(Rassemblement national,簡稱 RN)的黨主席瑪琳・勒朋(Marine Le Pen)和土耳其總統艾爾多安,都被認為是民粹主義者。

一旦民粹主義者取得了權力,他們就不再去罵「那些高高在上的人」,因為他們自己就是其中之一。這時他們會視自己為人民的代表。舉例來說,在 2017 年的選戰中,瑪琳・勒朋就曾以「以人民之名」(Au nom du Peuple)做為競選口號。「德國另類選擇」的政治人物也喜歡聲稱,他們了解並且代表人民的想法。土耳其總統艾爾多安也是箇中翹楚,他總是喜歡把「他的人民」掛在嘴邊。

雖然民粹主義者號稱親近人民,但身為記者的人卻是希望親近真相。他們想要挖掘、拼湊事實,把事實揭露給民眾——縱使所呈現出的真相或許並不是人人所樂見。

民粹主義者與記者有著不同的目的,所以他們之間經常存在著爭執。一方指責另一方在製造假新聞。

為何 Twitter 如此受民粹主義者歡迎?

Twitter 這種微博服務讓帳號所有者能在一則所謂的「推文」中,傳播一篇最多 280 個字符的文本(text)。可是,這對民粹主義者有什麼吸引力呢?

民粹主義政治人物喜歡直接訴諸群眾。藉由這樣的方式,他們可以在不被記者質問下,將自己的意見和想法傳遞給民眾。透過 Twitter 特別容易這麼操作。另一方面,他們也常指責記者散布假新聞,藉此撼動民眾對於新聞媒體的信任。於是 Twitter 愈來愈被人們視作更為可靠的消息來源。

民粹主義者喜歡強化對立,不讓人們有妥協的餘地。這種手法稱為極化。德國國會議員碧翠斯・馮・施托希。圖/wikimedia

德國民粹主義者,像是「德國另類選擇」所屬的國會議員碧翠斯・馮・施托希(Beatrix von Storch),還會利用 Twitter 來極化1社會。舉例來說,2017 年 8 月,針對敘利亞人的家庭團聚的討論,施托希就曾以#敘利亞人#家庭團聚#德國另類選擇#相信你德國等標題推文表示:「唱我們的國歌。用我們的顏色自我裝飾。並且摧毀所有的這一切。」她指責敘利亞難民無理地入侵了德國的傳統,甚至於稀釋或玷污了德國的傳統。

某些讀者可能會贊同施托希的看法。相反地,另一些讀者則或許會對這種一竿子打翻一船人的做法感到不滿。而這正是民粹主義者所要的:社會分歧。對抗這類極右派的煽動,最好的方法就是用事實去反駁斷言,而非隨之起舞。

為何民粹主義者否認氣候變遷?

如果你跟一個民粹主義者談到氣候變遷,他會非常高興。因為討論氣候變遷是由於自然因素或人為因素所造成,將會為他提供贏得選民支持所需的一切。

氣候專家認為人類必須為當前的全球暖化負起主要責任。他們指出,其中一個原因就是人為排放大量的二氧化碳。為了避免氣候變遷的情況進一步惡化,未來人們必須設法降低二氧化碳的排放2。然而,這麼做不僅必須付出高昂的代價,我們的生活也得做出相應改變。當有些人聲稱氣候變遷其實是一種自然現象,可想見這會讓人鬆一口氣。

因為如此一來,當我們搭乘飛機去度假,當燃料污染環境,或者當我們在寒冬裡一邊開著窗戶、一邊又將房裡的暖氣調到 35 度,我們也不用感到良心不安。雖然眼下幾乎沒有任何聲譽卓著的科學家否認人類對於氣候變遷的影響,可是民粹主義者並不在乎事實,他們所著重的是情緒。

溫室氣體二氧化碳(CO2)是造成氣候變遷的部分原因。像是汽車所排出的廢氣,同樣也會製造碳排放。依照人口平均計算,美國、加拿大和澳大利亞的人均溫室氣體排放量大約是歐洲的 3 倍,中國的 8 倍。圖/Pexel

在 2017、2018 年的冬天,當美國東北部的氣溫降到零下 30 度,街上的無家可歸者慘遭凍死,美國總統川普竟在 Twitter 上寫道:「在東部,這可能成為有史以來最寒冷的除夕。或許我們可以稍微利用一下從前那種好的全球暖化;(過去為了防止這種情況),我們的國家可能花了幾十億美元的冤枉錢。」

這樣的陳述不僅挑釁意味濃厚,而且極不人道,其隻字未提那些被凍死的遊民。不過民粹主義者根本不管這些,因為挑釁就是他們策略的一部分。

註解:

  1. 民粹主義者喜歡強化對立,不讓人們有妥協的餘地。這種手法稱為極化。
  2. 溫室氣體二氧化碳(CO2)是造成氣候變遷的部分原因。像是汽車所排出的廢氣,同樣也會製造碳排放。依照人口平均計算,美國、加拿大和澳大利亞的人均溫室氣體排放量大約是歐洲的 3 倍,中國的 8 倍。

——本文摘自《向下扎根!德國教育的公民思辨課7-「過濾氣泡、假新聞與說謊媒體──我們如何避免被操弄?」》,2019 年 10月,麥田出版

 

所有討論 1
麥田出版_96
18 篇文章 ・ 13 位粉絲
1992,麥田裡播下了種籽…… 耕耘多年,麥田在摸索中成長,然後努力使自己成為一個以人文精神為主軸的出版體。從第一本文學小說到人文、歷史、軍事、生活。麥田繼續生存、繼續成長,希圖得到眾多讀者對麥田出版的堅持認同,並成為讀者閱讀生活裡的一個重要部分。