Zkreslení přežitím🔗

Pole	Hodnota
Identifikátor	AF-05.05
Katalog	Argumentační fauly
Rodina	Statistické a pravděpodobnostní klamy
Druh	neformální klam
Anglicky	Survivorship bias
Jiné názvy	klam přeživších, chyba přeživšího
Obecnější heslo	Zkreslený výběr
Užití	chyba i taktika
Riziko zneužití	vysoké
Stav textu	text čeká na odbornou recenzi

Definice🔗

Zkreslení přežitím je chyba úsudku, při níž člověk vyvozuje obecný závěr ze souboru, který obsahuje jen případy, jež prošly nějakým sítem, a přehlíží případy, které sítem neprošly a proto nejsou vidět. Síto může být úspěch, trvání, viditelnost nebo ochota odpovídat. Kdo zkoumá jen firmy, které přežily, jen absolventy, kteří uspěli, jen stavby, které stojí sto let, nebo jen pacienty, kteří se vrátili na kontrolu, vidí soubor, jehož složení bylo předem určeno výsledkem. Z takového souboru pak vyvozuje příčiny výsledku. Klam je zvláštní podobou zkresleného výběru: vzorek není reprezentativní proto, že ho vytvořil proces, o jehož účinku se usuzuje. Gilovich ukazuje, že lidé jen výjimečně myslí na data, která chybějí, a že úsudek z neúplných dat je jedním z hlavních zdrojů mylných přesvědčení v běžném životě (Gilovich 1991).

Klam je chybou i taktikou. Spontánně vzniká proto, že neúspěšné případy jsou neviditelné (Gilovich 1991). Záměrně se uplatňuje v marketingu, v náboru do skupin a v prodeji kurzů, kde se předvádějí ti, kterým se dařilo, a ostatní se nezmiňují.

Původ a souvislosti🔗

Nejčastěji vyprávěným příkladem je práce statistika Abrahama Walda za druhé světové války, který se zabýval tím, jak posílit pancéřování bombardérů podle poškození, které vykazovala letadla vracející se z misí. Podstatou jeho úvahy bylo, že soubor vrácených letadel neobsahuje ta, která byla zasažena na nejzranitelnějších místech, protože se nevrátila. Místa bez zásahů na vrácených letadlech proto mohou být právě ta, kde zásah znamenal ztrátu. Populární podání příběh zjednodušuje a Waldova skutečná práce byla matematicky složitější, ale jádro úvahy je přesné: chybějící data jsou součástí dat. Intuitivní úsudek k nim sám nesměřuje; Kahneman tento sklon shrnuje zkratkou „co vidíš, je vše, co existuje“, protože rychlé myšlení staví příběh jen z informací, které má před sebou (Kahneman 2011).

V literatuře o zavádějící statistice popisuje Huff obecnější problém vzorku se zabudovaným zkreslením. Jedním z jeho příkladů je průzkum příjmů absolventů jedné univerzity, který pracoval jen s odpověďmi těch, kdo se ozvali; ozvali se především ti, kterým se dařilo a kteří byli k nalezení, takže průměr vypovídal víc o tom, kdo odpověděl, než o absolventech (Huff 1954). Kahneman rozebírá podobnou chybu v hodnocení firem: knihy, které hledají společné rysy úspěšných podniků, vybírají podniky podle výsledku a pak výsledek vysvětlují jejich rysy, aniž by ověřily, kolik podniků se stejnými rysy neuspělo. Pozdější výsledky vybraných firem se navíc často vrací k průměru, což ukazuje, jak velký podíl na původním úspěchu mělo štěstí (Kahneman 2011).

Struktura argumentu🔗

Argument má tuto stavbu. První premisa popisuje soubor případů, které mají výsledek V: úspěšné podnikatele, dlouho stojící stavby, vyléčené pacienty. Druhá premisa uvádí, že tyto případy mají společný rys R: absolvovali určitý kurz, byly postaveny starou technikou, užívali určitý přípravek. Závěr tvrdí, že R vede k V. Chybí v něm údaj, jak časté je R u případů, které V nemají, a kolik případů s R skončilo bez V (Gilovich 1991). Protože soubor byl vybrán podle V, nelze z něj rozhodnout, zda R s V souvisí. Kdyby všichni úspěšní podnikatelé nosili brýle, nevyplývalo by z toho nic, dokud nevíme, kolik neúspěšných podnikatelů nosí brýle také.

Zvláštní podobou je argument z trvání: „vydrželo to staletí, tedy je to dobré“. Staré stavby, tradiční postupy nebo dlouho fungující instituce jsou výběrem těch, které přežily; ty, které selhaly, zmizely a nejsou k vidění. Trvání proto samo o sobě nedokládá kvalitu, i když s ní může souviset. Učebnice neformální logiky řadí obdobné úvahy mezi argumenty z nereprezentativních dat, protože závěr o celku se opírá o část, která byla vybrána způsobem souvisejícím se závěrem (Damer 2009).

Detekční znaky🔗

Prvním znakem je soubor vybraný podle výsledku: příběhy úspěchu, svědectví spokojených klientů, galerie absolventů, seznam firem, které „to dokázaly“. Druhým znakem je chybějící jmenovatel. Mluvčí uvádí, kolik lidí uspělo, ale ne kolik to zkoušelo; kolik pacientů se uzdravilo, ale ne kolik jich léčbu přerušilo; právě případy, které hledaný výsledek nemají, lidé při posuzování souvislostí soustavně přehlížejí (Gilovich 1991). Třetím znakem je otázka, kterou nelze zodpovědět, protože data neexistují: kde jsou ti, kdo neuspěli? Pokud na ni mluvčí odpovídá, že „to nedělali správně“, přesouvá neúspěšné případy mimo soubor a činí tvrzení nevyvratitelným. Čtvrtým znakem je argument z dlouhověkosti, v němž trvání nahrazuje srovnání. Pátým znakem je prostředí, kde neúspěch odchází tiše: firmy zanikají, studenti odcházejí, členové skupin mizí a nikdo je nepočítá.

V oblasti, které se kompendium věnuje, je klam typickým prvkem náboru do uzavřených skupin a do nákladných programů osobního rozvoje. Předvádění vybraných úspěšných členů na velkých seminářích a zamlčování těch, kteří odešli zklamaní nebo zadlužení, vytváří obraz, který neodpovídá skutečné úspěšnosti. Gilovich upozorňuje, že druhotné informace, které se k nám dostávají přes vyprávění, jsou cestou zjednodušovány a zveličovány, takže k nám dorazí hlavně nápadné případy (Gilovich 1991).

Odlišení od platné argumentace🔗

Ne každý závěr ze souboru úspěšných případů je klamem. Studium přeživších je legitimní, pokud se ptá na to, co přeživší mají, a ne na to, proč přežili, nebo pokud se doplní srovnáním s neúspěšnými případy. Lékař, který popisuje průběh nemoci u pacientů, kteří přežili, a výslovně uvádí, že o zemřelých tento popis nic neříká, neuvažuje chybně. Ekonom, který do souboru zahrne i zaniklé firmy, se klamu vyhnul. Platná je také úvaha, podle níž dlouhé trvání zvyšuje pravděpodobnost kvality, pokud je známo, jaké síto na případy působilo a že souvisí právě s kvalitou; tradiční postup, který přežil srovnání s alternativami, má jiný doklad než postup, který přežil jen proto, že ho nikdo nezkoumal. Klamem se úvaha stává, když soubor vybraný podle výsledku slouží jako doklad příčiny výsledku (Kahneman 2011).

Stav poznání🔗

Zkreslení přežitím je dobře popsaný metodologický problém, který statistika a epidemiologie řeší pod obecnějšími hlavičkami výběrového zkreslení a ztrát v průběhu sledování. Psychologický výzkum ukazuje, proč je pro lidi tak obtížné ho vidět: úsudek pracuje s tím, co je k dispozici, a chybějící případy nevyvolávají žádný signál, že chybějí (Gilovich 1991). Kahneman tento rys shrnuje jako sklon zacházet s tím, co vidíme, jako by to byla celá skutečnost, a uvádí ho jako jednu z příčin nadměrné sebedůvěry v úsudcích o úspěchu a jeho příčinách (Kahneman 2011). Literatura o zavádějící statistice dokládá, že vzorky se zabudovaným zkreslením se v médiích a reklamě objevují běžně a že jejich výsledky se prezentují, jako by šlo o reprezentativní údaje (Huff 1954). Pro oblast vědy je klam příbuzný problému nepublikovaných výsledků: pokud se publikují převážně studie, které nalezly účinek, je soubor publikovaných studií výběrem „přeživších“ a přeceňuje skutečný účinek.

Obrana a odpověď🔗

Základní obranou je hledat chybějící případy. Na příběh úspěchu je užitečné odpovědět otázkou, kolik lidí nebo firem začínalo, kolik z nich skončilo a jak se jim vedlo. Druhou obranou je srovnání: mají rys, který se úspěchu připisuje, i ti, kdo neuspěli? Bez této informace nelze rozhodnout, zda rys s úspěchem vůbec souvisí. Třetí obranou je otázka po sítu: jakým procesem se případy dostaly do souboru, který vidíme, a mohl tento proces souviset s výsledkem? Kdo zná síto, zná i směr zkreslení (Huff 1954).

U prodeje kurzů, terapií a programů je obranou požadavek na úplná data: kolik účastníků program dokončilo, kolik ho přerušilo a jaké byly výsledky u obou skupin. Organizace, které taková data nemají nebo je odmítají poskytnout, opírají svou nabídku o vybrané případy. Kahneman doporučuje u každého poučení z úspěchu zvážit, kolik z něj mohlo být štěstím, a zda by se stejné rysy nenašly i u těch, kdo neuspěli (Kahneman 2011). V klinické a poradenské praxi je klam důležitý i pro samotné odborníky: pacienti, kteří se nevracejí, mohou být ti, kterým léčba nepomohla, a zkušenost terapeuta se tak může posouvat k příznivějšímu obrazu, než jaký odpovídá skutečnosti. Pravidelné sledování všech případů, nejen těch, kteří se ozvou, je proto nejlepší ochranou i pro odborníka.

Literatura🔗

• Damer, T. E. (2009). Attacking Faulty Reasoning: A Practical Guide to Fallacy-Free Arguments (6. vyd.). Belmont: Wadsworth.
• Gilovich, T. (1991). How We Know What Isn't So: The Fallibility of Human Reason in Everyday Life. New York: Free Press.
• Huff, D. (1954). How to Lie with Statistics. New York: W. W. Norton.
• Kahneman, D. (2011). Thinking, Fast and Slow. New York: Farrar, Straus and Giroux.

Související🔗

Rodina a hierarchie

• Statistické a pravděpodobnostní klamy – rodina, do níž heslo patří, s přehledem všech jejích hesel
• Zkreslený výběr – obecnější heslo, jehož je toto heslo zvláštním případem

Příbuzná hesla

• Ukvapené zobecnění – příbuzné heslo (Klamy předpokladu, Hasty generalisation)
• Výběr třešniček – příbuzné heslo (Klamy předpokladu, Cherry picking)
• Zamlčení důkazů – příbuzné heslo (Klamy předpokladu, Suppressed evidence)
• Zkreslený výběr – příbuzné heslo (Statistické a pravděpodobnostní klamy, Sampling bias)
• Odvolání na anekdotu – příbuzné heslo (Klamy hodnot, přírody a vědy, Anecdotal fallacy)
• Velké motivační semináře – příbuzné heslo (NLP vzorce: Vliv a zneužití NLP, Large-group seminars)

V kompendiu

• 2.4 Metodologické poznámky k taxonomii – stránka knihy, na které se toto heslo projevuje nebo s ní souvisí
• Kognitivní biasy – stránka knihy, na které se toto heslo projevuje nebo s ní souvisí
• EA-2.1.9 Vytváření pseudokonsenzu – stránka knihy, na které se toto heslo projevuje nebo s ní souvisí

V katalogu

• Horká ruka – předchozí heslo rodiny
• Zkreslený výběr – další heslo rodiny