「根據民意調查結果，39%的人認為…」、「調查發現，休息時間越久勞工，死亡率越高…」在充滿不確定性現代生活裡，數字往往被賦予權威面具，但這些論述可成為「真理」嗎？或在真理背後，還有哪些迷霧等待撥開？統計學這項理性導航工具，如何為多變生活找到規律，幫助人做出更明智思維抉擇？
2008年雷曼兄弟倒閉引發全球金融海嘯，多數人將矛頭指向次級房貸與衍生性金融商品氾濫 。然而，多數人不知道，從統計學者眼中看，這場災難本質，其實是一場華爾街金童對「歷史數據模型」的過度自信。
當時華爾街廣泛採用「風險值模型（VAR）」來控管不確定性，政治大學統計學系教授陳立榜指出，這套模型在金融領域中，主要是由歷史訊息去建構背後數學模型結構，進而對未來進行風險預判 。然而，在2008年金融海嘯前，美股市場走了長達5年牛市，歷史未必能完美預測未來，當年華爾街金童們在建模時，並未將次貸危機等潛在因子納入考量。
陳立榜表示：「他們可能在對未來做預判時過度自信了，或可能沒把潛在因子納入。」這種對歷史常態的盲目依賴，導致微小的機率最終失控，演變成吞噬全球的黑天鵝事件。
保險本質：規避無法承受的「變異數」
既然模型有盲點，我們該如何防範生命中那不可預期的「1%」風險？答案往往是「買保險」。不過，市面上從癌症險、寵物險、壽險甚至到印表機延長保固，究竟哪些保險才值得買？
陳立榜從統計學角度看，他認為保險核心價值不在「還本」，而在風險轉移 。陳立榜說明：「保險最終目的，用來規避你可能無法承受的一些可能性。」例如：癌症，雖然發生機率極低，但一旦發生卻會伴隨龐大醫療開銷與財產消耗 。相較之下，印表機壞掉的修復成本，一般人在日常資產中多能輕鬆負擔，因此幫印表機買保固，從統計學來看，多半只是把錢平白送給廠商。
此外，精算人員在計算意外險保費時，常因性別差異而有不同定價，這也引發歐盟地區是否構成歧視的論戰。陳立榜指出，從純統計數據角度理性分析，男性與女性在特定疾病（如肺癌、乳癌）或駕駛行為的意外機率上，確實存在顯著統計差異。他直言，將性別因子納入考量並非歧視，反倒若不考量兩者差異，對另一方恐怕不公平。換句話說，齊頭式平等反而可能違背精算基本客觀性。
休息越久死亡率越高？相關性非因果性！
除了民調，現代人也常在各式報告中接觸「迴歸分析」。陳立榜解釋，迴歸分析本質是探討兩個變數間的「線性關係結構」，透過歷史資料繪製出散布圖，並找出背後一條斜線，進而預測新樣本未來走向。
然而，這也是大眾最易產生數據迷思——誤將「相關性」當成「因果關係」。在《把統計學剝光光》一書中，作者查爾斯．惠倫（Charles Wheelan）曾舉例一項調查盲點：「休息時間越長勞工、死亡率越高」，乍看以為有因果關係，但仔細撥開其中迷霧，就會發現：「那是因休息時間…他跑去抽煙了，以致可能有較高死亡率。」陳立榜提醒，如果缺乏嚴謹實驗設計，盲目解讀數據，就會得出錯誤的推論。
陳立榜坦言，這也是統計學最讓人著迷處。相較黑白分明的數學，統計學更像是一門與生活不確定性對話的藝術。它不是純粹的應用數學，不是走進便利超商計算商品價格，或計算物體角度。但學會統計思維，就能在雜亂無章的數據洪流中，嘗試把不確定性變得比較確定，更理性思考、避開盲點，從而安穩地導航生活。更多精彩內容歡迎收聽本集Podcast節目《Today來讀冊》＞＞https://bty.pse.is/969c9l
更多精彩內容歡迎參考《把統計學剝光光》
