生活中的会计学04-2.3 真实的数字也会说谎

统计数据会说谎读书笔记摘要：一、引言1.统计数据在日常生活中的重要性2.统计数据可能存在误导性二、统计数据的说谎方式1.数据选取偏差2.数据处理方式不当3.数据展示方式不合理三、如何识别和避免统计数据说谎1.了解数据来源和背景2.分析数据采集方法和过程3.对比不同来源的数据4.掌握统计学基本知识四、实际案例分析1.政治领域的数据谎言2.商业广告中的数据误导3.媒体传播中的数据失实五、结论1.统计数据的价值和局限性2.提高数据素养的重要性正文：在我们的日常生活中，统计数据无处不在，它帮助我们了解社会现象、分析经济趋势、评估政策效果等。

然而，统计数据也可能存在误导性，让我们走进“统计数据会说谎”的世界，了解其中的奥秘。

一、引言随着大数据时代的到来，统计数据已经成为决策的重要依据。

然而，统计数据并非绝对真实，它在传播和应用过程中可能会因为各种原因失去原本的意义。

这就要求我们在分析和使用统计数据时，要保持警惕，以免被误导。

二、统计数据的说谎方式1.数据选取偏差：数据选取偏差是指在收集数据过程中，对数据样本的选取存在主观故意或无意疏忽，导致数据不能真实反映整体情况。

例如，在调查某产品满意度时，只选取特定人群作为样本，使得结果偏离实际。

2.数据处理方式不当：数据处理包括收集、整理、分析等环节。

在这些环节中，处理方法的选择和应用可能影响数据的准确性。

例如，在平均数计算中，采用不同的数据分布方法，得到的结果会有很大差异。

3.数据展示方式不合理：数据展示是将数据分析结果以图表、文字等形式呈现给观众。

展示方式不合理，容易让读者误解数据含义。

例如，将柱状图高度比例放大，使得数据差异显得更为明显，误导观众。

三、如何识别和避免统计数据说谎1.了解数据来源和背景：在接触统计数据时，首先要关注数据的来源和背景，了解数据产生的过程，判断数据的可靠性。

2.分析数据采集方法和过程：对数据的采集方法、样本选取、调查问卷等进行分析，判断数据是否具有代表性。

会计信息失真的经济学剖析与治理一、引言会计信息的真实性和准确性对企业决策和风险评估有着至关重要的作用。

但是，由于一系列原因，会计信息可能会失真，导致企业的经营策略出现偏差甚至蒙受重大损失。

本文将从经济学的角度出发，探讨会计信息失真的原因以及相应的治理措施。

二、会计信息失真的原因1. 利益驱动公司管理层和股东或投资者之间存在着利益冲突，管理层往往会通过突出业绩或掩盖风险等手段进行利益最大化。

这时就会出现盈余管理等形式的会计信息失真行为。

例如，通过调节收入和费用的时点、数额和确认方法等方式，来对财务报表进行操作，达到合规躲避风险或者虚增利润等目的。

2. 知识局限性公司财务人员和会计师的知识水平和经验可能不足以应对复杂的会计核算，这导致会计信息错误或者失真。

特别是在面对异地多级营收或很多工厂情况下，中心财务会有更大的知识局限性。

3. 法律规定过于模糊法律和会计准则中的许多条款并不够明确，这使得企业的管治和规范存在一定的漏洞，零星利益不分彼此时，很多企业缺乏共享价值和合规。

4. 监管不力政府部门监管的力度不足导致了一系列非法行为的发生。

财务会计部门很多时候也缺乏独立性，只是公司一分子，常常忽略了与认证师、法律和监管部门的周新，从而失去了各个方面的监督防范。

三、会计信息失真的治理措施1. 确保会计师和财务人员素质公司应该注重人才引进和人员培训，建立和完善人员管理制度。

通过提高内部审计检查的频率，并鼓励政府机构进行频繁的跟踪和验证，以保证会计信息的盈透性。

2. 制定有效的法律法规政府部门需要改进监管手段，完善法律法规，提高对企业的监管效力，惩罚那些故意制造会计信息失真和欺诈的公司，将打压出来的黑心企业公开化，以宣扬正义。

3. 推进信息技术随着信息技术的发展，更多的企业在会计信息的获取和处理上受益，例如提高ERP系统管理水平，整合分散数据，制定结合实际的会计估计方法、加强会计信息的自动化处理等。

这使得会计信息的获取和加工变得简单、高效和准确。

会计的真实认识：矫正人性偏差还是改进技术规则什么是真实？与客观一致。

在会计中，真实就是会计反映了它意在反映的对象。

真实性，在会计中成了地位很高的原则。

但如果真实性满足于其的意义和境界，会计就无法生产出令信息使用者满意的东西。

（一想到原则的这种模糊性，我现在就可以宣告会计准则原则导向的未来失败。

）会计还必须约定：在什么样的条件下，我们可以相信会计反映与其意在反映的对象一致。

会计通过创造具体的规则来完成这种约定。

至于为什么要约定这样的具体规则，而不约定那样的具体规则，就只能寻求经验、个人信仰、共同信仰等诸如此类的解释了。

宗教信仰者相信这些规则源于上帝之类的“神”的启示，而上帝是至高无上的，不允许继续质疑。

科学则坚持这些规则是事实或经验了的，而事实或经验要么本身在等待人类认识，要么不过是人类的另一次体验。

科学除了比宗教“心胸宽广”之外，没有更多吸引信徒的迷人之处。

总之，如何真实达到认识的对象，目前还没有一致意见。

甚至科学方法论也还处在争执和相互批评的进程中。

为了发现客观对象的秘密，无数学者被思虑的苦“折磨”得形瘦身单，当然另一些研究者获得了“奖章”之类的荣耀。

而客观对象却生活在我们的周围，“挑逗着我们的现实生活”。

我们需要规则、方法来正视它们的存在。

譬如，会计就不能等待会计理论的真理之梦实现，它现在就必须对着资本发表常规或非常规的“数据化”。

科学方法论告诉我们，如果还没有出现能够预言更多经验事实的理论，那么我们应该相信现在的研究纲领（范式）是科学的。

在本文的后续分析中，总体上是以现在的会计理论研究纲领为参照。

也就是说除非我们对现行会计理论的技术规则提出了质疑，否则我们相信这些规则是经历了检验，并可以使会计认识接近会计对象的。

考察会计的真实性，我们就会发现，现代会计理论和实务都有跌进“会计造假”这样一个陷阱的危险——这个陷阱实质是会计主体（本文的会计主体在会计人员的意义上使用，在会计假设层面我们使用“会计个体”这样的用语。

是否拥有了更对哪些医务职务的尊敬， 医生就能比其他人掌握更多关于香烟品牌的 资料？是否自身的知识能够促使他们选择危 害性最小的品牌？当然不是，也许你的一生 第一个就会反驳这种观点，但“27%”又仿 佛暗示着能解释一些问题。
相关关系与因果关系
如果B紧跟A出现，那么A一定导致B。这一古老的 谬误然而它仍频繁的出现在统计资料中，并被大量让人印 象深刻的数据所伪装。这在很多人脑海中已根深蒂固，所 以导致很多人陷入陷阱中 。 哈夫先生举了如下的例子：六月是自杀率最高的月 份。那么，是否自杀导致了六月的婚礼—抑或六月的婚 礼促成了被抛弃者的自杀？一个更合理的解释是（同样 未经证实）：整整一个冬季，某人抚慰自己沮丧的心情， 并满怀希望春天一切会重新开始。可是到了六月，他仍 没能从低落中解脱出来，于是用自杀表示放弃。
是比较聪明的孩子，彼得是个笨孩子。
对待智力测验以及许多其他类似的抽样结果应注意
它的范围。正常的智商不应该只是100这样一个数值，而 应是诸如90～110的一个范围。将处于这个范围的孩子与 低于或高于此范围的孩子进行比较时会得出一些有用的 结论。但比较相差不大的两个数据则毫无意义。结论： ◆我们可以定量地衡量你的样本能以多大的精度代表总体， 那就是：可能误差和标准误差。 ◆在所有抽样研究中都有误差，忽略这些误差将导致一些
谁说的？即究竟是谁的出的结论。当某个权威人士被引用时，要弄清 楚到底资料的内容是权威的，还是仅仅与权威人士沾边，有些时候数据 是来自权威人士，然而结论却是作者自己得出的。 • 他是如何知道的？即他到底是通过什么渠道得到的，所选样本是否有 偏，样本容量是否足够大，所取样本又是否具有代表性。 • 遗漏了什么？即样本包含多少案例、平均数有没有标明类型、数据有 没有对照组、数据是否够清晰、对照组是否具有对照性。 • 是否有人偷换了概念？即将甲说成乙。 • 这个资料有意义吗？即当所接触的资料是建立在未经证实的基础上， 那么这个 资料毫无意义。