> ## Documentation Index
> Fetch the complete documentation index at: https://meta.niceshare.site/llms.txt
> Use this file to discover all available pages before exploring further.

# 摘櫻桃謬誤

> 摘櫻桃謬誤是只挑有利證據、忽略關鍵反證的推理錯誤。了解其起源、識別方法與適用邊界。

<Info>
  **類別**: 謬誤<br />
  **類型**: 因果與歸納謬誤<br />
  **來源**: 科學方法與法律論證中的「整體證據」原則<br />
  **別名**: 選擇性取證
</Info>

<Note>
  **快速回答** — **摘櫻桃謬誤**（Cherry Picking）是透過只展示支持性材料、隱藏反向證據來製造錯誤結論的推理偏差。實務上最有效的防線是：先定義完整證據集合，再用同一標準評估支持與反對資訊。
</Note>

## 什麼是摘櫻桃謬誤？

**摘櫻桃謬誤**（Cherry Picking）指從整體證據中挑出「看起來有利」的子集，並把它偽裝成全貌。

> 如果樣本是在看到結果後才被挑選出來的，結論可信度應立刻下調。

它常見於媒體敘事、團隊看板、政策爭論與個人判斷，因為「可見片段」很容易被誤認為「真實全體」。

### 摘櫻桃謬誤的三層理解

* **入門**：留意是否只展示成功案例、最佳區間或短時間視窗。
* **實踐**：追問「排除了什麼、為何排除、排除規則是否事前確定」。
* **進階**：把選擇機制、基準率與發表偏差放在同一框架審查，把「缺失證據」也當成證據。

## 起源

該概念在經典邏輯中已存在，現代語境由統計學、循證醫學與可重現性運動共同強化。科學共同體與法律實務長期強調：主張應接受「整體證據」檢驗，而非「有利片段」檢驗。

研究報告規範與系統綜述方法的發展，本質上都在降低選擇性報告與事後敘事拼接。

## 核心要點

摘櫻桃不只是某張圖表有問題，而是整個證據流程被偏置。

<Steps>
  <Step title="選擇規則必須前置">
    如果納入標準在看到結果後才寫，就可能被反向調參以服務既定結論。
  </Step>

  <Step title="反證是診斷資訊，不是噪音">
    與結論相反的資料常用來揭示邊界條件，而非簡單作廢結論。
  </Step>

  <Step title="時間視窗可被用來造趨勢">
    有策略地挑選起訖時間，能人為製造成長或下滑敘事。
  </Step>

  <Step title="透明度勝過話術">
    明確展示樣本範圍與剔除邏輯，能顯著提升決策品質與信任。
  </Step>
</Steps>

## 應用場景

當證據品質決定高成本決策時，可優先落地以下做法。

<CardGroup cols={2}>
  <Card title="產品分析">
    在排優先級前，同步呈現核心指標與被省略分群。
  </Card>

  <Card title="公共傳播">
    公布完整分母與不確定區間，而不只給戲劇化個案。
  </Card>

  <Card title="招聘與績效評估">
    覆蓋完整週期資料，避免只看峰值月份或極端事件。
  </Card>

  <Card title="個人學習復盤">
    同步記錄失敗嘗試與放棄路徑，而不是只記成功案例。
  </Card>
</CardGroup>

## 經典案例

一個典型案例是圍繞 1998 年《The Lancet》Wakefield 論文形成的「疫苗與自閉症」誤導敘事。該主張放大了極小且不具代表性的樣本，而後續大型流行病學研究並未發現 MMR 疫苗與自閉症存在因果關聯。英國部分地區在 2000 年代早期的 MMR 接種率曾由 90% 以上降至約 80%，其後出現麻疹反彈。這說明選擇性證據足以先改變公眾行為，再被完整證據修正。

## 邊界與失效場景

並非所有篩選都構成謬誤。只要標準事前定義、方法上可辯護、執行上一致，聚焦分析是合理的。

當標準隨結果變動、反證被隱藏、或只傳播情緒上「順手」的樣本時，摘櫻桃風險顯著上升。

## 常見誤區

準確識別要區分「必要聚焦」與「操控性省略」。

<AccordionGroup>
  <Accordion title="任何摘要都是摘櫻桃">
    不是。只要範圍與排除規則清晰、可複核，摘要可以是高品質表達。
  </Accordion>

  <Accordion title="只有壞動機才會出現">
    不是。認知舒適區與時間壓力也會讓人無意間做出選擇性取證。
  </Accordion>

  <Accordion title="資料越多就一定解決">
    不一定。若篩選與呈現邏輯不透明，再多資料也可能被誤導使用。
  </Accordion>
</AccordionGroup>

## 相關概念

與下列頁面聯讀，可更好區分「證據問題」與「解釋問題」。

<CardGroup cols={3}>
  <Card title="德州神槍手謬誤" href="/zh-hant/fallacies/texas-sharpshooter">先看到點，再畫靶心。</Card>
  <Card title="倖存者偏差謬誤" href="/zh-hant/fallacies/survivorship-bias-fallacy">忽略不可見失敗會系統性失真。</Card>
  <Card title="確認偏誤" href="/zh-hant/effects/confirmation-bias">更偏好支持既有立場的資訊。</Card>
</CardGroup>

## 一句話總結

<Tip>
  判斷結論前，先看「整籃證據」，而不是只看被挑出的櫻桃。
</Tip>