> ## 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.

# 幸存者偏差谬误

> 幸存者偏差谬误是指我们只关注成功的例子而忽略失败，从而得出错误结论。了解如何识别这种危险的推理错误。

<Info>
  **类别**: 谬误<br />
  **类型**: 认知谬误<br />
  **来源**: 统计理论，亚伯拉罕·瓦尔德在二战期间的研究<br />
  **别名**: 幸存者偏差、存活偏差
</Info>

<Note>
  **快速回答** — 幸存者偏差谬误是指我们只关注通过了某种选择过程的事物，而忽略那些没有通过的事物——通常是因为它们缺乏可见性。我们看到成功的公司、成功的创业者和成功的投资，但很少看到数以千计具有相同特征却失败的事物。这扭曲了我们对成功真正需要什么的理解。
</Note>

## 什么是幸存者偏差谬误？

经典例子：我们研究成功公司来学习它们的"秘诀"，但我们从不研究采用相同策略却失败的公司。我们阅读成功企业家的传记，但我们从未阅读数以百万计以相同方式创业并失败的人。幸存者与失败者只有在事后看来才不同——在结果已知之前，它们成功的可能性是相同的。

> "失败公司的墓地非常安静。成功故事是嘈杂的，因为幸存者喜欢说话。"

危险在于，幸存者偏差使成功看起来比实际更容易预测和复制。当我们只向赢家学习时，我们会高估自己的机会，低估运气、时机和随机变异的作用。

### 幸存者偏差谬误的三层理解

* **入门级**: 你想开一家餐厅。你研究成功的餐厅，注意到它们都提供好的食物和服务。但你没有研究那些同样拥有好的食物和服务却失败的餐厅——那是大多数。你得出"好的食物和服务保证成功"的结论，这是错误的。

* **实践级**: 投资者阅读有关在1990年代购买科技股并持有渡过互联网泡沫破裂后成功的投资者的故事。"耐心和信念是关键！"但这忽略了数以千计具有相同策略并破产的投资者。幸存者并不更好——他们只是幸运。

* **进阶级**: 甚至学术研究也受到幸存者偏差的影响。已发表的研究显示效果为正，但负面结果往往束之高阁。这使得已发表的文献系统性地高估了真实效应大小，扭曲了我们对什么有效的理解。

## 起源

这个概念由统计学家亚伯拉罕·瓦尔德在二战期间于统计研究组正式确定。美国军方想要为返航飞机加装装甲——但瓦尔德指出他们只研究了幸存下来的飞机。返航飞机上的弹孔显示飞机被击中后仍能生存的位置。关键洞察是装甲应该加在返航飞机上没有弹孔的地方——因为被击中那里的飞机从未返回。

这种反直觉的推理改变了军事工程，并将幸存者偏差确立为一个基本的统计概念。

## 核心要点

<Steps>
  <Step title="不可见的失败扭曲统计">
    我们只能研究我们能观察到的事物。失败的企业、失败的产品、失败的关系——这些往往从视野中消失，只留下成功者可见并可供分析。
  </Step>

  <Step title="成功不一定更优秀">
    幸存者不一定更好——他们可能只是幸运。幸存者的特征可能也存在于我们从未见过的大多数失败者身上。
  </Step>

  <Step title="选择偏差双向存在">
    正如我们忽略失败，我们也忽略那些不够持久而未被注意到的成功。早期的退出、快速的失败和沉默的成功都导致数据不完整。
  </Step>

  <Step title="反事实思考很困难">
    要真正理解幸存者偏差，我们必须想象我们没看到的东西："如果失败者成功了会是什么样子？"这种心理练习很困难，但却是必要的。
  </Step>
</Steps>

## 应用场景

<CardGroup cols={2}>
  <Card title="商业策略">
    在研究成功公司时，总是问："尝试同样事情的公司中哪些失败了？"成功对策略说明的可能比你想象的少。
  </Card>

  <Card title="投资">
    任何投资策略的过去表现都包含幸存者偏差——失败的基金和策略经常关闭并从历史数据中消失。
  </Card>

  <Card title="职业建议">
    "追随你的激情"对谈论它的幸存者有效。但激情 alone 不能保证职业成功——许多有激情的人失败了，而没有激情的人却成功了。
  </Card>

  <Card title="自助和励志">
    成功人士走出舒适区的励志故事到处可见。但你从未听说过那些冒险却失败的人。
  </Card>
</CardGroup>

## 经典案例

1999-2000年的互联网泡沫为投资中的幸存者偏差提供了一个教科书般的例子。泡沫破裂后，媒体关注亚马逊和谷歌等最终生存并最终繁荣的公司。叙事变成了："忽视短期损失的勇敢愿景家最终得到了回报。"

但这忽略了数以千计具有同样勇敢愿景、同样有耐心的投资者和同样有才华的团队却完全失败的公司。WebVan、Pets.com和Kozmo.com等公司拥有最终幸存者的所有"正确"特征——但它们仍然消亡了。幸存者并不更聪明或更好——他们只是碰巧遇到了有利风向，而其他船只却触礁了。

教训：评估任何成功故事时，总是问反事实会是什么样子。如果所有互联网公司都获得同等资助会发生什么？答案揭示了成功有多少是技巧 versus 运气。

## 边界与失效场景

**何时幸存者偏差是有效的**: 有时我们出于必要只能研究幸存者。在历史研究中，失败的文明可能留下较少的文物。在生物学中，只有成功的适应才能生存下来被研究。当我们从仅幸存者数据中得出可推广的结论时，偏差就是一个问题。

**何时幸存者偏差最危险**: 当失败率很高的高风险决策中——创业、投资初创公司、职业转型或任何大多数尝试失败但只有成功者可见的领域——这个谬误最危险。

**常见误用模式**: 使用成功企业家的案例研究来推导一般商业原则。每个成功企业家都有数百个做同样事情的失败对应者——成功故事告诉我们的更多是选择而非因果关系。

## 常见误区

<AccordionGroup>
  <Accordion title="误区：成功揭示什么有效">
    **现实**: 成功揭示什么可以有效，而不是什么将会有效。许多成功策略也被许多失败者使用——我们只看到赢家并得出错误的结论。
  </Accordion>

  <Accordion title="误区：我也可以从失败中学习">
    **现实**: 往往我们不能。失败的企业关门大吉。失败的产品停止生产。失败的实验从未发表。数据根本不存在。
  </Accordion>

  <Accordion title="误区：成功故事有代表性">
    **现实**: 成功故事是最不具代表性的案例——它们是碰巧在随机变异中生存的极端异常值。
  </Accordion>
</AccordionGroup>

## 相关概念

<CardGroup cols={3}>
  <Card title="选择偏差">
    因为被选中分析的数据不是随机的而导致得出错误结论的一般倾向。
  </Card>

  <Card title="发表偏差">
    阳性结果比阴性结果更常发表的趋势，扭曲了科学文献。
  </Card>

  <Card title="基本率忽视">
    忽视某事有多常见的总体信息的倾向，转而关注具体案例。
  </Card>
</CardGroup>

## 一句话总结

<Tip>不仅总是问"赢家做了什么？"，还要问"看起来相同的输家做了什么？"—因为看不见的失败往往掌握着理解什么真正决定成功的关键。</Tip>
