人人都在说谎读后感摘抄
《人人都在说谎》是一本由赛思·斯蒂芬斯--达维多维茨著作，中信出版集团出版的精装图书，本书定价：58，页数：328，特精心从网络上整理的一些读者的读后感，希望对大家能有帮助。
因为职业的原因，平时不怎么接触财经类书籍，这一读发现真是太有趣了。
美国“伯乐”的故事很逗，用便携式超声仪器测量马的内脏，没想到与马的成绩有那么大的关联，还有葡萄酒的价格公式。对于数据，可以经过这样的推理，像物理学一样得到一个普遍公式，而里面的变量都是非传统的数据来源，这一切都来源于对生活抱有的开放而灵活的心态。下面几条是读的过程中get到点的结论：
1）企业的秘密：《从零到一》里讲：伟大的企业是建立在许多秘密之上的，这些秘密要么关乎自然，要么关乎人类。
2）儿童教育：在教育上花大钱有助于孩子们进入中上阶层，但使他们成为杰出作家、艺术家或商业领袖需要靠近大学城或者大城市。
3）学校选择：试验组表明相近的分数情况下上什么大学对学生未来的影响并不大。
4）偿还贷款：一个人如何还贷的详细计划和过去曾履行过的承诺是他会偿还贷款的证据；做出承诺、博得同情是一个人不会还款最为明显的迹象。
书里面举了个例子，美国某机构进行了一次匿名的问卷调查，美国女性平均每年55次性生活，其中16%次使用了安全套，而美国男性频率则更高，按照一定的计算方法，根据美国女性提供的数据计算出美国每年使用11亿个避孕套，根据美国男性提供的数据，计算出美国每年使用16亿一个避孕套。
而实际的避孕套行业数据，美国每年只使用了6亿了。这说明即便是匿名的问卷调查，很多人也不会说实话。
每个人都不会对自己的关键词搜索撒谎，数据显示，美国人对于婚姻相关的关键词搜索中，搜索“无性婚姻”的数量比其他婚姻关键词要多得多（有可能达到了30%）。说明这些白天做了匿名的问卷调查吹嘘自己性生活次数的人在夜深人静的时候，向谷歌敞开心扉～想知道自己这种情况和别人比～到底是否正常。
通过对关键词统计，数据分析可以暴露人们对各种事物的偏见和歧视、对各种日常问题的无知。但人们永远不会当面表现出来。
对比发现，人们是如此表里不一。
书中说社会学家在统计关于各个族群特点的搜索关键词时发现在美国社会人们对与自己不同的种群之间存在大量的偏见。
关于东亚人的偏见引起了我不满，关键词搜索前五位竟然有笨，这个不值一驳（东亚人平均智商绝壁全球第一），但其中竟还有“丑”这个词。谁该负责？？？
美国媒体经常把亚洲人里长相“明显不美”的模特拿去拍照片放封面，给人们造成的印象能不觉得丑么？多拍点范冰冰放封面再调查一下试试吧！！！
书中还介绍了纽约市的施戴纹什高中是全美排名第一的公立高中，录取学生不看家庭背景、推荐信、课外活动之类，只看考试成绩。
每年在全纽约举行统考，平均27000人考生报名，录取率是5%。社会学家对每年只差1、2分没考上的学生和只比动态分数线多考了1、2分的学生进行了长期跟踪，发现这些其实处于同一水平的学生，无论是否上了重点高中，这两群人在此后考上重点或非重点大学的分布上完全一样，连最细微的差别都没有（大学一样，就业情况自然也是相同的）。
结论是，关于这类划分数线的事情，如果你和那些人只差一两分的话，你实际上并不比他们差，所以进没进去其实对于你的未来是毫无影响的。
我自己的推论是，如果分数差太多，强行进去几乎也不会有好结果。
《人人都在说谎》读后感(三)：“大数据”关注人们做什么而不是说什么
作为跟“大数据”相关的“数据分析”从业者，这本书的出现给我很大启发，让我重新思考“大数据”意义并非在于“大”，而在于因为具有统计学意义的“有用”信息足够大，能给出人们是怎么做的，而摆脱“人们怎么说的”为真实性判断信条。我开始质疑自己从事的所谓大数据有点自欺欺人，因为我们为了解释“事先设定好的”趋势而寻找部分“支持”观点的信息，忽略真实情况导致的“挑战”，这是大数据研究和利用的“耻辱”。
此外我想，国外人写书普遍简单直接，全书就三部分（引言、事实、注意），不讨论好坏优劣，但这种架构让现代人更愿意静心阅读，太过冗长的篇幅给人不愿深入的恐惧。经济、科学类尤其如此。
大数据四大功能：提供新型数据、某些在线资源可以让人们承认他们在其他地方不会承认的事、放大一小部分有意义数据获得有关人性的新见解、让随机试验更便捷以便找到真正的因果效应。
大数据的局限性：无法用大数据做到的事（股票、个体决定性强的）和不该用大数据去做的事（有悖伦理和商业道德的）。
我喜欢这种论述，给予一个新兴热门事物过趋势非常高的评价，说明其颠覆性，但同时阐述其问题、不适应性、衰落的可能等等，因为可证伪和谨慎是科学的关键因素，伦理更是科学发展的底线。同时，我们要接受事物发展和升级，不是热点出现问题就一棍子打死。我们从事的工作也一定如此，不能一味的论述某些趋势是好的，要结合可能的风险来做建议，要接受事物发展的曲折。这是我们从事这项工作必备的心理。
作者说书名本想叫做《我的阴茎有多大？谷歌搜索告诉我们人性究竟为何物》，因为“性的真相”是“人人都在说谎”、大数据提供真实想法的最典型支持。这方面，我们对调查或朋友普遍性说谎，但对谷歌诚实。人类过了这么久，连如此本能的活动都在说谎，同时得到的反馈也是假的，我们却现在才知道，这真有意思。人人都在说谎7.6赛思·斯蒂芬斯--达维多维茨 / 2018 / 中信出版集团
《人人都在说谎》读后感(四)：真相，全部的真相——还有统计数字
很多人都觉得大数据已不再像一年前那样光鲜。希拉里·克林顿败给特朗普之后，矛头大多指向了她那个备受吹捧的分析团队，因为他们没能发现中西部各州发出的警告，致使她与总统之位失之交臂。但根据前谷歌数据科学家赛斯·斯蒂芬斯-大卫德维茨（Seth Stephens-Davidowitz）的研究，希拉里真正的错误不是对新奇的统计方式太过依赖，而是利用得太少。
希拉里聘用了一流的数字分析人员，但他们的计算大体上仍依赖传统的数据来源，例如选民档案或民意测验。而斯蒂芬斯-大卫德维茨则选用了一种新颖的数据：谷歌的搜索结果。他特别统计了美国最恶劣的种族歧视字眼“nigger”（“黑鬼”）的查询频率。人们一般认为美国南方才存在公然的种族主义言行，但数据显示，和美国其他地方相比，中西部和锈带相对来说更喜欢用这个词。2016年共和党初选期间，在预测哪些地理区域会支持特朗普而非其党内对手时，这一变量的影响超出其他所有变量。如果希拉里的团队当初更好地利用了这样的信息，也许就能及时推断出，她那“蓝色防火墙”的根基正在崩裂。
这只是《人人都会说谎》一书的惊人发现之一。这本书以搜索数据为向导，快速地领略了现代人的内心世界。书中的某些发现再次确定了普遍的看法，例如DIY流产、对自己的性取向感到困惑的男性的有关搜索都集中在美国社会风气保守的南方。有些发现则与普遍看法相左：虽然从赤贫到巨富的故事在篮球界广为流传，但数据显示，在贫穷的环境中成长实际上会减少一个男孩打入NBA的机会，原因也许是穷孩子长到足够身高的可能性更低。有些结果让人不安，也令人费解。例如人们在色情网站上大量搜索展示对女性施加性暴力的视频，而女性本身搜索这种场景的频率至少是男性的两倍。其他的一些发现也很古怪：为什么印度的成年男子那么热切地想让妻子给他们喂奶？
《人人都会说谎》给出的实证结果非常有趣，想来就算将它们简单罗列，也会令人手不释卷。然而斯蒂芬斯-大卫德维茨还提出了一个巧妙的论点：网络将为社会科学带来一场革命，就像显微镜和望远镜彻底变革了自然科学那样。
现代的微观经济学、社会学、政治学以及计量心理学在很大程度上都依赖调查，最多也就抽样几千人。斯蒂芬斯-大卫德维茨认为，相比之下，“大数据具备四种不同寻常的力量”：提供新的信息来源，例如对色情内容的搜索；捕捉人们真实的行为和想法，而不是他们决定告诉民意测验机构的那些；让研究人员可以直接着手处理和比较人口统计或地理数据的子集；可以快速地进行随机对照试验，既可证明相关性，也能说明因果联系。因此，他预言“学者们花费几个月招募一小批本科生开展单项试验的日子将会终结”。作为替代，“社会及行为科学的研究绝对会扩大规模。”此外，研究者们得出的结论也将会是“货真价实的科学，而不是伪科学”。
斯蒂芬斯-大卫德维茨并不属于那些个不假思索就为大数据革命摇旗呐喊的人。他辟出充分的篇幅，既阐述量化分析结果会如何误导决策者，也详述了这类数据“全知”般的拥有者可能会想办法滥用数据。他发问道：如果从喜欢摩托车这一点可预测一个人智商较低，那么应不应该容许雇主拒绝那些承认自己喜欢摩托车的求职者？因此他呼吁，将大数据的运用从大规模的人群扩展至针对个人的决策时，要格外谨慎。不过，总的来说作者还是持乐观态度。他写道，由于信息技术的进步，人类将“在更短的时间内”，对自己有“更多的了解”。
《人人都在说谎》读后感(五)：通过男性和女性首次约会时说话的方式，我们就能预测他们会不会还有第二次约会
本文摘自书籍《人人都在说谎》
这项研究是由斯坦福大学和西北大学跨专业团队的科学家发起的，他们分别是丹尼尔·麦克法兰（Daniel McFarland）、丹·朱夫斯凯（Dan Jurafsky）和克雷格·罗林斯（Craig Rawlings）。他们研究了数百位异性速配约会者，并试图查明什么因素可以预测男女双方对彼此有感觉并想有第二次约会。
首先，他们使用了传统数据，询问了约会者双方的身高、体重和爱好，并且测试了这些因素是如何与同某人擦出浪漫火花联系起来的。一般来说，女性更喜欢高大并且愿意分享爱好的男性，男性则更喜欢苗条并且愿意分享爱好的女性。这没什么新鲜的。
其次，科学家也搜集了一种新型数据。他们让约会者随身带上录音机，随后对约会的录音做了数字化处理，这样就能够记录男女双方使用的词汇、笑声和说话的语气了。他们据此可以测试男女双方如何表示对对方有感觉，也可以测试约会双方是如何赢得对方好感的。
那么，这些语言数据告诉了我们什么呢？它们告诉我们男性（女性）如何表达自己对女性（男性）的好感。男性有一种表现方式非常明显：他会对女性讲的笑话做出相应的回馈。另一种方式则隐晦一些：说话时，他会把声音大小控制在一定范围内。一项研究表明，女性常会把男性单调的声音视为阳刚之气，这也暗示如果男性对一名女性感兴趣，他们可能会下意识地夸大自身的阳刚之气。
科学家发现女性会通过改变声音大小、讲话更加温柔和采取更简短的轮流谈话表达自己对男性的兴趣。同样，基于女性使用的特定词汇，我们也有可以展现女性兴趣的线索。当女人使用诸如“大概”或“我猜”这类模棱两可的表达时，就表明她们不大可能喜欢正在约会的男人。
男同胞们，如果一名女性就某个话题不做正面回答（如果她“有几分”喜欢她的饮料或“有点儿”冷或“可能”想另点开胃菜），你就可以肯定她“有几分”“有点儿”“可能”不喜欢你了。
当女人谈论她自己时，她才有可能对你感兴趣。结果表明，对一个想找女朋友的男人来说，从一个女人口中能听到的最漂亮的词就是“我”了，因为这是她感到舒服的一个标志。如果一个女人使用具有凸显自我性质的表达时，比如“你知道吗”和“我的意思是”这样的说法，就说明她可能喜欢正与她约会的男人。为什么呢？因为科学家发现这些表达能够吸引听者的注意，这些字眼友好、温暖，而且说明一个人正希望与对方产生联系，你懂我的意思，对吗？
那么，男女双方又该如何交流才能让约会对象对自己感兴趣呢？数据告诉我们，男性可以采用多种说话方式来增加女性喜欢自己的概率。女性喜欢听从她们意见的男性。可以想见，如果一名男性能对一名女性讲的笑话做出相应的反应，并且没有把话题转到自己想聊的事上，而是一直谈论她发起的话题，那么这名女性就很有可能对男方产生好感。（我正在研究的一个理论是：大数据证实了已故的伦纳德·科恩（Leonard Cohen）所说的一切。例如，伦纳德·科恩曾为他的侄子追求女性提出如下建议：“仔细听女人说话，然后继续听下去。当你觉得自己快听不下去的时候，再忍着听一会儿。” [22] 这个建议似乎和科学家的发现大致相似。——作者注） 女性也喜欢表达支持和有同情心的男性。如果一名男性说“那太棒了”或“那简直太酷了”，那么他更有可能获得女性的青睐。同样，如果他使用“那肯定很难”或“你一定很伤心”这样的表达，也会有相同的效果。
对女性来说，这里会有一些不好的消息，因为数据好像证实了有关男性的一个令人不快的事实。在男性如何回应女性方面，对话发挥的作用非常小，女性的外貌才是预测男性是否会对其产生好感的最重要因素。即使是这样，仍然有一个词，女性可以用来略微增加男人喜欢她的概率，而这个词我们早已讨论过了，它就是“我”。男人更可能喜欢总是谈及自己的女人。正如前文所述，如果女性在一次约会中多次谈及自己，这说明她也对约会的男性有好感。因此，如果首次约会时男女双方谈了很多关于女方的事，那肯定是一个超棒的征兆。女性传递出感到舒适的信号，并且可能会对这位男性没有独占整个对话表示欣赏，而男性则喜欢不拘谨的女性。如此一来，第二次约会就八九不离十了。
最后，约会记录透露了一个约会的大忌：问号。如果约会中有人不断提问，那么男女双方都不太可能对对方产生好感。这似乎是有违直觉的，你或许认为提问就代表着感兴趣，但在第一次约会时不是这样的。第一次约会时，大多数问题都是因为无话可说。“你有哪些爱好啊？”“你有几个兄弟姐妹？”这些问题是对话停滞时人们才会说的话。完美的初次约会可能在行将结束时有一个简单的提问：“你愿意再次和我约会吗？”如果这是约会中唯一的提问，那么答案很可能就是“我愿意”。
《人人都在说谎》读后感(六)：2019-01-12 《人人都在说谎》--------大数据却暴露了你们的真实想法
book这是一部有意思有新意的作品，讲了些反直觉的东西。作者10多年前很欣赏李维特《魔鬼经济学》，他把此书定位成《魔鬼经济学》的进阶版，缺点是有些碎片化，主题很杂，好处则是简单易读。
作者利用一些谷歌的搜索的结果、维基百科、Facebook资料等大数据来探秘大众内心的一些真实想法，因为人人都会说谎，明面的调查访谈很可能得不到真相。这是一种新的有效的社会科学研究方法，大牛斯蒂芬平克也作序推荐。
由2016总统竞选 特朗普意外击败希拉里说起，作者认为深层的原因美国的种族主义者比明面的要多得多，最支持特朗普的那些州，这些州搜索“黑鬼-nigger” 的有很多。 sex 从来都是隐秘的，前面对色情网站搜索结果的分析令人吃惊啊，恋母、恋父、恋兄妹的那么多啊！不过这也是对于登录pornhub 这类喜欢色情的人群中的分布吧。真正这类人在人群中的占比应该难以统计，不像男同性恋那样作者可以推算估计约5%（而以前调查的是2-3%） 。男人第一对cock的大小在意（其实女人并不在意，因为男女对其搜索比率为170:1），第二对性交时间在意；女人则为阴道的气味操心，女人更愿意取悦男伴而搜索怎样blowjob的建议（2:1的比例），而且女人对色情片中的暴力更感兴趣！（难以想象啊） 美国也重男轻女，对儿子在智力才能方面的问题搜索得多，对女儿的外貌则关心； 男才女貌，硬是世界文化标准。 人人都会说谎，永远不要听人说了什么，而要看他做了什么：小扎2006年推出fb 朋友圈动态时，甚至有一大帮反对者，叫嚣他们不愿意成为窥视狂；结果大数据揭示了其实大多数人都想要刷朋友圈这个功能！朋友圈大家晒出来的永远是幸福生活呜里哇，实际关灯吃面的时候就是默默承受的啦，朋友圈不是个诚实的地方。
网飞也一样，那些在收藏列表中想要看的高逼格的影视 被看的不多，倒是那些屎尿屁的喜剧八卦看的人络绎不绝。网飞后来干脆改成算法推荐列表了，用户们也看视频看得更多了。
喜欢哪个球队和政治派别一样，10几岁的态度会成为你一辈子的态度。 相关和因果太难分清了，现在媒体都是拿些相关的东西来混淆视听，真正的因果关系很难判断。谷歌开创了幕后用随机对照组实验（a/b测试）来寻找真正的因果关系，现在硅谷的公司都学会了。
对牛高中分数线边缘的学生统计有意思：那些几分只差而落榜（考上）的学生做统计，最终结果：牛蛙始终是牛蛙，好学校没啥用；sat分数、学业能力还是一样！ 这可是反直觉和反社会传统的啊，特别是现在的中国，对4大名校、衡中等的渴望简直是狂热； 而且延伸到大学，哈佛和宾夕法尼亚大学毕业生10年后的收入 也没太多的区别，精英始终会上升到精英的位置中去的；
作者也讨论大数据不能干什么的问题, 维度的诅咒是大数据的一个问题（应该就是以前说的孟加拉的黄油产量能很好的预测美国经济一样吧？） 神预测的391号硬币的比喻不过是有1000个硬币，变量多了，总能找到最拟合的那个。 后面 和劳伦斯-萨默斯的谈话让人开怀一笑，这个有智慧的大人物约见了作者，绕了一大圈话题，还是想知道作者这种方法是否对股市预测来赚钱有用否，哈哈。结果却是令人失望的，我想真的发现了有效的预测股市的方法，估计发现者也会敝帚自珍的，如同那些神秘的量化对冲基金一样。
同样的试图在dna中发现让人高智商的基因也是然并卵，都是维度的诅咒，基因的排列组合有几百万，太复杂了，总会找到一些虚假的因子。
大数据也会带来隐私等一系列问题，如试图发现信用不良者、恐怖分子，都可能带来误判和伦理问题。
流行读物一般难以读完，《思考，快与慢》只有7%的人读完，而大热门作品《21世纪资本论》不到3%，叶公好龙者多。
总之这是一部有趣的读物， 当然，有可能如《魔鬼经济学》一样，也会有错误和缺失。我唯一不喜欢的是作者对msl的白左态度，我觉得他没有认清这种宗教病毒meme式的本质。
《人人都在说谎》读后感(七)：大数据下的真实世界
Everybody Lies.
人人都在说谎。
这句话似乎只是人性本恶类型的俗语，拿出来辩论每个人都会有每个人不同的看法。但是《人人都在说谎》这本书用实际的真实数据告诉你：
这是确切无疑的事实，这个世界上人人就是都在说谎。
-
饮食男女，人之大欲。
根据美国的综合社会调查，这是反映美国人行为的最具影响力和权威性的信息来源之一：有异性性行为的男性说他们每年共使用16亿个安全套。
但根据全球信息与计量公司的数据，每年安全套的销量不足6亿个。
未婚男性说他们每年人均使用29个安全套，但这个数字要比美国已婚人士和单身人士两个人群合起来的年人均购买的安全套数量都要多的多。
并不是匿名调查，人们就会说实话。
也并不是小事人们就不会说谎，说自己上次总统选举投过票的人有73%，但实际上官方统计的数据是61%。
-
数据会告诉你：你的直觉有可能是错的。
很多NBA球星似乎都是黑人贫民窟的出身，比如勒布朗詹姆斯，他由一名贫穷的16岁单身母亲抚养成人，另一类的美国梦。
那么是在贫穷家庭长大的孩子更有可能进入NBA，还是在中产阶层长大的孩子更有可能呢？
直觉可能告诉你，贫穷家庭的孩子会更努力练球，大部分NBA球员都出身寒门。
而数据告诉你的答案是：NBA中出身贫寒的运动员实际上数量极少。
数据也会告诉你：约定俗成的观念也有可能是错的。
那么多美国梦相关的电影和书籍，但美国出身贫穷的人变富的概率是7.5%，隔壁的加拿大是13.5%。
-
那么什么时候人们会诚实呢？
在网络上搜索他们想要知道的东西的时候。
作者赛思·斯蒂芬斯--达维多维茨通过搜素引擎谷歌的大数据，带领我们重新了解这个世界，这个所有人都在说谎的世界。
搜索引擎谷歌上妻子对丈夫最常见的搜索是：我的丈夫是同性恋者吗？第二是出轨，第三是酗酒。
家长搜索“我的儿子有天赋吗？”的次数比“我的女儿有天赋吗？”多2.5倍。家长搜索“我的女儿超重吗？”的次数是“我的儿子超重吗？”的2倍。而实际上美国男孩超重的比例是35%，而女孩只有28%。
很多人会说现在已经是一个政治正确的世界，但是搜索引擎的数据证明并不是。
人们可能不会在社交媒体上说那些政治不正确的词汇，但在真实的世界里，在只有他们自己才知道的搜索纪录里，世界比我们想象的糟糕。
-
算法，最近很流行的一个词。
etflix公司的前数据科学家说：“系统算法比你更了解你自己。”
etfix发现用户在调查中会写自己想要看纪录片或是严肃电影，然后实际上他们喜欢并经常在看的是低俗喜剧片或是浪漫爱情片。于是Netflix决定放弃让用户填写他们未来想要看什么，而是通过算法和数据去推断用户的倾向，让数据和算法告诉他们用户未来想要看什么，结果他们成功了。
亚马逊通过数据和算法来推断用户想要看什么书，想要买什么东西，他们也成功了。
标题党与软色情总是能拿到更多的点击量，虽然人们口中说着自己喜欢阳春白雪硬核干货。
人们所说的，和他们所做的，可能根本是两回事。
人们对自己也会说谎。
-
当政府与大公司们发现算法与数据的作用后，这个世界成了一个大实验室。
奥巴马的第一次总统竞选就做了实验。
他的网站主页会展示不同的图片与不同的按钮的组合。
不同照片有：他自己侧面照，他自己正面照，他与家人。
不同的按钮有：Join us now，Learn more，Sign up。
最后的测试结果胜出的是：他与家人的照片和learn more的组合，这个组合能够吸引最多的人点击进入注册他的个人网站。
这个随机测试帮助奥巴马的网站注册量增加了约40%，为他的筹款增加了约6000万美金。
而谷歌和Facebook这些公司对用户的测试则更加无孔不入，你可能根本意识不到你已经是实验的一员。
他们就像是赌场老板，急于找到那个让赌徒输到离开赌场不赌了的底线金额，那个让用户上瘾的方法。作为结果Facebook已经成为排名前十的瘾癖了，和酒精这些一起。
如果你发现你刷抖音这些app不知不觉就刷了几个小时，如果你发现你打游戏花了不少钱，那是因为它们就是设计来让你上瘾，让你花钱的。公司们已经做了无数个随机测试，试图去发现最佳的让你花更多时间更多钱的方法。
-
关于数据的一个相对较好的运用，又一个饮食男女的例子：
科学家们希望通过数据预测第二次约会的可能性。
单身狗们的福音。
如果一个约会，双方都在提问，那么这个约会是好还是不好呢？
你可能会说第一次约会不就是互相问答吗？
而数据会告诉你，问号是约会的大忌，如果约会中有人不断提问，那么男女双方都不太可能对对方产生好感。
如果你是单身狗，来听听科学家们是怎么说的吧。
男性篇：
1 如果女性对某个话题不做正面回答，或总是用摸棱两可的回答，比如她一直用“有一点，还好，可能”这些词，那么她很大可能不喜欢你。
2 约会中你从女性口中听到的最棒的一个词是：“我”，当女性谈论自己的时候，她可能才是对你感兴趣了。这很大可能意味着她和你在一起感到舒适与安全，她喜欢你，并且希望和你产生联系。
另外你的直觉和世俗可能会告诉你男性不喜欢总是谈论自己的女性，但数据会告诉你，他们喜欢。
女性篇：
1 约会中你说了个笑话，而男性做出回应。那么他很大可能喜欢你。
2 如果男性下意识的夸大他本身的阳刚之气，那么他很大可能喜欢你。
-
十九世纪的英国物理学家John Snow（历史上的真人），通过数据，发现霍乱的传播源头不是人们一直以为的通过空气，而是通过水传播。
现在我们有了更多更大的数据，可以用来研究疾病，研究精神问题，研究社会，研究人。
数据也可以用来发现最好的方法帮助世界上的贫困人口。
在印度经济学家发现如果能够给印度缺勤率达40%的农村教师们每天1.15美金的按时到岗出勤报酬，学生的考试成绩会大幅提高，女学生的写字比例可以高7%。
-
如果你想要从另一个维度去看这个世界，推荐你看这本书。
《人人都在说谎》读后感(八)：通过跟踪数据，了解人们实际上做了什么，而不是说了什么
Everybody Lies: Big Data, New Data, and What the Internet Can Tell Us About Who We Really Are
首先说明一下作者，为什么用“人人都在说谎”作为书的标题？
作者自己在书籍中的最后部分解释道：通过这个书名，我主要想说人们之所以（对朋友、对调查、对自己）都说谎，是为了让自己看起来更好一些。
作者在书中介绍了一种现象，“社会期许误差”：人们更倾向于向他人展现正面形象，所以在回答问题时，更倾向于申报“良好行为”来符合社会的期望。
例如，我们对调查说谎的另一个原因是，如果有人进行采访，我们强烈希望给做采访的陌生人留下好印象。正如图朗若所说：“一个人走了进来，她看起来像你最喜欢的阿姨……你愿意告诉她你上个月吸食过大麻吗？”（说谎的另一个原因是单纯地想搞乱调查。 [6] 对任何有关青少年的研究来说，这都是一个巨大的难题，从根本上提高了我们理解这个年龄组的难度。研究人员最初发现了被领养青少年与各种消极行为（如吸毒、喝酒和逃学）之间的相关性。在随后的研究中，他们发现自称被领养的青少年中有19%的人其实并非被领养的。后续研究发现，相当一部分青少年告诉调查人员，他们身高超过7英尺，体重超过400磅（约181.4公斤），或家里有三个孩子。一项调查发现许多学生对学术研究人员报告称自己装有义肢，但其中99%的人是在开玩笑。——作者注） 你愿意承认你没有捐钱给自己的母校吗？因此，情况越是与自己无关，人们越诚实。想要得到真实的答案，电话调查比现场调查好，互联网调查比电话调查好。人们独自一人时比和他人在一起时会坦诚许多。
谷歌搜索一个巨大的优势可以让人们说出真相：激励机制。如果你喜欢种族主义的笑话，那么你与某项非在线调查分享这个喜好的激励机制为零。然而，你却拥有在网上搜索最好、最新的种族主义笑话的激励机制。如果你认为自己可能有抑郁倾向，就不会有向一项调查坦承此事的激励机制，但你会向谷歌求助其症状及潜在的治疗方法。
（谷歌搜索如此有价值的一个主要原因不是这些数据的量有多大，而是人们对谷歌很诚实。人们会对朋友、爱人、医生、调查人员乃至他们自己说谎，但在谷歌网站，他们可能会分享令人尴尬的信息，比如他们的无性婚姻、心理健康问题、不安全感和对黑人的仇恨等。）
书中的一些结论，值得参考
1. 即使富人无法避免死亡，但数据还是告诉我们，他们现在至少可以延缓死亡的到来。总的来说，美国收入排名前1%的女性的寿命比收入最低的1%的女性长10年。对男性来说，这一寿命差距是15年。
2. 大学城的成功不仅是跨地区的，而且是跨种族的。（居住在大学城附近或者里面更有助于孩子的成功，从小接触新奇想法要比在空荡的后院里长大要好）
3. 为了检验意外横财的因果效应，经济学家比较了那些中彩票大奖的人和那些买彩票却没中的人。这些研究普遍发现，中彩票大奖短期内并不会使人快乐，但从长远来看会。（1978年一篇称中彩票大奖并不会使人幸福的著名论文已经被揭穿了真相。）
4. 你可能会认为，在过度教育的大城市中，人们的焦虑程度最高，城市神经质就是一个著名的刻板印象，但是，用谷歌搜索“焦虑症”或“焦虑救助”的结果反映出，在教育水平较低、家庭平均收入较低、农村人口密度较大的地区，焦虑程度更高。纽约州北部地区对焦虑的搜索率比纽约市更高。
5. 你可能会认为，造成几十人甚至数百人伤亡的恐怖袭击过后，紧随而来的便是迅速蔓延的重度焦虑情绪。从定义来看，恐怖主义应该会引起恐惧感。我查看了反映焦虑的谷歌搜索，测试了一个国家自2004年以来在欧美国家所有重大恐怖袭击事件后的几天、几周和几个月内此类搜索的增长量。与焦虑有关的搜索平均增长量是多少呢？结果是，根本就没增长！
6. 此外，尽管直觉也许常常让我们感觉很了解这个世界的运作方式，但这种感觉往往是不确切的。我们需要用数据使其清晰化。以天气影响心情为例。你可能会猜测，和70华氏度（约21摄氏度）相比，人们在10华氏度（约零下12摄氏度）的低温下更容易感到失落。其实，这种猜想是对的，但你可能猜不到这种温差产生的影响有多大。我查询过一个地区有关抑郁的谷歌搜索与很多因素（包括经济状况、教育水平和教堂活动参与度）之间的关联性。冬季气候产生的影响最为明显。 [3] 冬天，在温暖的夏威夷檀香山，抑郁的相关搜索频率比在寒冷的伊利诺伊州芝加哥低了40%。这个效果有多么显著呢？乐观地说，药效最佳的抗抑郁药物也仅能使抑郁症的发生率降低约20%。依据谷歌的数据判断，从芝加哥搬到檀香山对治疗“冬季抑郁”的功效可比药物治疗高出整整一倍啊。
7. 一个计算机科学家团队对人类关系中最大的数据集脸谱网进行了分析。他们观察了大量关系在某一时刻显示为“恋爱中”的伴侣，其中部分伴侣始终保持“恋爱中”的状态，而其他伴侣则将自己的状态改成了“单身”。该调查表明，有共同的好友圈其实是一个强预测器，预示着一段爱情长不了！也许每晚都和伴侣及一小撮固定的朋友闲逛真算不上一件好事，各自独立的社交圈也许才有助于巩固两性关系。
作者最后用唯一恰当的方法总结这本书：通过跟踪数据，了解人们实际上做了什么，而不是说了什么。
相关文章
你又一次被“真实数据”欺骗了
下面为部分书摘
脸谱网的早期投资者彼得·蒂尔（Peter Thiel）在他的著作《从0到1》（Zero to One ）一书中说，伟大的企业是建立在许多秘密之上的，这些秘密要么关乎自然，要么关乎人类。 [50] 本书第3章就曾提到，杰夫·塞德发现了左心室大小与马匹性能相关联的秘密，谷歌发现了链接中的信息有多强大的秘密。 蒂尔将“人的秘密”定义为“人们对自身尚未知晓的事情或不想为其他人所知而刻意隐藏起来的事物”。也就是说，这类企业其实是建立在人们的谎言之上的。
你可能会认为，扎克伯格根据自己在哈佛大学了解到的有关人类不快乐的秘密，创立了脸谱网的一切。大二刚开学的时候，扎克伯格曾经为他的同学创建一个名为Facemash的网站。这个网站仿照一个名为“我性感吗”的网站，在主页上贴出两名哈佛大学学生的照片，然后让其他学生评价谁更漂亮。
这个大二学生创建的网站引起了人们的愤怒。《哈佛深红报》（Harvard Crimson ）在社论版块中指责年轻的扎克伯格是在“迎合人们最糟糕的一面”。西班牙裔与非洲裔美国人群体指控他性别歧视和种族主义。然而，在哈佛大学的相关管理者关闭扎克伯格的网站之前——这个网站才刚刚成立几个小时而已，就已经有450个人浏览了该网站，并对两张照片投票共计22 000次。至此，扎克伯格已经了解到一个重要的秘密：人们会宣称自己很愤怒，也会贬低一些令人厌恶的东西，但他们仍然会点击、浏览。
他还懂得了另一件事：尽管人们对自己的本职工作认真负责，对他人的隐私心怀尊重，但仍会对评价他人的外表怀有极大的兴趣，哈佛大学的学生也不例外。这个短命网站上的观点和投票结果已经告诉他这一点了。后来，因为Facemash备受争议，而他也了解到人们可能会对自己多少认识点儿的人的鸡毛蒜皮很感兴趣，于是着手创建了同时代最成功的公司。
《人人都在说谎》读后感(九)：社会科学方面有趣的数据分析方法与结论：4星|《人人都在说谎》
书中作者讲了社会科学方面的许多有趣的分析方法与结论。有许多常规调查方法难以得到的数据，现在由于技术的进步可以得到了。比如美国人的种族主义倾向，在媒体和调查中都不太严重，实际上根据谷歌趋势可以看出来许多州是比较严重的。有学者各州的种族主义倾向跟该州对特朗普的支持率正相关。
书中一个重要的数据来源是谷歌搜索，此外还有用于研究的报税数据，把大部分纸书电子化的谷歌Ngrams项目，精确到小时的犯罪率，记录梦境的APP等。
书中的结论涉及到选举、教育、医疗、犯罪、同性恋等。
书中两个重要的知识点：断点回归，维度的诅咒。
书中一些有趣的结论：
1：有共同的好友圈其实是一个强预测器,预示着一段爱情长不了；
2：社会经济地位越高,意味着进入NBA的可能性就越大。
3：决定一个人成年后成为哪支球队“死忠粉”最关键的时间节点,是在他8岁左右的那一年；
4：14~24岁的美国人会依据现任总统的受欢迎度形成自己的政治观点；
5：暴力电影放映结束之后的几个小时内,与酒精有关的犯罪活动数量一落千丈；
6：两位经济学家发现对医生的金钱奖励对降低死亡率无显著效果；
7：分配到条件更加严苛的监狱的囚犯,在离开监狱后还有可能犯下更多罪行
8：美国排名第一的史岱文森高中给学生带来的影响有多大呢？无!没有!零!
9：那么,新的大数据来源能否成功预测股票的走势呢？答案很简单:不能。
有一个印刷方面的小问题：精装版的书皮掉色，拿在手里看了一会儿就发现红色的书皮有些地方磨白了，手指变红了。
总体评价4星，非常好。
以下是书中一些内容的摘抄：
1：谷歌数据的功能在于,人们会向这个巨大的搜索引擎倾吐他们不会告诉任何人的事情。P4
2：换句话说,谷歌搜索帮我们绘制了一幅美国种族主义新的分布图——这幅分布图看起来可能与你所想的大相径庭(见图0-1)。美国南方的共和党人也许更有可能承认自身的种族主义倾向,而很多来自美国北方的民主党人也持相似的态度。P8
3：我们的研究表明,在一条包含两位候选人姓氏的搜索中,选民更有可能将其支持的候选人姓氏放在前面。之前的三次总统选举中,候选人在搜索中姓氏排在前面的概率越大,其得票率也就越高。更有趣的是,候选人姓氏的搜索顺序居然可以预见某一特定州将会支持谁。P11
4：西尔弗发现,与特朗普在共和党内初选时的支持率相关度最高的因素居然是我在4年前的一项发现。"特朗普拥趸最多的地区就是“黑鬼”一词的谷歌搜索量最多的地区。P13
5：经济学家及其他社会科学家一直在搜寻新的数据源,毫不客气地说,我确信谷歌搜索数据绝对是有史以来搜集到的人类心理数据集中最出色的一个!P14
6：结果令人惊讶。事实证明,先后搜索“背部疼痛”和“皮肤发黄”这两个词条的用户最终都被确诊为胰腺癌患者,而只搜索“背部疼痛”的用户则不太可能得这个病;同样,搜索“消化不良”和“腹痛”这两个词条的用户都被确诊为胰腺癌患者,而只搜索“消化不良”则意味着此人不太可能罹患此病。P30
7：冬天,在温暖的夏威夷檀香山,抑郁的相关搜索频率比在寒冷的伊利诺伊州芝加哥低了40%。这个效果有多么显著呢？乐观地说,药效最佳的抗抑郁药物也仅能使抑郁症的发生率降低约20%。依据谷歌的数据判断,从芝加哥搬到檀香山对治疗“冬季抑郁”的功效可比药物治疗高出整整一倍啊。P33
8：该调查表明,有共同的好友圈其实是一个强预测器,预示着一段爱情长不了!也许每晚都和伴侣及一小撮固定的朋友闲逛真算不上一件好事,各自独立的社交圈也许才有助于巩固两性关系。P34
9：截至目前,我们已经搜集了三份不同的证据:出生地、得分王母亲的婚姻状况和球员的名字。三份证据都不够完美,但都印证了相同的结果——社会经济地位越高,意味着进入NBA的可能性就越大。也就是说,传统的观念是错误的。P39
10：总的来说,是什么让我们梦到食物呢？主要的预测指标就是我们消费这些食物的频率。最常出现在梦中的物质是水。排在前20的食物包括鸡肉、面包、三明治和米饭——显然都与弗洛伊德的性压抑说无关。P49
11：我发现,与消遣相关的综合性搜索可以追踪失业率,并能成为预测失业率的完美模板的一部分。P60
12：最有说服力的是,质疑丈夫性取向的搜索在最不容忍的地区更为普遍。提出该问题的女性比例最高的州是南卡罗来纳州和路易斯安那州。事实上,在这个问题出现最频繁的25个州中,有21个州对同性婚姻的支持低于全国平均水平。P116
13：家长问他们的女儿是否漂亮的次数是问儿子是否英俊的一倍半,而问他们的女儿丑不丑的次数更是问儿子丑不丑的三倍!(他们为什么会认为谷歌可以衡量一个孩子的美丑呢？这很难说。)P132
14：那么,数据到底告诉丁我们什么哪？根据根次科和夏皮罗的研究,在美国,访问同一新闻网站的两个人持相反政治观点的概率约为45%。换句话说,相比完全隔离,互联网更接近使双方实现完美交集。自由派和保守派每时每刻都会在互联网上“相遇”。P138
15：扎克伯格知道,不论人们在群里如何抱怨,他们其实是喜欢消息推送的。他有数据证明这一点。人们浏览脸谱网的平均时间比“消息推送”功能上线之前要多,而且他们在脸谱网上的操作也更多了——多得异乎寻常。8月,用户在服务器上的网页浏览量达到了120亿,而到了10月,也就是消息推送功能上线运行时,浏览量达到了220亿。P150
16：问题出在哪里呢？当被问及在未来几天内计划看什么电影时，许多用户会填写一此曲高和寡、立意高远的电影，比如第二次世界大战的黑白纪录片或一些严肃的外国电影。然而，几天之后，他们就想看一些他们平时喜欢看的电影低俗落剧片或者浪漫爱情片。人们一直在对自己撒谎。P153
17：发展心理学中有一个正在迅速发展的领域,该领域挖掘出大量的成人数据库,并将它们与关键的童年事件联系起来,它可以帮助我们解决这一问题和相关的疑问。我们可以将这种越来越多地运用大数据来回答心理学问题的领域称为“大心理学”(Big Psych)。P162
18：我们再一次看到,决定一个人成年后成为哪支球队“死忠粉”最关键的时间节点,是在他8岁左右的那一年。总体而言,男孩在5~10岁时最容易喜欢一支球队。球迷决定要支持哪支球队时,球队在他8岁时夺冠要比在他19岁或20岁时夺冠重要8倍,因为到那时,他要么已经终其一生都喜爱那支球队,要么就一点儿都不喜欢了。P164
19：人的一生中有一段重要时期,即14~24岁,很多美国人会依据现任总统的受欢迎度形成自己的政治观点。若现任总统是位人气颇高的共和党人或不得人心的民主党人,很多年轻人便会深受影响,成为共和党人;反之,若现任总统是位不受欢迎的共和党人或深得民心的民主党人,那这个易受影响的群体又会倒向民主党阵营。总的来看,在这一关键时期形成的这些观点会持续一辈子。P166
20：那么，美国收人流动性高的地区怎么样呢,是什么让一些地区能在更好地平衡竞争环境的同时，也让一个穷人家的孩子过上美好的生活呢？答案是，在教育上花费更多的地区为贫困儿童提供了更好的机会。信教人士多、犯罪杜低的地方做得更好，黑人多的地区则不尽如人意。有趣的是，这不仅对黑人孩子有影响，而且对生活在那里的白人孩子也有作用。P171
21：即使富人无法避免死亡，但数据还是告诉我们，他们现在至少可以延缓死亡的到来。总的来说，美国收入排名前1%的女性的寿命比收入最低的1%的女性长10年。对男性来说，这一寿命差距是15年。P172
22：除非当地有比较大的大学城,否则地处郊区的县要比地处城市的县糟糕得多。像许多婴儿潮时期出生的人一样,我的父母把家从拥挤的街道搬到了绿荫大道(从曼哈顿搬到新洋西州的博根县).以便更好地培育他们的三个孩子。这可能是个错误,至少从培养孩子出名这方面来说是错的。P180
23：酒精是导致犯罪行为的主要原因。前述两位经济学家曾经调研过相当多的电影院,了解到在美国几乎没有剧院供应酒类饮品。事实也的确如此,研究表明在暴力电影放映结束之后的几个小时内,与酒精有关的犯罪活动数量一落千丈。P192
24：现在,西尔弗找到20名球员,这些球员与彼时33岁的奥尔蒂斯状态最为接近,他们在24,25,26,27,28,29,30,31，32，33这些岁数时的表现和他相似。换句话说,西尔弗找到了奥尔蒂斯的二重身，P196
25：许多大型互联网公司已经在运用二重身搜寻进一步改善它们的产品和用户体验。亚马逊便使用类似二重身搜寻的东西推荐你可能喜欢的书。它们能看到与你相似的人选择了什么,并以此为依据为你推荐图书。P199
26：这是大数据的第四大功能:它让随机试验变得更加便捷,不论何时何地,只要你在线,它就能找到真正的因果效应。在大数据时代,整个世界就是一个实验室。P208
27：如今,脸谱网每天进行1000次A/B测试6,这意味着脸谱网的一小部分工程师在某一天内完成的随机控制测试比整个制药行业一年内完成的还要多。P209
28：《欲罢不能》引用了“设计伦理学家”特里斯坦·哈里斯(Tristan Harris)的话来解释为什么人们在互联网上难以抵御某些网站:“屏幕另一端有上千人正在瓦解你的自律”。这些人用的就是A/B测试。P218
29：他们研究了超级碗期间播放的啤酒和软饮广告,同时也利用了符合条件的各个城市的广告曝光率。他们发现投资回报率为2.5:1。尽管超级碗广告费用不菲,但我们的结果和他们的研究都表明,超级碗广告在提高需求方面有奇效,所以公司的操作实际上极为物超所值。P224
30：两位经济学家发现金钱奖励对降低死亡率无显著效果。这个自然试验表明,如果给医生更多的经济奖励,让他们可以安排一些治疗,那有些医生就会安排更多治疗,这对病人的健康来说效果不大,而且似乎也不会延长他们的寿命。P229
31：事实上,这类(利用一刀切分数线的)自然试验的作用是非常强大的,经济学家还专门为其命名:断点回归。任何时候都有一个精确的数字(一个断点)把人们分成两个不同的群体,经济学家可以对极为接近截止点的人的结果进行比较或回归分析。P234
32：经济学家发现,分配到条件更加严苛的监狱的囚犯,在离开监狱后还有可能犯下更多罪行。严苛的监狱条件并没有阻止他们犯罪,而是使他们变得更加冷酷无情,回到现实社会中变得更具暴力倾向。P235
33：研究的结果令人震惊,几位学者已经将这些结果撰文明确呈现出来,文章标题为:“精英幻觉”。史岱文森高中带来的影响有多大呢？无!没有!零!纯属胡扯!分数线两边的学生最后的大学预修课程分数和学术能力评估测试分数都难分高下,所就读的大学也都是排名相当的名牌大学。P235
34：那么,新的大数据来源能否成功预测股票的走势呢？答案很简单:不能。P245
35：维度的诅咒是大数据的一个主要问题,因为新的数据集经常会给我们带来比传统数据源更多的变量——每一个搜索词、每一种推文等。许多声称在利用大数据源预测市场的人只不过是被施了魔咒,他们所做的只是找到相当于391号硬币的东西。P247
36：事实上,这一直是遗传学和智商研究的一般模式。科学家先是报告称,他们已经发现了预测智商的基因变体;然后,他们又得到新的数据,发现自己原来的说法是错误的。P250
37：总而言之,根据这些研究人员的研究,一个人如何还贷的详细计划和过去曾履行过的承诺是他会偿还贷款的证据。做出承诺、博得同情是一个人不会还款最为明显的迹象。P261
全文完
2018左其盛好书榜，没见过更好的榜单
2018左其盛差评榜，罕见的差书榜
2018读过评过的400多本书
本号810篇书评的索引与书单
想跟小编讨论请移步知识星球
更多良心书评参见我的公众号：左其盛经管新书点评