轶事毫无价值的5个原因

个人轶事往往是那些否认科学的人的主要论据。如果你问任何一位另类医学或反疫苗运动的支持者，他们有什么证据，你几乎肯定会听到一大堆轶事。只需在网上快速搜索一下，你就会发现无数人坚称顺势疗法之类的完全无效的疗法有效，因为他们服用后感觉好多了。这些说法通常伴随着一些感人的故事，比如他们“尝试了所有方法，但只有[此处插入某种荒谬的灵丹妙药 ]有效”。同样，我也经常遇到一些人，他们坚信排毒疗法不是骗局，或者有机食品比转基因食品更好，因为“他们吃有机食品/服用排毒补充剂后感觉更健康”。

反疫苗人士可能是最擅长利用轶事的群体。他们用个人经历来指责疫苗是所有你能想到的疾病的罪魁祸首，但他们的伎俩远不止于此。对他们来说，疫苗包装说明书 、疫苗不良事件报告系统 （VAERS） 以及国家疫苗免疫控制计划 （NVICP） 的病例报告等收集到的症状数据，被视为证明疫苗有害的黄金标准。然而，这些资料实际上也只是轶事的集合。同样，即使反疫苗人士试图引用科学文献 ，他们最终也往往只是罗列病例报告 ，而这些报告本质上不过是经过美化的轶事而已。

如果轶事真的能作为有效证据，那这一切都无可厚非，但事实并非如此。正如我将在本文中解释的，轶事毫无价值，如果你的论点建立在轶事之上，那么你的论点就应该被驳回。

在开始之前，我想先澄清一下我所说的“轶事毫无价值”是什么意思。它们作为证据毫无价值，你不能用它们来建立因果关系。例如，你不能说“鲍勃服用了 X，然后病情好转；因此，X 有效”。但是，你可以说“鲍勃服用了 X，然后病情好转；因此，X 可能是一个值得未来研究的有趣课题”。换句话说，轶事可以帮助研究人员决定研究哪些课题、研究哪些潜在药物等等。然而，在缺乏大规模、严格控制的研究的情况下，你不能贸然得出存在因果关系的结论。换句话说，在 X 经过适当的测试之前，你不能假设 X 有效，而且，也许最重要的是，如果测试结果与轶事不符，你必须否定的是轶事，而不是测试结果。

还有一些情况下，轶事可能有用（例如，如果病人濒临死亡，医生已经用尽了所有基于科学的治疗方案，那么只有在这种情况下，尝试一种只有轶事证据支持的疗法才是合适的）。然而，就本文而言，我只想重点阐述为什么轶事作为因果关系的证据是完全无效的。

1）如果你使用轶事，你就犯了逻辑谬误。
每当有人用轶事来论证 X 导致 Y 时，他们就犯了一种逻辑谬误，称为后此谬误（ post hoc ergo propter hoc ，通常简称为 post hoc）。拉丁语原文意为“在此之后，因此是因为此”，这种谬误出现在以下形式的论证中：

• X 发生在 Y 之前
• 因此，X 导致了 Y。

敏锐的读者很快就会发现，绝大多数个人轶事都与这种三段论如出一辙。例如，如果你说：“我服用了这种保健品，然后感觉好多了；因此，这种保健品有效”，你就犯了逻辑谬误。同样，如果你说：“我给孩子接种了疫苗，然后他得了自闭症；因此，疫苗会导致自闭症”，你也犯了逻辑谬误。此外，如果你说：“我改吃有机食品，然后感觉好多了；因此，有机食品更健康”，你也犯了逻辑谬误。我的意思表达清楚了吗？用个人轶事作为因果关系的证据在逻辑上是无效的，逻辑规则告诉我们，任何包含逻辑谬误的论证都是不可靠的， 必须被驳斥。

事后谬误无效的原因显而易见：Y 发生在 X 之后并不意味着 X 导致了 Y。例如，假设你在一家信誉良好的加油站加满了油，但几英里后你的车就抛锚了。你能断定是劣质汽油导致了你的车抛锚吗？不能。劣质汽油当然有可能是罪魁祸首，但你的车也可能是完全与汽油无关的原因抛锚的，而加油只是个巧合。即便如此，你服用 X 后病情好转并不意味着 X 有效，因为还有许多其他因素可能导致你的康复。

值得注意的是，如果你要进行概率论证，并且因果关系已经确立 ，那么你可以利用事件发生的顺序来构建一个合理的论证。换句话说，如果你基于实际证据（而非轶事）知道 X 可以导致 Y，那么如果 Y 发生在 X 之后，那么得出 X 很可能导致 Y 的结论并非不合理。因此，你可以说：

• 已知物品 X 会导致 Y
• 我服用了 X，然后发生了 Y。
• 因此，X 可能导致了 Y。

只有当存在有效的科学证据表明 X 确实会导致 Y 时，这种说法才没有问题。此外，论证的强度取决于 X 和 Y 之间关系的强度（例如，如果 X 在 99% 的情况下导致 Y，那么这是一个非常有力的论证；但如果 X 只在 0.0000001% 的情况下导致 Y，那么这不是一个好的论证，因为 X 几乎从不导致 Y）。

2）轶事并不具有代表性。
轶事的另一个主要问题是，它们无法准确反映 X 的影响或 Y 的原因。例如，假设你对 X 这种神奇疗法感兴趣，上网搜索后发现很多人声称它对他们有效。但这实际上并不能提供太多信息，因为它既没有告诉你 X 对多少人无效 ，也没有告诉你有多少人在没有使用 X 的情况下康复了。

再举个例子，反疫苗人士喜欢引用接种疫苗后出现某种症状的轶事，但他们提供的每一个轶事，我都能提供很多像我一样完成了全部推荐疫苗接种程序且身体健康的例子。这两组轶事实际上都没有意义，因为它们都不具有代表性。要真正了解 X 是否导致了 Y，我们需要 Y 相对于 X 的实际发生率，而不仅仅是零散的报告。换句话说，我们需要知道 Y 在 X 之后发生的次数，Y 在没有 X 的情况下发生的次数，以及 X 发生但之后没有发生 Y 的次数（在某些情况下，你可能只需要后两者中的一个，但至少需要一个）。

3）轶事不受控制
轶事证据的第三个主要问题在于，它们无法控制所有可能的因素。换句话说，你不能说“我服用了 X，然后就好了；所以 X 有效”，因为除了 X 之外，可能还有其他因素导致你康复。很多情况下，人们只是自行痊愈。例如，我经常看到有人服用治疗普通感冒的“药物”，然后又病了一天（通常是几天），之后才好转，但康复后他们却坚称是药物起了作用。问题在于，人们通常几天就能痊愈。因此，仅凭这种轶事根本无法判断是药物起了作用，还是他们的身体自行痊愈了。正如我在第二点中解释的那样，这就是为什么了解事件 Y 相对于事件 X 的实际发生率如此重要的原因。

安慰剂效应是另一个巨大的混淆因素。安慰剂效应经常被误解和曲解（你可以在这里和这里找到很好的解释/讨论），但事实是，在很多情况下，如果人们认为自己正在服用某种药物或疗法会有帮助，即使这种疗法完全无效，他们也会感觉好转。对于疼痛这类高度主观的测量指标来说，这种情况尤其如此。因此，在某些情况下，即使治疗本身实际上没有任何效果，人们也可能感觉好转。

还有许多其他潜在因素容易被人们忽略。例如，替代医学就以推荐一大堆疗法，然后从中挑选一种作为罪魁祸首而闻名。比如，我经常听到有人说：“我知道 X 有效，因为我的自然疗法医生让我多运动、多吃蔬菜、服用 X，我现在感觉很好。”如果你也开始多运动、吃得更健康（这两点实际上都有科学证据支持），那么把功劳归于 X 就显得很荒谬了。我经常遇到的另一个例子是：“我的自然疗法医生让我做 A、B、C，少吃麸质，我现在感觉好多了，所以麸质肯定对身体不好。”同样，你怎么知道是麸质而不是 A、B 或 C 起了​​作用呢？这两个例子都包含非常明显的混淆因素 ，但混淆因素可能更加隐蔽，你甚至可能根本意识不到它们的存在。所以，即使据你所知，X 是唯一发生变化的事情，也可能存在一些你没有想到或根本没有意识到的其他变化。

最后，值得注意的是，在某些情况下，我们无法确定事件的真正原因，但这并不意味着你可以断定它是 X 造成的。换句话说，如果你说“X 导致 Y，因为我服用了 X，然后发生了 Y”，而有人指出你使用了轶事，你不能反驳说“如果不是 X，那又是什么原因呢？除非你能证明是其他原因，否则一定是 X。”这种论证实际上是一种逻辑谬误，具体来说，是一种诉诸无知的谬误 。我不知道 Y 的起因，并不意味着它就是 X，你也不能因此就得出这样的结论。换句话说，你声称 X 导致 Y，就意味着你承担了举证责任 ，你有责任提供 X 导致 Y 的实际证据。我没有责任提供 X 不导致 Y 的证据。

4）轶事样本量为 N=1
样本量的重要性是统计学中最基本的概念之一。样本量越大，统计功效就越高，结果也就越有把握。然而，轶事仅仅是一次观察，从一次观察推断出普遍趋势是荒谬的。例如，假设你想知道一枚硬币是否有偏差，于是你抛掷两次，两次都是正面朝上。你应该得出硬币有偏差的结论吗？当然不应该。如此小的样本量毫无意义，因为你完全有可能（甚至很可能）只是偶然得到了有偏差的结果。轶事也是如此。说“我给孩子接种了疫苗，然后他得了自闭症；因此，疫苗会导致自闭症”与说“我抛掷硬币两次，两次都是正面朝上；因此，硬币有偏差”在样本量上并没有本质区别。极小的样本量根本不可靠。

5）轶事并非系统地收集。
根据我在第4点中的论述，你可能会想：“但我在网上遇到过很多人，他们的经历都和我一样，所以我的样本量远不止一个。” 这种说法的问题在于，这些轶事并非系统地收集的。这其实是一个普遍存在的问题，与第2、3和4点有很大的重叠之处，但它非常重要，所以我想单独讨论一下。

科学的标志之一是系统性。真正的科研是经过精心策划、严格控制和可重复进行的，而这种系统性正是科学成为理解宇宙的强大工具的关键所在。例如，当我们想要回答“疫苗会导致自闭症吗？”这样的问题时，我们不会随意在网上寻找相关信息。相反，我们会精心挑选具有代表性的研究人群，控制混杂因素，使用大样本量，并测量接种疫苗和未接种疫苗儿童的实际自闭症发病率（例如， Taylor 等人，2014 ）。只有这种方法才能帮助我们克服第 2-4 点中描述的问题，并最终获得可靠的答案。而轶事则完全缺乏系统性，因此极其不可靠，也不科学。

结论
总之，以轶事作为因果关系的证据犯了逻辑谬误，这意味着轶事论证必须被驳回。此外，轶事既不能公正地反映 X 对 Y 的影响，也不能解释潜在的混杂因素。因此，轶事作为证据毫无价值。它们根本无法证明因果关系。正如我经常在这个博客中提到的 ，如果你想知道 X 是否导致 Y，唯一的方法就是开展大规模、控制良好的研究，并考虑混杂变量。其他任何方法都行不通。无论你是否“亲眼见过它有效”，无论某种方法是否已经使用了几个世纪 ，无论某种症状是否已被记录在 VAERS 等数据库中或印在药品说明书上，都无关紧要。除非经过严谨的科学测试证明 X 导致 Y，否则你不能得出两者之间存在因果关系的结论。