麼一來繳不出房貸的人就更多了。在這樣的加成效果之下，房屋價格的下跌以及銀行的損失將會逐漸擴散到信用評級較佳的借款者以及放貸條件較為嚴謹的金融機構身上，最終形成全面性的資產價格下跌。

這也是為什麼當美國的次貸危機發生的時候，僅僅一小撮信用最差的次級貸款的貸款人付不出錢，卻會引起全球這麼大的危機，又為什麼雷曼兄弟（Lehmanbrothers）一家金融機構倒閉後會掀起整個華爾街，甚至於全世界的金融海嘯。我們如果從美國整體平均的信貸違約率或者是整體金融機構的平均資本適足率來看，絕對無法瞭解為什麼我們的金融體系是如此的脆弱且不堪一擊。因為整個金融體系就像是一條環環相扣的鎖鏈，只要最脆弱的一個環節出現斷鏈，便影響了整個金融�系，甚至於全球的金融環境。千萬不要使用不合宜的資料來作為評估的基礎，因為這麼一來我們往往要等到整條鎖鏈已經斷裂之後才會發現問題的嚴重性，但為時已晚。

以《隨機的致富陷阱》（FooledbyRandomness）和《黑天鵝效應》（TheBlackSwan）聲名大噪的納西姆·尼可拉斯·塔雷伯（NassimNicholasTaleb）曾說：“千萬不要涉水過河，因為河流平均有4英尺深。”其實4英尺差不多是120厘米左右而已，為什麼不能涉水過河呢？一樣的道理，因為你根本無法從“河流平均有4英尺深”這句話判斷河流最深的地方是多深？一條平均深度4英尺的河流，實際深度很可能從2英尺到20英尺都有。錯誤的運用資料不僅僅會虧大錢，還很可能會致命。不是隻有捏造的資料才會騙人，真實的資料往往也會誤導大眾，千萬別被統計數字給誘拐了。

心理判斷的偏差

同樣的一種統計資料，但採用不一樣的表述方法，很可能會得到完全不一樣的反應與結果。舉例來說，如果有一種絕症必須要採用一種尚在實驗中的手術方式才有可能治癒，醫生告知說：“動這個手術的病人，一百個人中有十個人會在手術中過世。”如果你就是這個病人，你會選擇動這個手術嗎？

先不用急著回答這個問題，我們再換一種說法：“動這個手術的病人，一百個人中有九十個人會在手術後存活。”這樣的說法聽起來是不是會增加你想要動手術的意願呢？即便兩種論述在統計上來看都是90％的生存率，但是不一樣的陳述方式就是會讓我們在直覺判斷上出現誤差。

另一種偏差的原因在於我們對於這個資料的熟悉度，也就是這些事件出現的頻率是不是容易評估。舉例來說，1999年的9·21大地震，臺灣出現了2415名不幸的罹難者，如果這個時候有保險業者上門兜售比平常加價一倍的地震死亡險，我相信大多數的民眾應該毫不考慮地就掏出錢包簽約了吧？

但如果我們仔細去分析地震的破壞力，從1999年的9·21大地震一直到2011年，這13年間全臺灣因為地震而過世的人數是2430人，也就是說9·21大地震過後的12年間，全臺灣因為地震喪生的人數為15人，平均一年大概是1個人多一點。而若包括9·21大地震在內，這12年間2430名因地震死亡的人數，其實還遠遠地低於全臺灣一年間的自殺死亡人數，同時也只有一年不到因癌症死亡人數的1/20，然而我們卻可能因為心理上的恐懼因素而放大了地震對於生命造成的危害。事實上，根據能量釋放的理論，大地震發生過後其實往往是最安全的時候，但我們卻很容易因為心理因素而在災難過後去購買最貴的災難險。

同樣的現象也發生在其他的事件，例如許多人常常害怕飛機失事，甚至怕到不敢搭飛機，但每一年因車禍事故身亡的人數其實遠遠超過飛機失事罹難的人數。很多時候，我們常常會因為心理上的因素而對於數字產生錯誤的判斷。

統計佐證？統統忘記還比較好！

有個統計的笑話是這麼說的：“根據統計的資料顯示，床是全世界最危險的地方，因為大多數的人都是死在床上，所以如果你想活久一點，千萬別上床。”

我們在利用資料作為佐證資料時常常會遇到另一種問題，就是統計的謬誤。

彭博社《商業週刊》（Businessweek）的錢德勒沙卡倫（ValiChandrasekaran）曾發表一篇名為《是相關還是因果關係》（CorrelationorCausation？）的文章。這篇文章其實沒有幾個字，他只列出了幾個具有高度相關係數的統計圖表，但已經充分地說明了