Czy statystyki są manipulowane, żeby uspokoić społeczeństwo?

Liczby wyglądają niewinnie. Nie podnoszą głosu, nie mają partyjnej legitymacji, nie krzyczą z pasków informacyjnych. Stoją w tabeli i udają, że są końcem dyskusji.

A jednak każdy, kto choć raz zobaczył komunikat „sytuacja jest stabilna”, a potem poszedł do sklepu, szpitala albo urzędu, zna to uczucie: coś się nie składa. Nie dlatego, że każda oficjalna statystyka jest fałszowana. Dlatego, że między rzeczywistością a wykresem znajduje się cała maszynownia decyzji: definicje, metody, terminy, korekty, dobór wskaźników i język komunikatu.

Pytanie brzmi więc nie: „czy statystyki zawsze kłamią?”. To byłoby zbyt łatwe. Pytanie brzmi: kiedy statystyka staje się narzędziem uspokajania społeczeństwa, zanim jeszcze społeczeństwo dostało pełny obraz?

Tło: oficjalne dane mają być tarczą przed chaosem

FAKT: statystyka publiczna istnieje po to, żeby państwo, obywatele, media, nauka i gospodarka miały wspólny punkt odniesienia. Zasady ONZ mówią o bezstronnym udostępnianiu danych jako elemencie demokratycznego prawa obywateli do informacji. Europejski system statystyczny mówi o niezależności zawodowej, obiektywności, jakości i przejrzystości. Polska ustawa o statystyce publicznej także odwołuje się do rzetelnego, obiektywnego, profesjonalnego i niezależnego prowadzenia badań.

To ważne, bo bez oficjalnych danych zostaje krzyk. Każda grupa wybiera własny wykres, własną metodę i własną prawdę. Statystyka publiczna ma przeciąć ten spór.

Ale właśnie dlatego staje się atrakcyjnym celem.

Bo jeśli jedna liczba może wpłynąć na nastroje społeczne, rating kraju, decyzję banku centralnego, wynik wyborów, poziom świadczeń albo ocenę skuteczności rządu, to liczba przestaje być tylko liczbą. Staje się polem walki.

Chronologia podejrzenia: od danych do narracji

Najpierw jest zjawisko. Ceny rosną. Ludzie tracą pracę. Wzrasta liczba zachorowań. Spada liczba zgłoszeń przestępstw. Szpitale mają kolejki. Granice są pod presją. Społeczeństwo czuje napięcie zanim zobaczy tabelę.

Potem pojawia się pomiar. Trzeba zdecydować, co dokładnie liczymy. Bezrobotnych? Tylko zarejestrowanych? Tylko aktywnie szukających? Inflację? Jakim koszykiem? Przestępczość? Według zgłoszeń, wyroków, interwencji, badań ankietowych czy realnych doświadczeń ofiar? Migrację? Według przekroczeń granicy, wniosków, pobytu, statusu prawnego czy deklaracji?

Następnie przychodzi publikacja. Można pokazać jeden miesiąc albo średnią roczną. Można porównać do poprzedniego miesiąca, poprzedniego roku albo najgorszego okresu w historii. Można dać wykres od zera albo wykres przycięty tak, żeby różnica wyglądała dramatycznie albo łagodnie. Można napisać „wzrost spowalnia”, choć ceny dalej rosną. Można napisać „spadek dynamiki”, choć problem nadal uderza w ludzi.

Na końcu pojawia się narracja. I tu zaczyna się najciekawsze.

Bo manipulacja nie musi polegać na sfałszowaniu tabeli. Czasem wystarczy uczciwą liczbę włożyć w nieuczciwą ramę.

Co nie gra: pięć najczęstszych sygnałów ostrzegawczych

Pierwszy sygnał to zmiana definicji bez prostego wyjaśnienia. Jeśli wskaźnik nagle wygląda lepiej, trzeba zapytać, czy zmieniła się rzeczywistość, czy sposób liczenia. Sama zmiana metodologii nie jest dowodem manipulacji. Metody powinny się zmieniać, bo świat się zmienia. Problem zaczyna się wtedy, gdy zmiana pojawia się w politycznie wygodnym momencie i nie da się łatwo porównać starej serii z nową.

Drugi sygnał to selekcja wskaźnika. Władza, firma albo instytucja może mówić o tym, co wygląda dobrze, i milczeć o tym, co wygląda źle. Bezrobocie spada, ale rośnie liczba biernych zawodowo. Inflacja hamuje, ale ceny żywności nadal są wyżej niż rok wcześniej. Przestępczość zgłoszona maleje, ale badania ofiar pokazują brak zaufania do zgłaszania. Szpital skraca średni czas pobytu, ale pacjenci wracają na SOR. Liczba jest prawdziwa. Obraz jest przycięty.

Trzeci sygnał to opóźnianie publikacji albo publikowanie danych w chwili, gdy najmniej osób patrzy. To klasyczna technika zarządzania uwagą. Dane niewygodne nie muszą zniknąć. Wystarczy, że zostaną zakopane w piątkowe popołudnie, przykryte innym tematem albo podane w formie tak technicznej, że nie przebiją się do debaty.

Czwarty sygnał to brak danych surowych, brak archiwum rewizji i brak jasnej metodologii. W normalnym systemie korekty są naturalne. Dane gospodarcze, demograficzne i zdrowotne często dojrzewają: spływają formularze, zamykają się rejestry, poprawia się klasyfikacje. Ale jeśli rewizje zawsze idą w jedną politycznie wygodną stronę, a użytkownik nie może zobaczyć, skąd się wzięły, zapala się czerwona lampka.

Piąty sygnał to presja na jeden magiczny cel. Tu działa prawo Goodharta: gdy wskaźnik staje się celem, przestaje być dobrym wskaźnikiem. Jeśli system nagradza za niską liczbę kolejek, niską liczbę zgłoszeń, wysoką zdawalność, szybki czas obsługi albo spadek określonego wskaźnika, ludzie zaczynają optymalizować nie rzeczywistość, tylko pomiar. Czasem z pełną świadomością. Czasem z czystego przetrwania w źle ustawionym systemie.

Hipotezy: po co uspokajać społeczeństwo liczbami?

HIPOTEZA pierwsza: chodzi o uniknięcie paniki. W kryzysie finansowym, epidemicznym, wojennym albo migracyjnym instytucje boją się reakcji łańcuchowej. Jeśli ludzie uznają, że system traci kontrolę, mogą wywołać skutki, które same pogorszą sytuację: wypłaty gotówki, wykupywanie towarów, chaos informacyjny, presję na szpitale, nieufność wobec procedur. Wtedy pokusa brzmi: pokażmy dane spokojniej, żeby nie podpalić emocji.

HIPOTEZA druga: chodzi o ochronę reputacji. Dane są lustrem dla rządzących, zarządów, instytucji i ekspertów. Jeśli wskaźniki wyglądają źle, ktoś może zapytać: kto odpowiada? Wtedy zaczyna się walka o definicje. Nie dlatego, że ktoś od razu fałszuje liczby. Czasem dlatego, że każda instytucja woli miernik, w którym wygląda rozsądniej.

HIPOTEZA trzecia: chodzi o pieniądze. Inflacja wpływa na indeksacje, stopy procentowe, obligacje, pensje, świadczenia i decyzje inwestorów. Deficyt wpływa na wiarygodność kraju. Dane o rynku pracy wpływają na politykę gospodarczą. Statystyka nie jest neutralna ekonomicznie. To mapa, według której płyną miliardy.

HIPOTEZA czwarta: chodzi o kontrolę narracji. Kto pierwszy nazwie zjawisko, ten często ustawia debatę. „Spadek dynamiki” brzmi inaczej niż „ceny nadal rosną”. „Stabilizacja” brzmi inaczej niż „problem utrzymuje się na wysokim poziomie”. „Incydenty” brzmią inaczej niż „trend”. Czasem największa manipulacja nie siedzi w Excelu. Siedzi w tytule komunikatu.

Przykłady, które uczą ostrożności

FAKT: sprawa greckich statystyk deficytu i długu publicznego stała się jednym z najgłośniejszych europejskich przykładów utraty zaufania do danych fiskalnych. Eurostat opublikował w 2010 roku raport dotyczący greckich danych o deficycie i długu, a problem rewizji i wiarygodności danych wrócił później w analizach kryzysu zadłużeniowego.

FAKT: Argentyna przez lata była opisywana jako przykład kraju, w którym polityczna ingerencja w statystyki inflacyjne zniszczyła wiarygodność oficjalnych danych i zmusiła obserwatorów do korzystania z alternatywnych miar. To nie jest detal techniczny. Inflacja dotyka pensji, cen, długu i zaufania do całego państwa.

FAKT: instytucje międzynarodowe tworzą całe ramy oceny jakości danych właśnie dlatego, że problem nie jest wymysłem internetowych forów. IMF ma Data Quality Assessment Framework. Bank Światowy ma Statistical Performance Indicators. Eurostat ma kodeks praktyk. UK Statistics Authority ma kodeks oparty na zaufaniu, jakości i wartości. Gdyby oficjalne dane były samogwarantującą się prawdą, takie bezpieczniki nie byłyby potrzebne.

Ale tu trzeba uważać. Istnienie przypadków manipulacji nie dowodzi, że każda niewygodna statystyka jest ustawiona. To błąd lustrzany. Jedni wierzą każdej tabeli, bo ma logo instytucji. Drudzy odrzucają każdą tabelę, bo ma logo instytucji. Obie postawy są leniwe.

Test rozstrzygający: jak sprawdzać, czy liczba uspokaja zamiast informować

Warto zapisać prosty test pięciu pytań.

Po pierwsze: jaka jest definicja? Bez definicji nie ma statystyki. Jest tylko słowo przebrane za liczbę.

Po drugie: czy definicja się zmieniła? Jeśli tak, czy pokazano most między starą a nową serią danych?

Po trzecie: czy istnieją dane alternatywne? Oficjalne rejestry można porównać z badaniami ankietowymi, danymi branżowymi, danymi międzynarodowymi, badaniami naukowymi albo niezależnymi szacunkami.

Po czwarte: czy publikowane są rewizje? Dobra statystyka nie udaje nieomylności. Dobra statystyka pokazuje poprawki i tłumaczy, skąd się wzięły.

Po piąte: czy komunikat jest symetryczny? Jeśli instytucja chętnie eksponuje poprawę, ale chowa pogorszenie, to problemem może być nie liczba, tylko propaganda selekcji.

Ten test nie daje natychmiastowego wyroku. Daje coś lepszego: metodę oddzielania podejrzenia od dowodu.

Wnioski: liczby nie kłamią same, ale można im ustawić scenę

Czy statystyki są manipulowane, żeby uspokoić społeczeństwo?

Najuczciwsza odpowiedź brzmi: czasem tak, ale częściej dzieje się to subtelniej, niż sugeruje słowo „fałszowanie”. Najbardziej niebezpieczna manipulacja nie polega na wymyśleniu liczby z powietrza. Polega na takim dobraniu definicji, okresu, wskaźnika i narracji, żeby prawdziwy fragment rzeczywistości udawał całość.

FAKT: oficjalne statystyki są potrzebne, a dobre systemy statystyczne mają zabezpieczenia: niezależność, metodologie, audyty, rewizje, standardy jakości i równy dostęp do informacji.

HIPOTEZA: tam, gdzie dane wpływają na władzę, pieniądze i nastroje, zawsze istnieje pokusa, żeby nie tyle złamać termometr, ile przestawić go w cień.

Dlatego zdrowa postawa nie brzmi: „nie ufaj żadnym statystykom”.

Zdrowa postawa brzmi: „ufaj procedurom, sprawdzaj definicje, porównuj źródła i nie myl wykresu z rzeczywistością”.

Bo wykres jest tylko latarką. Prawdziwe pytanie brzmi: kto ją trzyma i dlaczego świeci właśnie tam?

ŹRÓDŁA

Ocena źródeł A/B/C i ryzyko błędu

A: ONZ, GUS, Eurostat, IMF, Bank Światowy, UK Statistics Authority, National Academies/NCBI. To źródła instytucjonalne lub ramy jakości danych.
B: Bruegel, CNA, artykuł naukowy w New Political Economy. To opracowania eksperckie i akademickie, przydatne do interpretacji mechanizmów i przykładów.
C: brak źródeł typu blog/social media jako podstawy tekstu.
Ryzyko błędu: średnie, bo pytanie jest szerokie i nie dotyczy jednego kraju, jednej instytucji ani jednego wskaźnika. Mechanizmy są dobrze opisane, ale konkretne oskarżenia wymagają osobnego śledztwa dla konkretnego przypadku.
Co by to rozstrzygnęło: pełny dostęp do metodologii i danych surowych, jawne archiwum rewizji, niezależny audyt statystyczny, porównanie z alternatywnymi źródłami oraz ujawnienie komunikacji między decydentami a instytucją publikującą dane.

Powiązane wpisy