Giả sử một tờ báo địa phương đăng bài viết rằng “khu vực có thu nhập càng cao thì tỷ lệ ủng hộ một đảng nhất định càng cao”. Nhiều người đọc bài này sẽ tự nhiên nghĩ: “Hóa ra người giàu thích đảng đó.” Thế nhưng, khi thực sự khảo sát từng người một, đôi khi kết quả lại hoàn toàn ngược lại. Ảo tưởng nảy sinh khi đem nguyên con số của một nhóm gán cho từng cá nhân chính là ‘ngụy biện sinh thái (Ecological Fallacy)’.
Nói đơn giản, ngụy biện sinh thái là sai lầm khi suy luận rằng kết luận rút ra từ dữ liệu được thu thập theo đơn vị nhóm, như khu vực, quốc gia hay trường học, cũng đúng y như vậy với các cá nhân thuộc nhóm đó. Ở đây, từ ‘sinh thái’ không nói về sinh học mà là một thuật ngữ thống kê chỉ dữ liệu ở cấp nhóm bao quanh cá nhân.
Trong bài viết này, chúng ta sẽ lần lượt tìm hiểu tên gọi ngụy biện sinh thái ra đời như thế nào, nguyên lý khiến dữ liệu nhóm và dữ liệu cá nhân trái ngược nhau, những ví dụ thường gặp trong thực tế và cách tránh cái bẫy này.
Vì sao con số của nhóm không thể thay cho cá nhân
Khởi đầu của tên gọi ngụy biện sinh thái
Ngụy biện sinh thái được biết đến rộng rãi khi một nhà xã hội học tính toán lại dữ liệu điều tra dân số của Mỹ.
(1) Bài báo năm 1950 của Robinson
Nhà xã hội học người Mỹ William S. Robinson đã dùng dữ liệu điều tra dân số năm 1930 để so sánh tỷ lệ dân sinh ra ở nước ngoài với tỷ lệ mù chữ theo từng bang. Xét theo đơn vị bang, những bang càng có nhiều người nhập cư thì tỷ lệ mù chữ dường như lại càng thấp. Nhưng khi tính lại theo đơn vị cá nhân, kết quả lại theo chiều ngược lại: người nhập cư có khả năng mù chữ cao hơn một chút so với người sinh ra tại Mỹ. Hệ số tương quan cấp bang là âm 0,53, còn hệ số tương quan cấp cá nhân là dương 0,12. Năm 2011, một nghiên cứu xem xét lại cho thấy một phần dữ liệu Robinson dùng để tính ở cấp bang bị sai và giá trị đúng là âm 0,46, nhưng điểm cốt lõi là chiều tương quan bị đảo ngược thì vẫn giữ nguyên.
(2) Lý do của sự trái ngược
Robinson giải thích rằng sự khác biệt này xuất hiện vì người nhập cư chủ yếu định cư ở những bang mà cư dân sinh ra tại Mỹ có khả năng đọc viết cao. Có thể nói, đặc điểm của nhóm đã che lấp đặc điểm của cá nhân.
(3) Hành trình đến với tên gọi
Robinson cảnh báo không nên dùng dữ liệu nhóm để phán đoán cá nhân, còn người đặt tên ‘ngụy biện sinh thái’ cho ảo tưởng này là nhà thống kê học Hanan Selvin vào năm 1958.
Nguyên lý khiến dữ liệu nhóm và dữ liệu cá nhân trái ngược nhau
Số trung bình hay tỷ lệ của một nhóm là kết quả gộp giá trị của nhiều người thành một, nên không cho thấy các cá nhân phân tán ra sao bên trong nhóm.
(1) Khác biệt về cấp độ của tương quan
Tương quan được tính theo đơn vị nhóm được gọi là tương quan sinh thái. Giá trị này có thể khác với tương quan cấp cá nhân không chỉ về độ lớn mà cả về chiều.
(2) Trung bình cao không có nghĩa là khả năng cũng cao
Giả sử ở nhóm A, 80% đạt 40 điểm và 20% đạt 95 điểm nên điểm trung bình là 51, còn ở nhóm B, một nửa đạt 45 điểm và một nửa đạt 55 điểm nên điểm trung bình là 50. Nhóm A có điểm trung bình cao hơn, nhưng nếu chọn mỗi nhóm một người để so sánh thì trong 80% trường hợp, người của nhóm B đạt điểm cao hơn.
(3) Ảnh hưởng do chính nhóm tạo ra
Khi hành vi của một cá nhân chịu ảnh hưởng không chỉ từ điều kiện của bản thân mà còn từ bầu không khí của nhóm xung quanh, mối quan hệ ở cấp nhóm và mối quan hệ ở cấp cá nhân sẽ thể hiện theo những cách khác nhau.
Nghịch lý Simpson, khi xu hướng đảo ngược ngay lúc gộp hay tách nhóm, cũng là hiện tượng có cùng gốc rễ, và trong thống kê đôi khi được xem như một nhánh của ngụy biện sinh thái. Rốt cuộc, điểm cốt lõi là việc gộp dữ liệu ở cấp độ nào có thể làm thay đổi chính kết luận.
Ngụy biện sinh thái trong đời sống
Ngụy biện sinh thái ẩn nấp khắp nơi trong tin tức, nghiên cứu và các cuộc trò chuyện hằng ngày.
- Bang giàu và cử tri giàu (Rich states and rich voters): Trong cuộc bầu cử tổng thống Mỹ năm 2004, ứng cử viên Bush thắng ở 15 bang nghèo nhất, còn ứng cử viên Kerry thắng ở 9 trong 11 bang giàu nhất. Tuy nhiên, xét theo cá nhân, 62% cử tri có thu nhập hằng năm trên 200.000 đô la đã bầu cho Bush, tỷ lệ cao hơn nhiều so với cử tri có thu nhập thấp.
- Nghiên cứu về tự sát của Durkheim (Durkheim’s study of suicide): Dựa vào kết quả rằng tỷ lệ tự sát cao hơn ở những vùng có nhiều tín đồ Tin Lành rồi khẳng định rằng từng tín đồ Tin Lành có nguy cơ cao hơn thường được nêu ra như một ví dụ tiêu biểu của ngụy biện sinh thái.
- Thói quen ăn uống và sức khỏe theo quốc gia (Diet and health by country): Việc một quốc gia ăn nhiều một loại thực phẩm nào đó có tuổi thọ trung bình cao không có nghĩa là người ăn thực phẩm đó sẽ sống lâu.
Như vậy, cùng một dữ liệu nhưng tùy vào việc nhìn từ cấp độ nào mà có thể kể ra những câu chuyện hoàn toàn khác nhau.
Cách tránh ngụy biện sinh thái
Để tránh ngụy biện sinh thái, trước khi đưa ra kết luận, cần kiểm tra xem dữ liệu được thu thập ở cấp độ nào.
(1) Khớp cấp độ của câu hỏi và dữ liệu
Nếu muốn tìm hiểu về cá nhân thì phải dùng dữ liệu cá nhân, còn nếu muốn tìm hiểu về khu vực hay quốc gia thì phải dùng dữ liệu nhóm. Ngay khi cấp độ của câu hỏi và cấp độ của dữ liệu lệch nhau, ngụy biện sẽ có kẽ hở để len vào.
(2) Phân tích xem xét nhiều cấp độ cùng lúc
Các kỹ thuật thống kê đưa cả hai cấp độ vào một mô hình để phân biệt chúng cũng được sử dụng, chẳng hạn như phân tích đa cấp, vốn xem xét đồng thời ảnh hưởng của cá nhân và nhóm.
(3) Cẩn trọng cả với cái bẫy theo chiều ngược lại
Ngược lại, cũng có sai lầm khi chỉ nhìn dữ liệu cá nhân rồi khẳng định đặc điểm của cả nhóm. Sai lầm này được gọi là ngụy biện nguyên tử (Atomistic Fallacy), một khái niệm đi thành cặp với ngụy biện sinh thái.
Ngụy biện sinh thái là ảo tưởng nảy sinh không phải vì con số sai, mà vì góc nhìn khi đọc con số bị lệch. Số trung bình của nhóm chỉ mô tả nhóm, chứ không thể nói thay cho một người nào trong nhóm đó.
Mỗi khi xem số liệu thống kê, hãy hỏi trước tiên rằng những con số này được thu thập theo đơn vị là ai, đó chính là bước đầu tiên để diễn giải dữ liệu đúng đắn.
