「檢察官起訴定罪率高達90%以上」，法務部宣稱的超高政績，你信或不信？
吹牛當然要打草稿，政務官是政府最頂層的官員，發言代表國家的信譽，運用和解釋統計尤其必須謹小慎微。如果不當誤用統計數據，小則被人民譏為不好笑的笑話，大則被誤為故意的官式騙局，不能不慎！產學界高階主管亦當如此。
統計學上最常見的錯誤是把數字當成真相，忽略了數字是如何產生的。而綜觀公共政策、司法檢調與媒體報導，最常見的統計謬誤即有十項之多，每個都存有陷阱。
一、選擇性統計：只挑對自己有利的數據，例如：「檢察官定罪率高達95%。」問題是：是否包含不起訴案件？是否包含撤回起訴案件？是否包含認罪協商案件？是否只計算已判決確定案件？
如果只計算「正式起訴且最後判決確定」的案件，自然容易得到極高定罪率。這就像醫院宣稱手術成功率99%，卻把病情最危急患者排除在外。
二、母體定義錯誤：統計結果往往取決於分母怎麼選，例如：檢察官一年受理100萬件案件，其中60萬件不起訴、25萬件緩起訴、10萬件起訴、5萬件其他處分。最後起訴案件有9萬件定罪，那麼定罪率90%
，看起來很高，但若從所有受理案件來看，卻只有9%，意義完全不同。
三、倖存者偏差：只看到留下來的人。經典案例是，二戰美軍研究返航飛機彈孔分布。原本認為哪裡中彈最多，就加強哪裡，後來發現錯了。
真正需要強化的是，沒回來飛機受損的位置。司法亦然，若只講成功起訴案件，就忽略了錯誤起訴、冤案、長期羈押後無罪、不當偵查，當然不對。
四、平均數迷思：平均值可能掩蓋真實情況，例如：平均薪資6萬元，但可能90%的人只有4萬元，少數高薪者把平均拉高。
司法統計也是，平均結案天數100天，可能其實多數案件30天結案，少數重大案件拖3年，平均數不能代表正常狀況。
五、相關不等於因果：兩個數據一起變動，不代表彼此造成因果，例如：冰淇淋銷售增加，溺水案件也增加，並不是吃冰會導致溺水。真正原因是夏天到了。司法也會出現提高羈押率，所以犯罪下降，可能還有景氣改善、警力增加、人口結構改變等原因。
六、基率忽視：忽略事件本來就很少或很多，例如：某檢察署宣稱貪污案件定罪率95%。
但如果原本起訴門檻就極高，
只起訴證據最充分的少數案件，高定罪率其實是制度設計結果，未必代表偵查能力特別優秀。
七、指標替代目標：當一個指標成為考核目標，它就不再是好的指標，例如：若以起訴定罪率考核檢察官，可能造成傾向不起訴疑難案件、避免挑戰性案件、偏好證據明確案件、鼓勵被告認罪協商。結果是數字變漂亮，司法品質卻未必提升。
八、小樣本推論：樣本太少卻下重大結論，例如：某地一年只有20件貪污案，其中18件定罪，就宣稱本署辦案績效全國第一，其實統計波動可能非常大。
九、比例迷思：媒體最常誤用此一迷思，例如：犯罪增加50%。實際上去年2件，今年3件。雖然增加50%，但絕對數量只增加1件。
十、辛普森悖論：把不同群體混在一起，會得出錯誤結論，例如：整體定罪率提高，但細分後發現一審案件定罪率下降、二審案件定罪率下降、只是因為案件結構改變。
哇，賴總統和卓院長看到上述政務官可能天天上演的官式騙局沒？尤其是司法、檢調、國防、國安部門相對擁有較大的機密黑箱空間，當然比較容易發生誤解統計的情事。
統計學家常說：「數據不會說謊，但人會利用數據說故事。」因此，閱讀任何政府績效數據時，最重要的不是看百分比，而是先追問：這個數字是怎麼算出來的？誰被算進去？誰被排除在外？這些都比數字本身更重要。 （相關報導： 夏珍專欄：賴清德累不死呂洞賓 ｜ 更多文章 ）
＊作者黃丙喜為國家公益發展協進會榮譽會長；張其祿為中山大學政經系特聘教授。
