“校园暴力80%的施暴者是女生”。

这是最近我们在网上注意到一条数据。

在微博、知乎等平台搜索，能看到不少人在引用这个数据。

说实话，第一眼看到这个数据的时候觉得有点超出经验，女生的暴力确实存在，但真的已经远超出男生了吗？

但近几年，网上确实出现过很多女生在霸凌同学的视频。

有没有可能，“女生比较不暴力”真的是一种误解？或者是00后女生的校园暴力行为真的特别严重？又或者是抱团排挤、语言暴力等“情节较轻微”的校园暴力行为，女生中确实比男生更普遍？

于是，视知研究所仔细追溯了这个数据的来源，发现这是一个很有意思的问题：统计数据经常会骗人。恰好最近我们又收到了中信出版社的一本关于统计数据骗人的新书，叫做《拆穿数据胡扯》。

那么，就让我们从校园暴力这个故事出发，来聊聊统计数据是怎么骗你的。

首先，我去查了一下“80%校园暴力施害者是女生”的数据来源。很快找到，数据出处非常权威，是2016年11月的新闻报道：《解码“校园暴力”：七成校园暴力为多对一 九成未反抗》

记者对网上流传的一百部校园暴力视频进行了分析，指出“值得注意的是，在这一百部视频中，校园暴力的当事人主要是女性，遭遇暴力伤害的受害者中，男学生占14%，女学生占85%。而在施暴者当中，女性施暴者占82%左右，男性施暴者占18%。”

这个数据应该是权威可信的。

而且直到现在，我们还能时不时在网上看到爆出的校园暴力视频，其中确实是很多施暴者都是女生。两个证据结合，似乎可以得出“女生其实非常暴力”的结论了。

但是且慢，我们还需要更多的统计数据比对。

我们检索发现，同年，最高人民检察院召开的新闻发布会上也披露了一组数据，指出“校园暴力案件以男性为主，女性中学生涉及聚众暴力伤害犯罪成为新的增长点，中学生在涉罪未成年人中占比较高。如广东省检察机关2013年至2015年受理移送审查起诉校园暴力案件涉罪未成年人915人，男性占99%……从目前网络曝光的案件来看，女生实施校园欺凌和暴力行为的占有一定数量，最高检发布的案例中就有女生犯罪嫌疑人。”

从检察系统的统计看，校园暴力中女生“占有一定数量”而且“成为新的增长点”，但总体上依然是男生为主，而且在个别省份涉罪校园暴力案中，男性占到99%。

两组数据，为什么会出现这样几乎截然相反的矛盾呢？

众所周知，在统计上，统计标准或者样本不同，就会导致巨大的偏差。

一个最简单的例子就是，如果统计不同时代的人的寿命，就会发现00后普遍没有活过30岁。这看起来是一个笑话，但确实真的发生过。

《拆穿数据胡扯》中举了这样一个真实的案例。

2015年，有人统计了不同风格类型的音乐人的死亡时间。结果发现，从事传统风格音乐的人，比如爵士、布鲁斯、乡村，他们普遍都活得比较长；而从事朋克、金属、说唱、嘻哈等新风格音乐的人，普遍死得很早。该项研究似乎发现了一个可怕的问题，就是激进、新锐的音乐，会让人处于危险中。如果你搞金属或者嘻哈，那你就有很大概率英年早逝。

这个研究的偏差之处在于，说唱嘻哈这类音乐，差不多都兴起于上世纪70年代，真正流行还要更晚。这也就是说，如果只统计其中音乐人死亡的数据，他们必然是英年早逝。而爵士、蓝调、乡村音乐至少流行了一个世纪，绝大多数从业者都能寿终正寝。所以这个数据结果并不能支持说唱嘻哈会让人死得早的结论，只能说明这些新风格的音乐历史还不够长。

另一个有意思的案例是，关于飞机到底是不是最安全的交通工具。

一种说法流传很广，就是相比铁路、公路，飞机其实是安全度最高的。

但2007年《美国流行病学杂志》发表过一篇《美国按出行方式划分的交通工具碰撞伤害率：使用基于暴露的方法来量化差异》，统计了1999年到2003年全美发生的交通事故伤亡数据。

研究者发现，如果统计的基准是出行距离，那么飞机的单位死亡数确实是最低的，但如果比较的是出行次数或者出行时间，那结果就大为不同。

让我们回到校园暴力的性别问题。

基于样本偏差会导致结果出问题的原理，对于男生校园暴力和女生校园暴力数据的巨大差异，我们有了第一个猜想，可能是因为检察系统统计的都是达到或者接近犯罪程度的校园暴力，这部分男生施暴占大多数。现实中一般的校园暴力，男生比例未必有这么高。

但，这里依然还有一个问题。

除了不同程度的暴力带来的统计偏差，有没有别的可能影响了数据？

众所周知，如果我们在某乎统计中国人人均收入，结果可能是人均年入百万。在某瓣统计中国人人均阅读和观影数量，结果可能是中国人人均文艺青年。

媒体统计的是网上流传的校园暴力视频，计算出这些“校园暴力视频中施暴者80%是女性”，它和现实中“施暴者80%是女性”能不能划上等号呢？

会不会存在一种可能，网络视频这种媒介本身影响了样本的偏差呢？

带着这个疑问，我们试着查找了社交媒体和校园暴力相关的研究，然后真的有了发现。

2017年10月，《教育学术月刊》发表了一篇论文，题为《我国校园欺凌事件主要特征与治理对策——基于媒体文本的实证研究》。作者是北京理工大学国防科技创新与教育发展战略研究中心助理研究员王祈然等人。

研究对我国2016年各大纸媒公开报道的34起典型校园欺凌事件的地域特征、主客体特征、过程特征、结果特征进行具体分析，34例校园欺凌事件中共涉及44名被欺凌者和168名实施欺凌者。在被欺凌者中，共有24名男性和20名女性；在欺凌者中，共有121名男性和47名女性。有72.1%的欺凌者为男性。

特别应该关注的一点是，研究者在数据分析中发现：

在因变量为“欺凌行为过程是否拍视频炫耀”回归方程所涉及的五项自变量中，“被欺凌者性别”的显著性系数P为0.004。

在统计学中，一般将0.05设为一个显著性的标准值，计算得出的P系数如果低于这个数值，意味着存在统计学意义上的差异。P