反向幸存者偏差（reverse survivorship bias）是指：你主要盯着失败、退出、被拒或以其他方式被淘汰的案例，却把它们当成整个群体的代表。它和经典的幸存者偏差（survivorship bias）正好互为镜像——后者只看那些留下来、还看得见的案例。两种错误的根源一样：拿一个筛选过的样本，去下一个范围很大的结论。
什么是反向幸存者偏差？
“反向幸存者偏差”并不是有严格统一定义的专业术语，但拿它来描述一种常见的推理错误很合适：只研究失败的人或事物，就推断某种特质、选择或条件会导致失败。
藏在背后的问题是样本筛选。这些样本之所以被选中，正是因为它们已经失败、被排除、中途退出，或者结果不好。要判断某个疑似因素到底有没有影响，你还得知道这个因素在没有失败的案例里有多常见。
这种推理的基本结构是：
> 失败的案例往往具有特质 X。 > 所以，特质 X 导致失败。
这个结论也许是对的，但光凭这些证据证明不了。特质 X 在成功的案例里可能同样常见，甚至更常见。
相反方向的错误，可以看幸存者偏差详解：例子、常见误区和小测验。
反向幸存者偏差 vs. 幸存者偏差
| 偏差 | 关注哪些案例 | 典型的错误推论 |
|---|---|---|
| 幸存者偏差 | 成功了或仍然看得见的案例 | “成功的案例做了 X，所以 X 解释了成功。” |
| 反向幸存者偏差 | 失败、消失或被排除的案例 | “失败的案例做了 X，所以 X 解释了失败。” |
方向反了，解法却不变：把被选中的那一组，和相应的、没被选中的那一组放在一起比。
比如，一项研究如果只看倒闭的公司，那么除非它同时考察了采用同样做法、却仍在经营的公司，否则就无法说明这种做法预示着倒闭。只有失败案例的样本，可以帮你提出有用的假设，但单靠它没法验证这些假设。
反向幸存者偏差的例子
1. 创业公司的失败复盘
一位创始人读了几十篇失败创业公司的复盘，发现其中很多家都很快扩张到了新市场。她由此断定，早期扩张是一条稳稳通向失败的路。
这个结论跳过了一个必不可少的比较：活下来的创业公司里，又有多少也扩张得很快？如果快速扩张在失败和成功的公司里都很常见，那这些复盘找到的只是一种普遍做法，未必是失败的原因。
更好的问法是：在阶段相近的同类创业公司里，早早扩张的和没有扩张的，结局有什么不同？
2. 只研究被拒的求职者
一位招聘人员翻看被拒的求职申请，发现很多候选人跳槽频繁，于是认定：频繁跳槽说明工作表现差。
可是被拒的求职者本身就是筛选过的一群人。招聘人员还得比较被录用者的跳槽情况；如果拿得到数据，最好再比较两组人后来的工作表现。频繁跳槽也可能和岗位、行业、职业阶段有关，或者只是因为当时的就业市场对求职者有利，而不是因为表现差。
错不在于从被拒的申请里看出了规律，而在于没有对照比例，就把这个规律当成了诊断依据。
3. 退课学员调查
某个网课团队调查了没学完就退出的学员。很多人说内容太难，团队于是认定：难度是学员流失的主要原因。
也许确实如此。但学完课程的学员可能也觉得难，他们能坚持下来，也许是因为有基础、有时间、有动力，或者有人帮忙。退课调查能反映一部分退出者的经历，却看不出究竟是哪种经历把退出的人和学完的人区分开来。
这个例子和样本流失偏差（attrition bias）也有重叠，因为中途流失的参与者会让证据失真。两者的区别可以看幸存者偏差和样本流失偏差有什么区别？
4. 只看到投诉的产品反馈
一位产品经理翻看客服工单，发现投诉一再指向新的设置页面，于是断定大多数用户都完成不了设置。
客服工单确实是反映用户在哪里卡住的宝贵证据。但工单天然偏向收集出了问题的情况。如果有成千上万的用户没找客服就顺利过了这一页，那光看工单数量，既估算不出整体完成率，也证明不了这个页面就是主要障碍。
下大结论之前，先看看完成率数据、用户在哪一步放弃，以及顺利完成的用户怎么说。
5. 备考用的错题本
一个学生把练习中做错的每道逻辑推理题都认真记进了错题本。复盘时，他发现很多错误都和条件句有关，于是得出结论：“我搞不定条件推理。”
错题本本来就是专门收集错误的。它看不出这个学生做对了多少道条件推理题、那些题有多难，也看不出大多数错题里是否还有别的共同点，比如一个很有迷惑性的“漏洞”选项。
错题本要继续记，它是提出假设的最佳工具之一。但接下来，要拿完整记录来检验这个假设：做对的题、做错的题、难度、用时和题型。
接受结论之前，先识别这种偏差
如果一个论证依赖的是失败、被排除或结果不好的案例，可以用下面这份清单检查：
- 样本是按什么标准选进来的？
这些案例被选中，是不是因为它们失败了、投诉了、退出了或被拒了？
- 缺了哪一组对照？
找找那些成功的、留下来的、被录用的或没受影响的案例。
- 所谓的原因，是不是在两组里都很常见？
在失败案例里常见的特质，在别处也可能同样常见。
- 有没有别的因素能解释这种筛选？
你观察到的这些案例，可能在资源、时机、原有能力、严重程度或能否得到帮助上本来就不一样。
- 证据实际能支持什么结论？
通常是“这个因素值得深入调查”，而不是“这个因素导致了这个结果”。
做论证类题目时，这份清单尤其好用。要把前提确立了什么和结论声称了什么分开看；前提和结论：如何在任何论证中找出两者介绍了一种实用的拆分方法。
小测验：找出缺失的对照
一位备考辅导老师只看低分作文。他发现其中很多篇都以一段宽泛的历史陈述开头，于是认定：用宽泛的历史陈述开头会拉低作文分数。
下面哪一项事实，最有助于评估这位老师的结论？
A. 有多少篇低分作文是在限时练习中写的。 B. 高分作文以宽泛的历史陈述开头的频率有多高。 C. 写低分作文的学生是否了解评分标准。 D. 宽泛的历史陈述在已出版的非虚构作品中是否常见。 E. 这位老师教作文写作有多久了。
答案：B。这位老师只在低分组里观察到了这个特征。要判断它和低分有没有关联，得比较它在高分作文里出现得有多频繁。如果高分作文里这种开头同样常见，甚至更常见，老师的解释就站不太住了。
A 项涉及低分作文可能的一种写作条件，但没有提供对照组。C 项也许能引出另一种解释，却仍然说明不了这种开头方式能否区分高分和低分。D 项和 E 项都与开头方式和作文分数之间的所谓关系无关。
常见问题
反向幸存者偏差和负面偏差是一回事吗？
不是。负面偏差（negativity bias）是一种心理倾向：面对分量相当的正面信息和负面信息，人会更看重负面的那一个。反向幸存者偏差则是抽样问题：手头的证据里，失败或被淘汰的案例占了不成比例的多数。
失败的故事还能给人有用的教训吗？
能。失败的故事可以揭示风险、反复出现的失误，以及值得检验的问题。把它们当作线索，再拿去和处境相似却没有失败的案例做比较。
避免反向幸存者偏差，最快的办法是什么？
问一句：“跟谁比？”如果一个论证只描述了失败的案例，就追问：论证里强调的那个特质，在成功或没有失败的案例里有多常见？
这算因果谬误吗？
它可能导致因果谬误，但核心问题在于证据不完整。只有失败案例的样本，或许能支持“两者有关联”的假设；要说观察到的特质导致了失败，还需要更有力的对照和因果证据。
做完模拟考之后，错题本该怎么用？
别扔，给它加上分母。记下同样的特征在你做对的题里出现了多少次，再在全部题目里比较正确率和用时。这样，一本有用的错题集就变成了真正能指导你行动的证据。