你怎么知道你幸福

社会学课上，老师问：“你幸福吗？”

在座唯一的中国人——我险些笑出声了。不过，有好几个小伙伴点头说“Yes”（是）。我赶紧变得严肃起来，因为他们可能是真的幸福。

老师又问：“你怎么知道你幸福？”

这下没有人点头了。

是呀，你怎么知道你幸福呢？为此，老师用了一节课来讲解什么是“科学方法”。其中第一步便是将“幸福”这个抽象的概念变成一个具体的“可操作的定义”（operational definition）。因此，首先要摒弃所谓幸福是由邻居的富裕程度决定的主观感受，找到决定幸福的“成分”，比如住房、收入、工作、家庭、自然环境、社会环境、政治权利、人的自由发展等一些幸福指标以及指数，并由此确定幸福的标准和等级，然后才能以此进行统计调查，来确定自己或一个群体是否幸福及幸福程度。更进一步，可以据此找到自己幸福或不幸福的来源。

更为完美的例子来自印度经济学者阿马蒂亚·森（Amartya Sen）对贫困与饥荒的考察。1943年，森的家乡印度孟加拉邦发生了一场大饥荒，有300万人在此次大饥荒中丧命。是由于粮食总供应量不足造成这场大饥荒吗？在对四场饥荒的统计数字进行考察之后，森发现，粮食供给不足引起饥荒的观点——FAD（美国食品和药物管理局）的观点——无论“多么玄妙深奥，它对饥荒的解释都显得十分勉强和模棱两可”。因为在1943年，孟加拉邦的人均粮食供给量不是下降，而是增加了，整体经济环境也是繁荣的。在《贫困与饥荒——论权利与剥夺》（Poverty and Famines：An Essay on Entitlement and Deprivation）中，森还考察了另外三场饥荒：埃塞俄比亚饥荒、萨赫勒地区的饥荒和孟加拉国的饥荒。他发现，“无论是在经济繁荣期还是经济衰退期，饥荒都有可能发生”。为什么会如此呢？“为什么一些人啼饥号寒，而另一些人却脑满肠肥？”通过对灾民职业性别以及社会地位进行统计分析，森发现，这些人群是因为没有获得享用食品的“权利”而饿死的。也就是说，造成他们死亡的不是“粮食贫困”，而是“权利贫困”。他们的交换权利在饥荒中受到严重损害甚至剥夺，从而直接导致他们付出最惨重的代价——死亡。对于自己童年时期的这场饥荒，森本人都不禁坦言：“唉，要不是由于阶级的划分使我们蒙受恩惠，那我也在劫难逃。”在森的经济理论中，饥荒只是其贫困理论的极端例子，同理类推可知是什么造成贫困。当然，被称为“经济学良心”的阿马蒂亚·森，首先把贫困变成一个“可操作的定义”——重新对“贫困”进行了定义，并找到了识别“贫困”的衡量标准。

就在明白“可操作定义”那一瞬间，我突然意识到统计学的力量与美。

作为一名文科生，我看到数字就犯怵，并总是将英国首相本杰明·迪斯雷利（Benjamin Disraeli）在19世纪说的一句话当作真理：“世上有三种谎言：谎言、可恶的谎言和统计数字。”难道不是这样吗？为此，我一直对数据和统计学保持着文科生的骄傲与无知。谁知若干年后，我竟然要求上一门统计学的课，其中最基本的一个要求是能看懂并制作直方图、多方形、散点图、箱型图、茎叶图、饼图、概率图、残差图，以及没有零的坐标图。这让我不胜其烦。虽然这门功课我得了A，但我对它的总结是美国记者富兰克林·P. 琼斯的一句话：“统计数据不能用来支持任何东西，除开统计者本身。”难道不是这样吗？

实际当然不是这样。在某种程度上，科学的统计不仅能让我们对所处的世界有更具体可感的认识，还能纠正一些错误的感知，从中找到问题的真正根源。英文单词统计学“statistics”来源于拉丁词“status”［意思是“国家”（state）］。早期的统计学意思就是编辑数字或图表来描述国家的各个方面。1662年，英国经济学家约翰·葛兰特（John Graunt）的著作《对死亡率表的自然与政治观察》（Natural and Political Observations Made upon the Bills of Mortality）出版，里面有当时伦敦人口的出生率与死亡率的统计资料，葛兰特也因此被认为是首位人类统计学专家。自此，统计学才逐渐大显身手，尤其在伦敦。1854年，伦敦内科医生约翰·斯诺（John Snow）通过绘制伦敦霍乱死亡病例分布图，终于发现霍乱的传播途径和污染源——布劳德大街（现布劳维克大街）上的公用抽水机。由此，他确定霍乱是因严重的水污染病菌传播的，而不是当时人们所普遍认为的空气传播。让统计学变得更具说服力的是另一位英国人——弗洛伦斯·南丁格尔小姐。世人多把其生日5月12日作为护士节来纪念她，殊不知她还是一位统计学的先驱。1854年10月21日，南丁格尔和38名女护士来到克里米亚半岛。在对堆积如山的军事档案进行统计之后，她发现，在克里米亚战争中，死在战场上的士兵不多，导致死亡的主要原因是缺乏护理而导致的感染。为此，她别出心裁地制作出圆形图，让不懂得阅读统计报告的国会议员也能一眼看明白其统计结果，以此来说服英国政府，提高军队的医疗条件。若干年后，她用同样的统计方法，对印度农村生活做了全面的卫生统计研究，成功地改善了印度的公共卫生服务。1873年，南丁格尔报道：“卫生改革10年后，在印度的士兵死亡率已经从每千名69人降低至18人。”

在社会学课堂，一个近乎完美的代表是法国社会学家埃米尔·涂尔干（Emile Durkheim）1897年出版的《自杀论》（Suicide）。今天，这本书的结论是否正确似乎已不那么重要，让人赞叹的是其研究方法，那就是涂尔干对当时人口统计数据的应用，用一种更为科学的方法去解释自杀的原因，将自杀的个人行为与社会因素联系起来。尽管这本书的数据依然存在一些缺陷，但作为实证主义的开山之作，它几乎成为社会学研究的入门教材。是的，数据有可能会骗人，统计方法有时会出错，如1936年《文学文摘》的民意调查便错成一个大笑话，但除此之外，我们还能找到一个更为科学的方法吗？在99%的程度上，我依然服膺于安·兰德的那句话：“理性是人类的最高智慧。”

因此，几乎同时，我的社会学、环境学和地理学的老师，在课堂上让我们观看瑞典卡罗琳学院国际卫生学教授、当代统计大师汉斯·罗斯林的两个TED（技术、娱乐、设计）演讲——《用前所未有的方法阐释数据》和《让数据改变心智》，并郑重介绍了他的基金会Gapminder所开发的Trendalyzer软件。这几乎完全颠覆了我对枯燥数据的印象。罗斯林利用其开发的软件，将数据变成动态的可视图形。当观察这些动态数据时，可以轻易发现我们对这个世界的认识是非常可疑的。比如说什么是“第三世界国家”？如果仅仅用“家庭规模”和“婴儿死亡率”作为标准，那么这个概念的内涵和外延，在这几十年间早已随着时间而悄悄改变。那么，什么是第三世界国家呢？又该如何确认和识别第三世界国家呢？这不是罗斯林需要解决的问题，但他用数据进行了一场大脑革命：我们该如何描述我们的世界呢？

什么是幸福呢？我又该如何知道我的幸福呢？过去许久，我依然会常常想起这两个问题。它们犹如一道闪电，让混沌的我突然看到另一种思维的力量与美。我想，世界上再也没有比这更美的东西了。