I'm going to be talking about statistics today. If that makes you immediately feel a little bit wary, that's OK, that doesn't make you some kind of crazy conspiracy theorist, it makes you skeptical. And when it comes to numbers, especially now, you should be skeptical. But you should also be able to tell which numbers are reliable and which ones aren't. So today I want to try to give you some tools to be able to do that. But before I do, I just want to clarify which numbers I'm talking about here. I'm not talking about claims like, "9 out of 10 women recommend this anti-aging cream." I think a lot of us always roll our eyes at numbers like that. What's different now is people are questioning statistics like, "The US unemployment rate is five percent." What makes this claim different is it doesn't come from a private company, it comes from the government.
אני עומדת לדבר על סטטיסטיקה היום. אם זה גורם לכם להרגיש מעט מודאגים מיידית, זה בסדר, זה לא הופך אתכם למעין משוגעי תיאוריות קוספירציה, זה עושה אתכם סקפטיים. וכשזה מגיע למספרים, בעיקר עכשיו, אתם צריכים להיות סקפטיים. אבל אתם גם צריכים להיות מסוגלים לדעת איזה מספרים אמינים ואלו לא. אז היום אני רוצה לנסות לתת לכם כמה כלים כדי שתהיו מסוגלים לעשות את זה. אבל לפני שאעשה זאת, אני רק רוצה להבהיר על איזה מספרים אני מדברת. אני לא מדברת על טענות כמו, "9 מתוך 10 נשים ממליצות על קרם נגד קמטים הזה." אני חושבת שהרבה מאיתנו תמיד מגלגלים את עינינו על מספרים כאלה. מה ששונה עכשיו זה שאנשים לא מאמינים לסטטיסטיקות כמו, "רמת האבטלה בארצות הברית היא חמישה אחוזים." מה שעושה את הטענה הזו שונה זה שהיא לא מגיעה מחברה פרטית, היא מגיעה מהממשלה.
About 4 out of 10 Americans distrust the economic data that gets reported by government. Among supporters of President Trump it's even higher; it's about 7 out of 10. I don't need to tell anyone here that there are a lot of dividing lines in our society right now, and a lot of them start to make sense, once you understand people's relationships with these government numbers. On the one hand, there are those who say these statistics are crucial, that we need them to make sense of society as a whole in order to move beyond emotional anecdotes and measure progress in an [objective] way. And then there are the others, who say that these statistics are elitist, maybe even rigged; they don't make sense and they don't really reflect what's happening in people's everyday lives.
בערך 4 מתוך 10 אמריקאים לא מאמינים למידע כלכלי שמדווח על ידי הממשל. אצל תומכים של הנשיא טראמפ זה אפילו גבוה יותר; זה בערך 7 מתוך 10. אני לא צריכה לספר לכם פה שיש הרבה יותר קווים מפרידים בחברה שלנו עכשיו, והרבה מהם מתחילים להיות הגיוניים, ברגע שאתם מבינים את היחסים של האנשים עם מספרים ממשלתיים. מצד אחד, יש את אלה שאומרים שסטטיסטיקות הן חיוניות, שאנחנו צריכים אותן כדי להבין את החברה שלנו ככלל כדי לעבור מעבר לאנקדוטות רגשיות ולמדוד התקדמות בדרך סובייקטיבית. ואז יש את האחרים, שאומרים שהסטטיסטיקות הן אליטיסטיות, אולי אפילו מוטות; הן לא הגיוניות והן לא באמת משקפות מה שקורה בחיי היומיום של אנשים.
It kind of feels like that second group is winning the argument right now. We're living in a world of alternative facts, where people don't find statistics this kind of common ground, this starting point for debate. This is a problem. There are actually moves in the US right now to get rid of some government statistics altogether. Right now there's a bill in congress about measuring racial inequality. The draft law says that government money should not be used to collect data on racial segregation. This is a total disaster. If we don't have this data, how can we observe discrimination, let alone fix it? In other words: How can a government create fair policies if they can't measure current levels of unfairness? This isn't just about discrimination, it's everything -- think about it. How can we legislate on health care if we don't have good data on health or poverty? How can we have public debate about immigration if we can't at least agree on how many people are entering and leaving the country? Statistics come from the state; that's where they got their name. The point was to better measure the population in order to better serve it. So we need these government numbers, but we also have to move beyond either blindly accepting or blindly rejecting them. We need to learn the skills to be able to spot bad statistics.
זה קצת מרגיש כאילו הקבוצה השניה זוכה בטיעונים עכשיו. אנחנו חיים בעולם של עובדות אלטרנטיביות, שבו אנשים לא רואים בסטטיסטיקה כסוג של מכנה משותף, כנקודת ההתחלה הזו לויכוח. זו בעיה. יש למעשה תנועות בארצות הברית עכשיו כדי להיפטר לגמרי מכמה סטטיסטיקות ממשלתיות. ממש עכשיו יש הצעת חוק בקונגרס בנוגע למדידת חוסר שוויון גזעני. הצעת החוק אומרת שכסף ממשלתי לא צריך להיות בשימוש בשביל לאסוף מידע על הפרדה גזעית. זה אסון מוחלט. אם אין לנו מידע, איך אנחנו יכולים לראות אפליה, שלא לדבר על לתקן אותה? במילים אחרות: איך ממשל יכול לייצר מדיניות הוגנת אם הם לא יכולים למדוד רמות נוכחיות של חוסר הוגנות? זה לא רק נוגע לאפליה, זה הכל -- חשבו על זה. איך אנחנו יכולים לחוקק בנוגע לבריאות אם אין לנו מידע טוב על בריאות ועוני? איך יכול להיות לנו דיון ציבורי על הגירה אם אנחנו לא יכולים לפחות להסכים על כמה אנשים נכנסים ויוצאים מהמדינה? סטטיסטיקות מגיעות מהמדינה; משם הן קיבלו את שמן. הנקודה היתה למדוד טוב יותר את האוכלוסיה כדי לשרת אותה טוב יותר. אז אנחנו צריכים את המספרים הממשלתיים האלה, אבל אנחנו גם צריכים לנוע מעבר לקבלה עיוורת או דחייה עיוורת שלהם. אנחנו צריכים ללמוד את הכישורים להיות מסוגלים לזהות סטטיסטיקות גרועות.
I started to learn some of these when I was working in a statistical department that's part of the United Nations. Our job was to find out how many Iraqis had been forced from their homes as a result of the war, and what they needed. It was really important work, but it was also incredibly difficult. Every single day, we were making decisions that affected the accuracy of our numbers -- decisions like which parts of the country we should go to, who we should speak to, which questions we should ask. And I started to feel really disillusioned with our work, because we thought we were doing a really good job, but the one group of people who could really tell us were the Iraqis, and they rarely got the chance to find our analysis, let alone question it. So I started to feel really determined that the one way to make numbers more accurate is to have as many people as possible be able to question them.
התחלתי ללמוד כמה מאלה כשעבדתי במחלקת הסטטיסטיקה שהיא חלק מהאומות המאוחדות. העבודה שלנו היתה לגלות כמה עיראקים הוצאו בכוח מבתיהם כתוצאה מהמלחמה, ומה הם צריכים. זו היתה עבודה באמת חשובה, אבל היא גם היתה ממש קשה. כל יום, עשינו החלטות שהשפיעו על הדיוק של המספרים שלנו -- החלטות כמו לאיזה חלקים של המדינה אנחנו צריכים ללכת, עם מי צריך לדבר, איזה שאלות אנחנו צריכים לשאול. והתחלתי להרגיש באמת באשליה מהעבודה שלנו, בגלל שחשבנו שעשינו עבודה ממש טובה, אבל הקבוצה היחידה של האנשים שבאמת יכלה לספר לנו היתה העיראקים, ורק לעיתים רחוקות הם קיבלו את ההזדמנות לגלות את האנליזה שלנו, שלא לדבר על לפקפק. אז התחלתי להרגיש ממש נחושה שהדרך היחידה לעשות את המספרים יותר מדוייקים היא שכמה שיותר אנשים יהיו מסוגלים לפקפק בהם.
So I became a data journalist. My job is finding these data sets and sharing them with the public. Anyone can do this, you don't have to be a geek or a nerd. You can ignore those words; they're used by people trying to say they're smart while pretending they're humble. Absolutely anyone can do this.
אז הפכתי לעיתונאית מידע. העבודה שלי היא לגלות את מערכי המידע האלה ולחלוק אותם עם הציבור. כולם יכולים לעשות את זה, אתם לא חייבים להיות גיקים או חנונים. אתם יכולים להתעלם מהמילים האלו; הם בשימוש על ידי אנשים שמנסים להגיד שהם חכמים בעודם מעמידים פנים שהם צנועים. ממש כל אחד יכול לעשות את זה.
I want to give you guys three questions that will help you be able to spot some bad statistics. So, question number one is: Can you see uncertainty? One of things that's really changed people's relationship with numbers, and even their trust in the media, has been the use of political polls. I personally have a lot of issues with political polls because I think the role of journalists is actually to report the facts and not attempt to predict them, especially when those predictions can actually damage democracy by signaling to people: don't bother to vote for that guy, he doesn't have a chance. Let's set that aside for now and talk about the accuracy of this endeavor.
אני רוצה לשאול אתכם שלוש שאלות שיעזרו לכם להיות מסוגלים לזהות כמה סטטיסטיקות גרועות. אז, שאלה מספר אחת היא האם אתם יכולים לראות חוסר וודאות? אחד הדברים שבאמת שינו את היחסים של אנשים עם מספרים, ואפילו את האמון שלהם בתקשורת, היו השימוש בסקרים פוליטיים. לי אישית יש הרבה בעיות עם סקרים פוליטיים בגלל שאני חושבת שהתפקיד של עיתונאים הוא למעשה לדווח על העובדות ולא לנסות לחזות אותן, בעיקר כשהתחזיות האלו יכולות למעשה לפגוע בדמוקרטיה על ידי סימון אנשים: אל תטרחו להצביע לאיש הזה, אין לו סיכוי. הבה נניח את זה בצד בינתיים ונדבר על הדיוק של המאמץ הזה. בהתבסס על בחירות ארציות באנגליה, איטליה, ישראל
Based on national elections in the UK, Italy, Israel and of course, the most recent US presidential election, using polls to predict electoral outcomes is about as accurate as using the moon to predict hospital admissions. No, seriously, I used actual data from an academic study to draw this. There are a lot of reasons why polling has become so inaccurate. Our societies have become really diverse, which makes it difficult for pollsters to get a really nice representative sample of the population for their polls. People are really reluctant to answer their phones to pollsters, and also, shockingly enough, people might lie. But you wouldn't necessarily know that to look at the media. For one thing, the probability of a Hillary Clinton win was communicated with decimal places. We don't use decimal places to describe the temperature. How on earth can predicting the behavior of 230 million voters in this country be that precise? And then there were those sleek charts. See, a lot of data visualizations will overstate certainty, and it works -- these charts can numb our brains to criticism. When you hear a statistic, you might feel skeptical. As soon as it's buried in a chart, it feels like some kind of objective science, and it's not.
וכמובן, הבחירות האחרונות בארצות הברית, שימוש בסקרים כדי לחזות את תוצאות הבחירות מדויק בערך כמו שימוש בירח כדי לחזות אשפוז בבתי חולים. לא, באמת, השתמשתי במידע אמיתי ממחקר אקדמי כדי לצייר את זה. יש הרבה סיבות למה סקרים הפכו ללא מדוייקים. החברות שלנו הפכו לבאמת מגוונות, מה שגורם לקושי לסוקרים לקבל דוגמה באמת מייצגת של האוכלוסיה עבור הסקרים שלהם. אנשים באמת נמנעים מלענות בטלפון לסוקרים, וגם, למרבה ההפתעה, אנשים יכולים לשקר. אבל לא בהכרח תדעו זאת אם תביטו בתקשורת. ראשית, ההסתברות שהילרי קלינטון תנצח תוקשרה עם נקודות עשרוניות. אנחנו לא משתמשים בנקודות עשרוניות כדי לתאר את הטמפרטורה. איך לעזאזל תחזית ההתנהגות של 230 מליון בוחרים במדינה יכולה להיות כל כך מדוייקת? ואז יש את הגרפים היפים האלה. הבינו, הרבה מצורות הצגת מידע מפריזות ב-וודאות, וזה עובד -- הטבלאות האלו יכולות להקהות את המוחות שלנו לביקורת. כשאתם שומעים סטטיסטיקה, אתם אולי מרגישים סקפטיים. ברגע שזה קבור בגרף, זה מרגיש כמו סוג של מדע אובייקטיבי, וזה לא.
So I was trying to find ways to better communicate this to people, to show people the uncertainty in our numbers. What I did was I started taking real data sets, and turning them into hand-drawn visualizations, so that people can see how imprecise the data is; so people can see that a human did this, a human found the data and visualized it. For example, instead of finding out the probability of getting the flu in any given month, you can see the rough distribution of flu season. This is --
אז ניסיתי לגלות דרכים לתקשר את זה לאנשים טוב יותר, כדי להראות לאנשים את חוסר הוודאות במספרים שלנו. מה שעשיתי היה להתחיל לקחת מאגרי נתונים אמיתיים, ולהפוך אותם לתצוגות מידע המצויירות ידנית, כך שאנשים יוכלו לראות כמה לא מדוייק המידע; כך שאנשים יכולים לראות שאדם עשה את זה, אדם מצא את המידע והראה אותו. לדוגמה, במקום לגלות את ההסתברות של לקבל שפעת בכל חודש מסויים, אתם יכולים לראות את ההתפלגות הגסה של עונות השפעת. זה --
(Laughter)
(צחוק)
a bad shot to show in February. But it's also more responsible data visualization, because if you were to show the exact probabilities, maybe that would encourage people to get their flu jabs at the wrong time.
תמונה גרועה להראות בפברואר. אבל זה גם הצגת מידע יותר אחראית, בגלל שאם הייתם מראים את ההסתברויות המדוייקות, אולי זה יעודד אנשים לקבל חיסונים לשפעת בזמן הלא נכון.
The point of these shaky lines is so that people remember these imprecisions, but also so they don't necessarily walk away with a specific number, but they can remember important facts. Facts like injustice and inequality leave a huge mark on our lives. Facts like Black Americans and Native Americans have shorter life expectancies than those of other races, and that isn't changing anytime soon. Facts like prisoners in the US can be kept in solitary confinement cells that are smaller than the size of an average parking space.
הנקודה של הקווים הרעועים האלה היא שאנשים יזכרו את חוסר הדיוקים האלה, אבל גם שהם לא בהכרח ילכו עם מספר מסויים, אבל הם יכולים לזכור עובדות חשובות. עובדות כמו חוסר צדק וחוסר שוויון משאירים סימן גדול על החיים שלנו. עובדות כמו שלאמריקאים שחורים ולאמריקאים ילידים יש תוחלת חיים קצרה יותר מאלו מגזעים אחרים, וזה לא ישתנה בקרוב. עובדות כמו שאסירים בארצות הברית יכולים להיות מוחזקים בתאי בידוד שקטנים יותר מגודל של מקום חניה ממוצע.
The point of these visualizations is also to remind people of some really important statistical concepts, concepts like averages. So let's say you hear a claim like, "The average swimming pool in the US contains 6.23 fecal accidents." That doesn't mean every single swimming pool in the country contains exactly 6.23 turds. So in order to show that, I went back to the original data, which comes from the CDC, who surveyed 47 swimming facilities. And I just spent one evening redistributing poop. So you can kind of see how misleading averages can be.
הנקודה של ההדגמות האלה היא גם להזכיר לאנשים כמה חשובים רעיונות סטטיסטים, רעיונות כמו ממוצעים. אז בואו נגיד שאתם שומעים טענה כמו, "בריכת השחיה הממוצעת בארצות הברית מכילה 6.23 תאונות צואתיות." זה לא אומר שכל בריכה במדינה מכילה 6.23 צואות. אז כדי להראות את זה, חזרתי למידע המקורי, שמגיע מהמרכז לשליטה במחלות, שסקר 47 מתקנים של בריכות שחיה. וביליתי רק ערב אחד בלפזר מחדש קקי. אז אתם יכולים לראות כמה מטעה הממוצע הזה יכול להיות.
(Laughter)
(צחוק)
OK, so the second question that you guys should be asking yourselves to spot bad numbers is: Can I see myself in the data? This question is also about averages in a way, because part of the reason why people are so frustrated with these national statistics, is they don't really tell the story of who's winning and who's losing from national policy. It's easy to understand why people are frustrated with global averages when they don't match up with their personal experiences. I wanted to show people the way data relates to their everyday lives. I started this advice column called "Dear Mona," where people would write to me with questions and concerns and I'd try to answer them with data. People asked me anything. questions like, "Is it normal to sleep in a separate bed to my wife?" "Do people regret their tattoos?" "What does it mean to die of natural causes?"
אוקיי, אז השאלה השניה שאתם צריכים לשאול את עצמכם לזהות מספרים גרועים היא: האם אני יכול למצוא את עצמי במידע? השאלה הזו נוגעת גם לממוצעים בדרך מסויימת, בגלל שחלק מהסיבה שאנשים כל כך מתוסכלים מהסטטיסטיקות הארציות האלו, היא שהן לא באמת מספרות את הסיפור של מי מנצח ומי מפסיד ממדיניות לאומית. זה קל להבין למה אנשים מתוסכלים מממוצעים עולמיים כשהם לא מתאימים לחוויות האישיות שלהם. רציתי להראות לאנשים את הדרך שמידע מתייחס לחיים היום יומיים שלהם. התחלתי את טור הייעוץ הזה שנקרא "מונה היקרה," שם אנשים יכתבו לי שאלות ודאגות והייתי מנסה לענות להם עם מידע. אנשים שאלו אותי כל דבר. שאלות כמו, "האם זה נורמלי לישון במיטה נפרדת מאשתי?" "האם אנשים מתחרטים על כתובות הקעקע שלהם?" "מה זה אומר למות מסיבות טבעיות?"
All of these questions are great, because they make you think about ways to find and communicate these numbers. If someone asks you, "How much pee is a lot of pee?" which is a question that I got asked, you really want to make sure that the visualization makes sense to as many people as possible. These numbers aren't unavailable. Sometimes they're just buried in the appendix of an academic study. And they're certainly not inscrutable; if you really wanted to test these numbers on urination volume, you could grab a bottle and try it for yourself.
כל השאלות האלו מעולות, בגלל שהן גורמות לכם לחשוב על דרכים למצוא ולתקשר את המספרים האלה. אם מישהו שואל אתכם, "כמה פיפי זה הרבה פיפי?" שזו שאלה שנשאלתי, אתם באמת רוצים לדאוג שהויזואליזציה תהיה הגיונית לכמה שיותר אנשים שאפשר. המספרים האלה כן זמינים. לפעמים הם סתם קבורים בנספח של מחקר אקדמי. והם בהחלט לא בלתי מובנים; אם אתם באמת רוצים לבחון את המספרים האלה על כמות השתן, אתם יכולים לקחת בקבוק ולנסות בעצמכם.
(Laughter)
(צחוק)
The point of this isn't necessarily that every single data set has to relate specifically to you. I'm interested in how many women were issued fines in France for wearing the face veil, or the niqab, even if I don't live in France or wear the face veil. The point of asking where you fit in is to get as much context as possible. So it's about zooming out from one data point, like the unemployment rate is five percent, and seeing how it changes over time, or seeing how it changes by educational status -- this is why your parents always wanted you to go to college -- or seeing how it varies by gender. Nowadays, male unemployment rate is higher than the female unemployment rate. Up until the early '80s, it was the other way around. This is a story of one of the biggest changes that's happened in American society, and it's all there in that chart, once you look beyond the averages. The axes are everything; once you change the scale, you can change the story.
הנקודה של זה היא לא בהכרח שכל מאגר נתונים חייב להיות קשור ספציפית אליכם. אני מתעניינת לכמה נשים בצרפת נתנו קנסות על לבישת רעלה, או ניקאב, אפילו אם אני לא חייה בצרפת או לובשת כיסוי פנים. הנקודה של לשאול איך זה מתאים אליך היא לקבל כמה שיותר הקשר. זה מדבר על להסתכל מרחוק מנקודת מבט אחת, כמו שרמת האבטלה היא חמישה אחוזים, ולראות איך היא משתנה עם הזמן, או לראות איך היא משתנה על ידי סטטוס חינוכי -- זו הסיבה שההורים שלכם תמיד רצו שתלכו למכללה -- או לראות כמה זה משתנה לפי מגדר. היום, אבטלה גברית גבוהה יותר מרמת האבטלה הנשית. עד לתחילת שנות ה 80, זה היה הפוך. זה סיפור על אחד השינויים הגדולים שהתרחשו בחברה האמריקאית, וזה הכל שם בתרשים, ברגע שאתם מביטים מעבר לממוצעים. הצירים הם הכל; ברגע שאתם משנים את קנה המידה, אתם יכולים לשנות את הסיפור.
OK, so the third and final question that I want you guys to think about when you're looking at statistics is: How was the data collected? So far, I've only talked about the way data is communicated, but the way it's collected matters just as much. I know this is tough, because methodologies can be opaque and actually kind of boring, but there are some simple steps you can take to check this.
אוקיי, אז השאלה השלישית והאחרונה שאני רוצה שתחשבו עליה כשאתם מביטים בסטטיסטיקה היא: איך המידע נאסף? עד עכשיו, דיברתי רק על הדרך שמידע מתוקשר, אבל הדרך בה הוא נאסף משנה באותה מידה. אני יודעת שזה קשה, בגלל שמתודולוגיות יכולות להיות אטומות ולמעשה סוג של משעממות, אבל יש כמה שלבים פשוטים שאתם יכולים לעשות כדי לבדוק את זה.
I'll use one last example here. One poll found that 41 percent of Muslims in this country support jihad, which is obviously pretty scary, and it was reported everywhere in 2015. When I want to check a number like that, I'll start off by finding the original questionnaire. It turns out that journalists who reported on that statistic ignored a question lower down on the survey that asked respondents how they defined "jihad." And most of them defined it as, "Muslims' personal, peaceful struggle to be more religious." Only 16 percent defined it as, "violent holy war against unbelievers." This is the really important point: based on those numbers, it's totally possible that no one in the survey who defined it as violent holy war also said they support it. Those two groups might not overlap at all.
אני אשתמש בדוגמה אחת אחרונה פה. סקר אחד גילה ש-41 אחוזים מהמוסלמים במדינה תומכים בג'יהאד, שזה בברור די מפחיד, וזה דווח בכל מקום ב-2015. כשאני רוצה לבדוק מספר כמו זה, אני אתחיל בלמצוא את השאלון המקורי. מסתבר שעיתונאים שדיווחו על הסטטיסטיקות האלה התעלמו משאלה במורד הסקר ששאלה משיבים איך הם מגדירים "ג'יהאד." ורובם הגדירו אותו, כ"מאבק האישי הרגוע של 'מוסלמי' להיות יותר דתי." רק 16 אחוז הגדירו אותו כ"מלחמה אלימה קדושה נגד לא מאמינים." זו נקודה באמת חשובה: בהתבסס על המספרים האלה, זה לגמרי אפשרי שאף אחד בסקר שהגדיר אותו כמלחמה קדושה אלימה גם אמרו שהם תומכים בה. שתי הקבוצות האלה אולי לא חופפות בכלל.
It's also worth asking how the survey was carried out. This was something called an opt-in poll, which means anyone could have found it on the internet and completed it. There's no way of knowing if those people even identified as Muslim. And finally, there were 600 respondents in that poll. There are roughly three million Muslims in this country, according to Pew Research Center. That means the poll spoke to roughly one in every 5,000 Muslims in this country.
זה גם שווה לשאול איך הסקר נערך. זה היה משהו שנקרא סקר לפי בחירה, מה שאומר שכל אחד היה יכול למצוא אותו באינטרנט ולמלא אותו. אין דרך לדעת אם האנשים האלה אפילו מזדהים כמוסלמים. ולבסוף, יש 600 משיבים בסקר. יש בערך שלושה מליון מוסלמים במדינה, לפי מרכז המחקר פיו. זה אומר שהסקר דיבר בהערכה גסה לאחד מתוך 5,000 מוסלמים במדינה. זו אחת הסיבות
This is one of the reasons why government statistics are often better than private statistics. A poll might speak to a couple hundred people, maybe a thousand, or if you're L'Oreal, trying to sell skin care products in 2005, then you spoke to 48 women to claim that they work.
שסטטיסטיקות ממשלתיות הרבה פעמים טובות יותר מסטטיסטיקות פרטיות. סקר אולי ידבר לכמה מאות אנשים, אולי לאלף, או אם אתם לוריאל, מנסים למכור מוצרי טיפול בעור ב-2005, אז דיברתם עם 48 נשים כדי לטעון שהם עובדים.
(Laughter)
(צחוק)
Private companies don't have a huge interest in getting the numbers right, they just need the right numbers. Government statisticians aren't like that. In theory, at least, they're totally impartial, not least because most of them do their jobs regardless of who's in power. They're civil servants. And to do their jobs properly, they don't just speak to a couple hundred people. Those unemployment numbers I keep on referencing come from the Bureau of Labor Statistics, and to make their estimates, they speak to over 140,000 businesses in this country.
לחברות פרטיות אין אינטרס גדול להגיע למספר נכון, הן פשוט רוצות מספרים מתאימים. סטטיסטיקאים ממשלתיים לא עובדים ככה. בתאוריה, לפחות, הם לגמרי לא מוטים, בין היתר בגלל שהם עושים את העבודה שלהם בלי קשר למי מחזיק בשלטון. הם עובדי ציבור. וכדי לעשות את העבודה שלהם טוב, הם לא מדברים רק לכמה מאות אנשים. מספרי התעסוקה האלה שאני ממשיכה להתייחס אליהם מגיעים מסטטיסטיקות של לשכת התעסוקה, וכדי לעשות את ההערכות שלהם, הם מדברים עם יותר מ-140,000 עסקים במדינה.
I get it, it's frustrating. If you want to test a statistic that comes from a private company, you can buy the face cream for you and a bunch of friends, test it out, if it doesn't work, you can say the numbers were wrong. But how do you question government statistics? You just keep checking everything. Find out how they collected the numbers. Find out if you're seeing everything on the chart you need to see. But don't give up on the numbers altogether, because if you do, we'll be making public policy decisions in the dark, using nothing but private interests to guide us.
אני מבינה, זה מתסכל. אם אתם רוצים לבחון סטטיסטיקה שמגיעה מחברה פרטית, אתם יכולים לקנות את קרם הפנים לכם ולכמה חברים, לנסות אותו, אם זה לא עובד, אתם יכולים להגיד שהמספרים היו שגויים. אבל איך אתם מתשאלים סטטיסטיקות ממשלתיות? אתם רק ממשיכים לבדוק הכל. גלו איך הם אוספים את המספרים. גלו אם אתם רואים כל מה שאתם צריכים על התרשים. אבל אל תתייאשו מהמספרים לגמרי בגלל שאם תעשו זאת, נעשה החלטות של מדיניות ציבורית בחשיכה, בשימוש בלא יותר מאינטרסים פרטיים להנחות אותנו.
Thank you.
תודה לכם.
(Applause)
(מחיאות כפיים)