判断数据异常前，先核查比较条件

想继续练，可以这样开始

两项调查面对不同的比较问题： 生日统计要说明没有特殊关系时应当出现多少重合，排污调查要检查天气范围能否代表汇水过程。比较两个独立项目，可以练习把异常判断拆成可查证的条件。 2025年4月，The Pudding的Russell Samora分析马萨诸塞州死亡记录时，同时展示生日与其他日期的高柱，并按出生、死亡日期各自的分布构造比较基线。他要回答的是：在两种日期相互独立的假设下，应当出现多少同日重合。原作的三日年矩阵先解释这一计算，再扩大到实际资料。 2023年，The Ferret的Petra Matijevic把苏格兰排放记录与降雨资料匹配，筛查干天气事件。公司质疑三公里半径是否覆盖真实汇水区。这里要检查的是：外部资料的时间和空间范围，能否支持对事件环境条件的判断。 两案共有的工作问题是“比较条件够不够支持结论”，但不能共用一套算法。生日案需要检验总体分布与独立基线，排污案需要核对逐次事件与天气范围；大样本和精细地图都不能代替这项检查。

先写一张条件对照表： 遇到某天、某地或某类事件看起来特别多时，可以先把待检验主张写成一句话，再写下每条记录代表什么。生日案的一份死亡登记，不等于某一天所有在世人口的风险记录；排污案的一次监测事件，也不能直接与一整年的降雨总量比较。 接着记录比较资料的来源、时间粒度、空间范围、排除对象，以及这些选择为何适合问题。可以留一张条件对照表，将每项判断指回原始文件、字段或行号。生日案检查出生与死亡日期分布的覆盖；排污案检查事件日期、点位、天气范围和前期连续天数。此表是本文建议，不是原作者已经公开使用的同一张表。 对逐事件匹配的任务，建议分别保留满足条件、不满足条件和资料不足的记录；缺雨量资料不能自动写成没有下雨。生日案则应核对分布和剔除规则，不能把单个人机械分成这三类，再称其死亡异常。两种任务留下的检查成果可以不同。

抽查边缘记录，再追问异议： 开始时不必先处理整套资料。可以挑几条接近判定边界的事件，核对日期、坐标和外部资料。例如排污条件用了低于0.25毫米和连续超过三天，抽查就应注意等于阈值、接近阈值或缺少前期日期的记录。这个动作检查规则有没有被正确应用，不预设这些记录一定有错。 再把异议对应到条件上：对方质疑的是地点匹配、时间汇总、资料覆盖，还是比较基准本身？The Ferret收到的汇水范围质疑就不能用“地图点位很精确”作答。生日案若有人质疑季节分布，也应检查基线如何构成，不能只重复生日柱更高。 有资料支持时，还可以改变一项有理由调整的条件，查看结论是否依赖这项选择。这是本文建议的核查办法，不是宣称两组作者都做过同样的敏感性分析。改变条件的依据与前后结果应一并保存，而不是反复调到得到想要的答案。

留下可核结果，也留下停止条件： 做完后，应当留下清楚的主张、条件对照表、能回到原资料的记录指针，以及抽查结果和未决问题。另一位编辑应能据此挑一条事件重新匹配，或检查一次基线计算的输入，而不只收到一个汇总数字。 当时间或空间范围无法支持匹配、关键资料缺失，或结论只在缺乏依据的设定下成立时，应停止将其写成已证实异常，保留待核条目和限制。生日统计中的超额计数也不能直接换成个人风险或确定因果。 这项技能的核心，是把“异常”拆成能被追问的比较条件。外部数据与专业模型都需要说明它们代表什么；记者能留下可核查的判断依据，才有继续论证或收窄结论的基础。