二分法本能

Lead： 世界常被說成兩邊，但真正重要的人往往就在中間。

先懂這個問題

大腦很喜歡把複雜事物切成兩類：富國與窮國、好公司與壞公司、買與不買、成功與失敗。二分法最大的好處是快速，最大的代價是把連續分布硬切開。當一個故事只有兩邊時，我們會自然把注意力放在兩邊差異，忽略中間大量重疊的人。Gapminder 對二分法本能的核心提醒是『找多數』：先確認真正的大多數是不是其實落在中間。

平均數最容易製造假分界

兩群平均值不同，不代表兩群之間存在清楚界線。假設 A 城平均薪資 55,000 元，B 城 45,000 元，看起來 A 城明顯較高；但如果兩邊大部分人的薪資都分布在 35,000 到 65,000 元之間，個體之間其實高度重疊。只比較平均值，很容易把『兩個分布有差異』誤讀成『兩種完全不同的人』。看群體資料時，除了平均值，還要找中位數、範圍、分布和樣本數。

極端案例也會騙人

另一種二分法是拿最好的對最差的：最富裕的城市對最貧困的地區、最成功的新創對倒閉公司、最會用科技的老人對完全不用智慧型手機的老人。極端值很有戲劇性，但它們通常不能代表多數。越是強烈的兩端對比，越要問中間那 60% 到 80% 到底在哪裡。

放到投資和房地產

把股票分成『AI 股』和『非 AI 股』只是標籤。真正決定價值的可能是 AI 相關營收占比、毛利率、資本支出、競爭優勢、估值和現金流。同樣地，把房子分成『有捷運』與『沒捷運』也太粗。距離車站 100 公尺和 1 公里都可能被叫捷運宅，但價格、生活機能、學區、供給量與噪音差異很大。標籤可以用來整理候選清單，不能直接代替分析。

容易誤解的地方

反對二分法不是說所有差異都不存在。有些群體差距真的很大，有些政策也必須設定門檻。問題是，在下結論前要確認這條線是不是自然存在，還是我們為了方便分類畫出來的。當制度需要門檻時，例如收入補助資格，門檻是一種行政規則，不表示門檻兩側的人突然變成兩種完全不同的人。

實際使用

聽到『不是 A 就是 B』時，先做三件事：找第三種可能；找中間區間；找群內差異。投資時可以把『買／不買』改成『不持有／小部位／正常部位／高信念部位』；政策問題可以把『支持／反對』改成『支持目標但反對手段』『支持部分條件』。一旦多了中間選項，很多爭論會從立場衝突回到條件比較。

再往深一層：門檻不是自然斷層

很多政策和統計一定要設定門檻，例如收入多少算低收入戶、考試幾分算及格、公司市值多少算大型股。門檻對行政很有用，但門檻兩邊的人通常不會因為跨過一元或一分就變成完全不同的族群。把行政門檻當成自然界線，會讓人高估兩群差異。做分析時可以使用分類，但要記得分類是工具，不是世界本身。

完整情境拆解

假設有人說「年輕人分成買得起房和完全買不起房兩種」。如果真的把資料拆開，可能會看到收入、家庭資助、地區房價、首購政策、婚姻狀態形成一個很寬的連續分布。有人在台北買不起，但在台南可以；有人單薪買不起，但雙薪可以；有人收入夠，卻選擇租屋。二分法把多個連續變數壓成一個標籤，會讓政策討論變成兩邊互罵。

自己練一次

挑一個你常聽到的二分說法，例如「主動投資 vs 被動投資」「租房 vs 買房」。列出至少四個中間選項或條件，看看原本的二選一是否仍合理。若答案變得依條件而定，就代表你已經從立場問題轉成分析問題。

延伸應用：把概念放進完整決策

如果要把二分法本能真正用在思考上，可以練習把任何二選一改寫成「分布問題」。例如公司不是只有成長股和價值股，可以用成長率、獲利品質、估值、資本效率各自成為一條軸；房子不是只有好地段和壞地段，可以拆交通、就業、供給、生活機能、價格。當一個問題被拆成多條軸，你會看到很多混合型態：高成長但高估值、低成長但高現金流、交通好但供給過多。這些中間組合才是現實。二分法最危險的地方，是讓人以為只要選對陣營就完成分析；實際上，大部分好決策都發生在條件和程度的比較，而不是口號式站隊。

讀完後的判斷清單

• 這個說法是不是只剩兩邊？
• 中間的大多數在哪裡？
• 兩群分布是否大量重疊？
• 群內差異會不會比群間差異更大？
• 這條界線是自然差異還是行政／敘事門檻？

把這五題拿去套一個你現在真的在做的決策，不需要每題都有完美答案。若其中兩三題完全答不出來，就表示你目前的信心可能高於資訊品質。先補最可能改變決策的資料，再決定是否行動；如果決策低代價且可逆，也可以小步嘗試，用結果繼續更新，而不是為了追求百分之百確定而無限拖延。

今天記住

世界常被說成兩邊，但真正重要的人往往就在中間。