負面本能

Lead： 壞消息更容易被看見，並不表示壞事情一定比以前更多。

為什麼壞消息特別有存在感

壞消息有三個優勢：它突然、帶風險、需要立即注意。這些特徵都符合人類注意力系統的偏好。慢慢改善則相反：它每天只變一點點，沒有明確事件點，也很少讓人『非看不可』。因此，資訊環境本來就會偏向負面，不需要假設媒體刻意欺騙。這種選擇機制就足以讓我們對世界形成過度悲觀的印象。

改善不是一條直線

即使長期方向改善，中間也會出現戰爭、疫情、金融危機與政策失誤。長期改善從來不是每年都比前一年好。真正需要的是把短期衝擊和結構性趨勢分開。例如某一年兒童死亡率因戰亂上升，不能因此否定三十年的全球改善；但也不能用三十年改善掩蓋當地正在發生的人道危機。時間尺度不同，問題也不同。

資料品質變好也會增加壞消息

有時候『案件變多』其實部分來自偵測、通報或定義改善。疾病檢測更普及後，診斷數可能上升；性騷擾通報制度變好後，通報件數可能增加；網路詐騙分類更完整後，統計件數也可能上升。這不代表問題不存在，而是單看件數無法分辨『事件真的變多』和『我們更能看見』。

放到市場

市場下跌會被即時推播、新聞標題和社群討論放大。若持有一個分散投資組合，五天跌幅通常不等於投資論點失效。相反地，一家公司連續多年毛利率下降、負債上升，即使新聞最近很平靜，也可能是更值得注意的慢性問題。負面本能的反面不是『忽略壞消息』，而是把最吵的風險和最重要的風險分開。

容易誤解的地方

有人會把 Factfulness 解讀成『世界其實很好，所以不要擔心』，這是錯的。它強調的是準確，不是正能量。當資料顯示惡化，就應承認惡化；當資料顯示改善，也不要因為情緒上不舒服而拒絕承認。真正成熟的世界觀可以容納：現在還不夠好、過去已經進步、未來仍可能倒退，三句同時成立。

實際使用

看到一則負面新聞時，建立兩欄：事件層級與趨勢層級。事件層級回答『這次發生什麼』；趨勢層級回答『十年來是否更常發生、影響是否更大』。如果只有事件資料，就先把結論限制在事件本身，不要直接寫成『社會越來越糟』『市場已經變了』。

再往深一層：好消息也可能被系統性忽略

改善常是「沒發生的壞事」：疫苗讓某些疾病沒有發生、建築規範讓事故減少、預警系統讓災害損失降低。這些成果沒有具體事件可以拍攝，因此特別不容易被感知。人會看到一次事故，卻看不到因制度改善而消失的上百次事故。讀公共政策與風險資料時，這種看不見的改善尤其重要。

完整情境拆解

假設某城市今年交通事故新聞很多。你可以先查事故總件數、每十萬人口死亡率、車輛里程、人口成長、通報方式。如果人口和車流增加 20%，事故件數只增加 5%，以暴露量計算的風險反而可能下降。相反地，如果件數下降但人口下降得更多，風險可能上升。單看新聞數量或絕對件數，都可能得到相反結論。

自己練一次

把你最近覺得「越來越糟」的一件事寫下來，找一個至少十年的官方指標。如果找不到長期資料，就把結論改成「我最近看到很多相關新聞，但還不知道長期趨勢」。這句話看似保守，其實是更精確。

延伸應用：把概念放進完整決策

對抗負面本能還可以建立「反新聞清單」：每當一個壞消息讓你形成總體結論，就刻意找一個慢變指標和一個相反方向的資料。這不是要找正能量，而是測試你的世界觀是否被單一事件霸佔。例如看到詐騙案件創高，不只看案件數，也看每十萬人口損失、通報率、追回比例與新防制措施；看到企業裁員，不只看裁員家數，也看就業人口、職缺、工時和薪資。多個指標如果仍然一致惡化，就有更強理由擔心；如果結果混合，就應把語氣從「全面惡化」改成更精確的局部描述。

讀完後的判斷清單

• 壞消息變多，還是報導／通報變完整？
• 長期官方指標是否真的惡化？
• 是否存在改善但不具新聞性的指標？
• 短期事件和長期趨勢是否混在一起？
• 我是否因最近幾則新聞就改寫整體世界觀？

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

壞消息更容易被看見，並不表示壞事情一定比以前更多。