第二章 · 先泼一盆冷水

第一章那两张桌子，画面感很强。现在请允许我泼一盆冷水：在你把这个画面当成「规律」之前，科学会先问你三个问题——差异有多大？是不是人人都有？还是只在平均数上成立？这一章没有新故事，只有一把尺子。但这把尺子决定了后面所有章节的读法。

先说一个著名的实验

「女人比男人话多」大概是流传最广的性别差异说法，流行版本甚至给出数字：女人每天说两万个词，男人只说七千个。2007 年，心理学家 Matthias Mehl（马蒂亚斯·梅尔，亚利桑那大学，专门研究「怎么录下人们真实生活里的谈话」）决定实测一次。他给几百名大学生戴上一个叫 EAR 的小录音设备，不定时自动录下他们日常谈话的片段，然后数词。

结果发表在《科学》杂志上：女人平均每天约 1.6 万个词，男人也是约 1.6 万个词。「女人话多三倍」的流行数字，在真实生活里根本不存在。真正惊人的是另一件事：最健谈的人一天说了 4.7 万个词，最沉默的一天不到 1000 个词——人和人之间的差距，是「男 vs 女」这种平均差距的几百倍。

平均数会骗人：认识一把尺子

要谈「差异多大」，得先认识一个统计量：效应量（effect size），常用写法是 Cohen's d。它回答的不是「有没有差异」，而是「差异大不大」。

用身高打比方最直观。男人平均比女人高，这是铁的规律。但这句话的实际含义是：把全体男人的身高画成一条钟形曲线，全体女人画成另一条，两条曲线大部分重叠在一起。你随便在街上抓一男一女，有相当比例的可能性是女人更高。身高是性别差异里最大的一档（d 约为 2），已经是「一眼能看出重心不同」的程度；而心理学里绝大部分性别差异，比身高小得多。

给你一个刻度感：

• d ≈ 0.1：两条曲线几乎完全重叠。知道性别，对预测个体几乎没帮助。
• d ≈ 0.35：心理学里算「小到中等」，肉眼观察日常生活基本看不出来。
• d ≈ 2：身高级别，差异大到「常识」。

现在把谈话领域的实测数据放上来：关于谁更健谈，2007 年的一项元分析（把几十项独立研究的结果合并统计，比单项研究可靠得多）测得 d ≈ 0.11。关于谁更愿意谈论自己的感受和隐私（自我暴露），1992 年的经典元分析测得 d ≈ 0.18。都是「曲线几乎完全重叠」那一档。

Hyde 的发现：我们比想象的更相似

2005 年，心理学家 Janet Hyde（珍妮特·海德，威斯康星大学，毕生研究性别差异）把几十项元分析扫了一遍，提出了性别相似性假说：在她检查的绝大多数心理变量上——从语言能力到数学、从攻击性到领导风格——男女差异都是小的或接近零的。两性在心理上，相似是常态，差异是少数。

那为什么我们感觉差异巨大？这里有一个认知机制：人的大脑是归类机器——一旦用「男/女」把人分了类，我们就会格外注意符合类别的例子、自动忽略不符合的。你记住了隔壁那个天天拆关系的女生宿舍，自动跳过了那个只会聊装备的女生；你记住了酒桌上互损的兄弟，自动跳过了深夜给发小打电话哭的那个。统计学叫确认偏误，俗话叫「只见贼吃肉」。放大器是：小差异 × 选择性注意 = 感觉上的天壤之别。

那这本书还写什么？

读到这你可能想问：既然差异这么小，后面八章是不是建立在沙子上？不是。这里有一个关键的统计学细节，也是理解全书的枢纽：平均差异小，不代表「模式」不存在。

两件事可以同时为真：一是「随便抓一对男女，他们的谈话风格可能没差别甚至相反」；二是「观察一千场亲密同性的聚会，话题重心的分布确实不一样」。前者说的是个体的不可预测性，后者说的是倾向——尤其在「亲密同性朋友」这个特定场景里，差异会被放大，因为这个场景恰恰是性别化社交练习了一辈子的主场。

所以后面章节的每个结论，请一律按这个格式读：「在大量人身上、平均而言、有这个倾向」——而不是「女人都这样、男人都这样」。尺子已经给你了。从下一章开始，我们看数据里那个真实的、中等大小的、重叠但不重合的世界。