第一章我坦白过，理科生真正的崩溃点是「一边说不确定，一边推导出三位小数的结论」。这一章把这件事拆开看：精确和准确，是两个完全不同的东西——而宏观预测把它们混着卖。
精确不等于准确
先立一对概念。精确（precision）是小数点后面有几位；准确（accuracy）是离真实值有多近。两者毫无必然联系。
一把坏尺子可以很精确：它每次都把一米量成 98.347 厘米，读数重复性好得不得了——但每次都错。一场大洪水可以预测得很精确：「水位将达 8.52 米」——最后来了 6 米，精确地错了。反过来，「明年经济增速大概在 4% 到 6% 之间」这种话，模糊，但可能是准确的。
工程上的规矩是：报告数字的有效位数，不许超过测量支持的精度。你的尺子最小刻度是毫米，报数就不许报到微米——报了就是撒谎，是用排版冒充仪器。经济学有个老笑话讲的就是这个：「经济学家用三位小数来证明他们有幽默感。」
大白话：一个模糊的正确答案，好过一个精确的错误答案。凯恩斯原话：「大致的正确，好过精确的错误。」
为什么还要报三位小数
既然支撑不了，为什么机构预测还都是「GDP 增长 5.27%」「年底 CPI 2.3%」这种写法？
一部分原因很无辜：模型输出就是这种数。模型是一堆方程，方程算出来自然是具体数值。另一部分原因就没那么无辜了：精确的形式本身就是一种产品。客户——政府、企业、投资人——付钱了，他们要一个「能写进计划书」的数字，你给一个区间，他们觉得不值；你给一个小数，他们觉得专业。预测的报数格式，是被市场需求塑形的，不是被认识论塑形的。
还有一层博弈：报区间的预测无法被打脸，也就无法被记住。报「明年有六到八成可能温和增长」的分析师，对了没人记得，错了也没人记得。报「明年增长 5.2%」的分析师，万一撞对了，一战成名。精确预测是个收益不对称的彩票：错了大家集体遗忘，对了一个人封神。理解了这点，你就理解了为什么屏幕上永远不缺斩钉截铁的预言家——第八章再细说这事。
不确定性本身可以是精确的
读到这里要小心一个矫枉过正：以为「不确定的世界就不该出现数字」。错了。理科生不该反对数字，该反对的是没有误差棒的数字。
气象学是榜样。天气预报说「明天降水概率 70%」，这是把不确定性本身精确地表达出来：不是「可能下雨」这种废话，也不是「明天会下雨」这种假精确，而是一个可以事后校验的命题——长期来看，所有报 70% 的日子里，应该真有七成左右下了雨。气象台真的会回头校验这个「校准度」，校准差的模型会被改进。这是诚实的科学：不确定没关系，把不确定说清楚，并且接受检验。
宏观经济预测偶尔也给区间（央行报告里那著名的「扇形图」，未来越远的年份扇形张得越开），但新闻转播时扇形图永远被砍掉，只留下中间那条线。于是公众接收到的信息从「一条越来越不确定的路径」退化成「一个假装确定的点」。
混沌：连天气预报都投降过的地方
理科生这时候会举手：混沌理论我学过——非线性系统对初值敏感，蝴蝶扇翅膀，长期预测注定失败。经济不也是混沌系统吗？
可能连混沌都够不上，这是好消息和坏消息的混合。坏消息：经济系统除了混沌，还叠加了第四章的预期问题——天气再混沌，大气分子也不会因为听了天气预报而改变行为，经济里的人会。好消息：混沌理论给过一个深刻的安慰——短期可预测，长期不可预测，而这个边界本身是可以研究的。气象预报的极限大概在十天上下，这不是拍脑袋，是算出来的。宏观经济学尴尬在于：它连「自己的可预测边界在哪」都没有公认的答案。
但「边界意识」是可以借过来的。面对任何宏观预测，理科生该问的不是「这个数对不对」，而是三个更工程的问题：
- 这个预测的置信区间多宽？（没给区间的，自己脑补一个很宽的）
- 预测者过去的校准记录如何？（他历来偏乐观还是偏悲观？）
- 这个预测依赖的关键假设是什么？（假设变了，结论还站得住吗？）
把点估计改成分布
这一章给理科生的武器，是把脑子里的数据类型改一下：宏观预测不该存成一个浮点数，该存成一个概率分布。
「明年增长 5.27%」是一个点，扔掉它。「增长大概率在 3% 到 6% 之间，有不可忽略的小概率掉到 1% 以下，还有一点点可能负增长」——这是一个分布，信息量大得多，而且诚实得多。做工程决策时没人会只用一个标称值，可靠性设计永远考虑分布的尾部；对经济数字，也该这样。
第十章会把「分布思维」发展成一整套和不确定性共处的工具箱。但现在，你已经能识别一种最普遍的谎言了：任何不带你玩误差棒的宏观预测，都在用精确冒充准确。看到后，脑补误差棒，或者掉头就走。