1. 一个具体问题

读了十位成功创业者的经历，发现他们都敢于承担巨大风险，于是得出“大胆冒险就更容易成功”的结论。这里遗漏了哪些人？也许很多同样冒险的人已经退出行业，无法进入访谈名单。我们看到的成功样本，可能经过了一道与结果有关的筛选。

2. 一句话解释

幸存者偏差发生在只分析留下来的对象，却把结论推广到包含退出者的原始群体时。

3. 出处与原意

它是选择偏差的一种表现，而非只属于某个著名故事。金融研究中，Brown、Goetzmann、Ibbotson 与 Ross 在 1992 年分析过业绩研究中的幸存者偏差。理解这一问题，不需要把流传的战机故事当作唯一出处；更重要的是恢复样本的进入和退出规则。

4. 原理与机制

如果失败、关闭或表现差会让记录消失，当前可见样本就不再代表起点总体。缺失不是随机的，多收集一些当前成功者通常也无法修复。需要追踪起始名单、退出时间与退出前表现，并考虑数据提供方是否回填成功历史。统计时还要分清固定起点队列与不断纳入新对象的动态名单。

建立样本时，可以先固定某个历史时点的完整名单，再向后追踪所有成员，包括退出、失联与被合并者。不要从今天仍能找到的成功者倒推名单。若退出者的数据确实不可得，应明确缺失范围，并用不同退出表现的假设观察结论是否改变。

5. 一个完整案例

假设案例：十家店在年初各投入同样资金，五家存续店年底收益率均为 20%，五家关闭店各亏损 60%。只看仍营业的店，平均收益率为 20%；把全部十家算入，则为 (5×20%+5×−60%)/10=−20%。两份报告差了四十个百分点，原因不在计算公式，而在分母。若关闭店没有完整账目，也应说明缺失并做范围估计，不能悄悄删掉。

6. 适用条件与反例

适合检查职业建议、公司排名、基金回测与用户留存研究。只研究幸存者也可能合理，例如目标就是改善现有活跃用户的体验；问题在于把这个条件群体的发现外推到全部新用户。恢复失败样本也不会自动证明因果，还可能有能力、资源和时代环境等混杂。

7. 今天可以尝试的行动

审查一份成功经验总结，写出“谁有机会被看见，谁会消失”。找一组同起点的未成功对象，比较它们是否也具备被称为成功秘诀的特征，再决定这条经验能说明多少。

8. 参考资料与关联条目