സ്റ്റാറ്റിസ്റ്റിക്‌സ് കണക്കുകള്‍: കാണുന്നതും കാണുന്നതിനപ്പുറവും

സ്റ്റാറ്റിസ്റ്റിക്‌സ്ക്ലാസ്സുകളില്‍ സാധാരണ പറയാറുള്ള ഒരു തമാശയുണ്ട്. ഒരിക്കല്‍, നീന്തല്‍ അറിയാത്ത ഒരു യാത്രക്കാരന്‍ പുഴനീന്തി കടക്കുന്നതിന് മുന്‍പ് അടുത്ത് നില്‍ക്കുകയായിരുന്ന സ്റ്റാറ്റിസ്റ്റിക്‌സ് വിദഗ്ദ്ധനോട് പുഴയുടെ ആഴം എത്രയുണ്ട് എന്നാരാഞ്ഞു.

പുഴയുടെ”ശരാശരി” ആഴം നിങ്ങളുടെ ഉയരത്തേക്കാള്‍ കുറവാണ് എന്ന വിദഗ്ദ്ധോപദേശം കേട്ട യാത്രക്കാരന്‍ പുഴ കടക്കാന്‍ ശ്രമിക്കുകയും പുഴയുടെ നടുവിലെ നിലയില്ലാ കയത്തില്‍ മുങ്ങിമരിക്കുകയും ചെയ്തു.

സ്റ്റാറ്റിസ്റ്റിക്‌സ് എന്ന ശാസ്ത്ര ശാഖയെ പറ്റിയുള്ള ചില അടിസ്ഥാന പ്രത്യേകതകള്‍ ഈ കഥയിലുണ്ട്. ഒന്ന് സ്റ്റാറ്റിസ്റ്റിക്കല്‍ വിവരണത്തെപ്പറ്റി സാമാന്യ ജനങ്ങള്‍ക്കുള്ള “”ആധികാരിക””- പ്രതീതിയാണ്. കണക്കുകള്‍ കള്ളം പറയില്ല എന്ന പൊതു ധാരണ ചിലപ്പോള്‍ നിങ്ങളുടെ ജീവന്‍ തന്നെ നഷ്ട്ടപ്പെടുത്തിയേക്കാം.

രണ്ടാമത്തെ കാര്യം, ശാരാശരികള്‍ (Averages), ബന്ധങ്ങള്‍(relationships), പ്രവണതകള്‍ (trends), ഗ്രാഫുകള്‍ തുടങ്ങിയവ പലപ്പോഴും അര്‍ത്ഥനമാക്കുന്നത് അവ ആദ്യനോട്ടത്തില്‍ കാണപ്പെടുന്നതുപോലെ ആവണമെന്നില്ല എന്നതാണ്. സാധാരണ മനുഷ്യര്‍ മനസ്സിലാക്കുന്നതിന് അപ്പുറത്ത് പലകാര്യങ്ങള്‍ അവയില്‍ അന്തര്‍ലീനമായിരിക്കുന്നുണ്ടാവാം. ചിലപ്പോള്‍ നേരെ തിരിച്ചും, നമ്മള്‍ കാണുന്നതെല്ലാം അതില്‍ ഉള്‍ക്കൊളണ്ടിട്ടുണ്ടായിരിക്കണം എന്നില്ല.

How to lie with statistics എന്ന പ്രസിദ്ധമായ പുസ്തകത്തില്‍ Darrell Huff പറയുന്നത് ശ്രദ്ധിക്കുക.

“”വസ്തുതാ തല്പ്പരതയുള്ള സമൂഹങ്ങളില്‍ വലിയരീതിയില്‍ ആകര്‍ഷകത്വമുള്ള സ്റ്റാറ്റിസ്റ്റിക്‌സ്‌ന്റെ ഗൂഢ-ഭാഷ കാര്യങ്ങളെ ഉദ്വേഗജനകമാക്കാനും, ഊതി വീര്‍പ്പിക്കാനും, ആശയകുഴപ്പമുണ്ടാകാനും, അതിലളിതവല്‍ക്കരിക്കാനും സാമാന്യേന ഉപയോഗികപ്പെടുന്നു. സാമൂഹികവും സാമ്പത്തികവുമായ പ്രവണതകള്‍, വാണിജ്യനിലകള്‍, അഭിപ്രായസര്‍വ്വേകള്‍ സെന്‍സസ് തുടങ്ങിയവ റിപ്പോര്‍ട്ട് ചെയ്യാന്‍ സ്റ്റാറ്റിസ്റ്റിക്‌സിന്റെ രീതിശാസ്ത്രവും പദാവലികളും ആവശ്യമാണ്.

പക്ഷെ, സത്യസന്ധമായല്ലാതെയും വേണ്ടത്ര മനസ്സിലാക്കാതെയും സ്റ്റാറ്റിസ്റ്റിക്‌സ് ഉപയോഗിക്കുന്ന എഴുത്തുകാരും സ്റ്റാറ്റിസ്റ്റിക്‌സ് സങ്കല്പ്പനങ്ങളെപ്പറ്റി കാര്യമായ ധാരണയില്ലാത്ത വായനക്കാരും ഒക്കെയാണെങ്കില്‍ സ്റ്റാറ്റിസ്റ്റിക്‌സ് ഉപയോഗിക്കുന്നതിന്റെ ഫലം ചിഹ്നശാസ്ത്രപരമായ ഒരു അസംബന്ധം (semantic nonsense) മാത്രമായിരിക്കും.””

സ്റ്റാറ്റിസ്റ്റിക്സ് എന്ന ശാസ്ത്ര ശാഖ ഈ തരത്തില്‍ വലിയ അപ്രിയ സത്യങ്ങളെ മറച്ചുവെക്കാനും, തങ്ങള്‍ക്കു അനുകൂലമായ സൂചകങ്ങളെ/ഏകകങ്ങളെ കൂടുതല്‍ പ്രൊജക്റ്റ് ചെയ്തു കാണിക്കുക വഴി തെറ്റിദ്ധാരണ നിറഞ്ഞ വിവരങ്ങള്‍ വ്യാപകമായി പ്രചരിപ്പിക്കാനും ഉപയോഗിക്കാറുണ്ട്.

സ്റ്റാറ്റിസ്റ്റികസിന്റെ ഈ സ്വഭാവത്തെ സൂചിപ്പിക്കാന്‍ പലപ്പോഴും ഉപയോഗിക്കുന്ന ഉദ്ധരണിയാണ് “There are three kinds of lies: lies, damned lies, and statistics.” എന്നത്.

സ്ഥാപിത താല്പര്യക്കാര്‍ക്ക് സ്റ്റാറ്റിസ്റ്റിക്സ് അര്‍ദ്ധരസത്യങ്ങളുടെ ശാസ്ത്രം മാത്രം ആണ്. കഴിഞ്ഞ ദിവസങ്ങളില്‍ പെട്രോള്‍-ഡീസല്‍ വില വര്‍ധനവിന്റെ പാശ്ചാത്തലത്തില്‍ കേന്ദ്രത്തില്‍ ഭരണം നടത്തുന്ന ബി.ജെ.പി സോഷ്യല്‍ മീഡിയകളില്‍ വളരെ വ്യാപകമായി പ്രചരിപ്പിച്ച ഒരു സ്റ്റാറ്റിസ്റ്റിക്കല്‍ അവലോകനം ഈ തരത്തില്‍ വസ്തുതയെ കുടിലമായി തെറ്റിദ്ധരിപ്പിക്കുന്ന ഒന്നാണ്.

പെട്രോ-ഡീസല്‍ വില വര്‍ധനവിനെക്കുറിച്ചുള്ള യഥാര്‍ത്ഥ വിശകലനം പൂര്‍ണമായും ഒളിപ്പിച്ചു വെച്ചുകൊണ്ട് തങ്ങള്‍ക്കു അനുകൂലമായ രീതിയില്‍ വില വര്‍ദ്ധനവിന്റെ നിരക്കിനെ (rate of change) കാണിക്കാനാണ് ആ സ്റ്റാറ്റിസ്റ്റിക്സ് ഗ്രാഫ് അവര്‍ ഉപയോഗിക്കാന്‍ ശ്രമിച്ചത്. ഈ പ്രചാരണ പ്രവര്‍ത്തനങ്ങളെ വലിയ തമാശയായും, ഫെയ്ക്ക്‌ന്യൂസ്, ഫോട്ടോഷോപ്പ് ശ്രമങ്ങള്‍ മാത്രമായുമാണ് കുറെപ്പേരെങ്കിലും മനസ്സിലാക്കുന്നത്.

എന്നാല്‍ സ്റ്റാറ്റിസ്റ്റിക്സ് എന്ന വിഷയത്തെ തങ്ങളുടെ താല്പര്യങ്ങങ്ങള്‍ക്കായി സമര്‍ത്ഥമായി ഉപയോഗിക്കാം എന്നതിനുള്ള ചെറിയ ഒരു ഉദാഹരണം മാത്രമാണ് ഇത്. ഈ തരത്തില്‍ സ്റ്റാറ്റിസ്റ്റിക്സ് ഗവണ്മെന്റുകളും ഔദ്യോഗിക കേന്ദ്രങ്ങളും വളരെ വ്യാപകമായി തന്നെ ഉപയോഗപ്പെടുത്തുന്നുണ്ട്. സ്റ്റാറ്റിസ്റ്റിക്‌സ് ഇത്തരത്തില്‍ ചില സൗകര്യങ്ങള്‍ നല്‍കുന്നുണ്ട് എന്നത് വസ്തുതയാണ്.

വിവരങ്ങളെ ശേഖരിച്ചു വിശകലന വിധേയമാക്കി അവതരിപ്പിക്കുക, ഈ വിശകലനത്തിന്റെ ഫലങ്ങള്‍ ഉപയോഗിച്ച് ചില പ്രവണതകളെ മനസ്സിലാക്കുക, ചില പ്രവചനങ്ങള്‍ നടത്തുക, ചില വിശദീകരണങ്ങളും അനുമാനങ്ങളും നടത്തുക, തുടങ്ങിയവക്കാണ് സ്റ്റാറ്റിസ്റ്റിക്‌സ് പ്രധാനമായി ഉപയോഗിക്കുന്നത്. ഈ ഘട്ടങ്ങളിലെല്ലാം തങ്ങള്‍ക്ക് അനുകൂലമായി പ്രതേക രീതികളില്‍ വിവരങ്ങളെ കാണിക്കാന്‍ കഴിയും എന്നത് പലപ്പോഴും സ്റ്റാറ്റിസ്റ്റിക്‌സിന്റെ ഒരു പരിമിതിയാണ്.

ഇത്തരം പരിമിതികളെ പരിശോധിക്കാനും വിശകലനം ചെയ്യാനും കഴിയുന്ന രീതികള്‍ സ്റ്റാറ്റിസ്റ്റിക്‌സില്‍ ഉണ്ടെങ്കിലും അത്തരം രീതികള്‍ ഉപയോഗിക്കാന്‍ സ്റ്റാറ്റിസ്റ്റിക്‌സിനെ സ്വന്തം താല്പ്പര്യങ്ങള്‍ക്കായി ദുരുപയോഗം ചെയ്യുന്നവര്‍ മുതിരാറില്ല. അതുകൊണ്ടു തന്നെ ഇവര്‍ക്ക് അബ്‌സല്യൂട്ട് അളവുകളേക്കാള്‍ പലപ്പോഴും ശരാശരി (average), മാറ്റത്തിന്റെ നിരക്ക് (rate of change) , ശതമാനം (percentage), പ്രവണത (trend) തുടങ്ങിയ റിലേറ്റീവ് അളവുകളോടാണ് കൂടുതല്‍ താല്പര്യം.

മുഖ്യധാരാ മാധ്യമങ്ങളിലും സാമൂഹ്യ മാധ്യമങ്ങളിലും ഒക്കെ കാണുന്ന സ്റ്റാറ്റിസ്റ്റിക്സ് മിക്കപ്പോഴും ആവറേജുകളുടെ പഠനം ആണ്. ഇത്തരത്തില്‍ ലഭ്യമാകുന്ന സൂചകങ്ങള്‍ യാഥാര്‍ത്ഥ്യത്തെ ദ്യോതിപ്പിക്കുന്ന വിശകലന ഫലങ്ങള്‍ ആയിക്കൊള്ളണം എന്നില്ല.

ഇത്തരത്തില്‍ തങ്ങള്‍ക്കനുകൂലമായി അവതരിപ്പിക്കപ്പെടുന്ന സ്റ്റാറ്റിസ്റ്റിക്‌സ് ആണ് ഗവണ്‍മെന്റ് വെബ്‌സൈറ്റുകളിലും മറ്റും കുറച്ചുകാലമായി വ്യാപകമായികണ്ടുവരുന്നത്. ഒരോ സ്റ്റാറ്റിസ്റ്റിക്കല്‍ സൂചകങ്ങളുടെയും പിറകിലുളള കണക്കുകൂട്ടലുകളെ കുറിച്ചും, ഓരോ കാലത്തും മാറ്റം വരുന്ന നിര്‍വചനങ്ങളെ കുറിച്ചും, മെത്തഡോളജിയിലെ മാറ്റങ്ങളെ കുറിച്ചും കൂടുതല്‍ ആരും തന്നെ സൂക്ഷ്മമായി പരിശോധിക്കാറില്ല.

സ്വാഭാവികമായിട്ടും മുന്‍കാലങ്ങളെ അപേക്ഷിച്ചു വലിയ മാറ്റം എന്ന രീതിയില്‍ പ്രചരിപ്പിക്കാന്‍ ഇതുവഴി കഴിയും. ജനങ്ങള്‍ അവരുടെ യഥാര്‍ത്ഥ നിത്യജീവിതാനുഭവങ്ങളില്‍ തൊഴിലില്ലായ്മയാല്‍ വലയുമ്പോഴും ഇന്ത്യയിലെ തൊഴിലില്ലായ്മ കുറഞ്ഞു എന്ന് തെറ്റിദ്ധാരണ പരത്താന്‍ ഇത്തരം വിശകലനങ്ങളിലൂടെ കഴിയും. ഇപ്രകാരം ദാരിദ്ര നിരക്കു കുറയ്ക്കാനും, ആരോഗ്യ രംഗത്തെ മികവ് വര്‍ധിപ്പിക്കാനും, വിദ്യാഭ്യാസരംഗത്തെ ഗുണനിലവാരത്തെ വര്‍ധിപ്പിക്കാനും തങ്ങള്‍ക്കു കഴിഞ്ഞു എന്ന് കണക്കുകളുടെ കളികളിലൂടെ തെറ്റിദ്ധരിപ്പിക്കാന്‍ ഇവര്‍ക്ക് കഴിയും.

ഈ തരത്തില്‍ ഉള്ള സ്റ്റാറ്റിസ്റ്റിക്‌സിന്റെ വ്യാപകമായ ഉപയോഗം ഗവണ്‍മെന്റിന്റെ പല പ്രവര്‍ത്തന വിശകലനങ്ങളിലും റിപ്പോര്‍ട്ടുകളിലും മുക്ക് കാണാം. കേന്ദ്ര-പ്ലാനിങ് കമ്മീഷന്‍ പിരിച്ചു വിട്ടതിനു ശേഷം വന്നിട്ടുള്ള വാര്‍ഷിക സാമ്പത്തിക സര്‍വേകളിലും കേന്ദ്ര സര്‍ക്കാറിന്റെ കീഴിലുള്ള എല്ലാ വെബ്‌സൈറ്റുകളിലും ഈ തരത്തില്‍ സ്റ്റാറ്റിസ്റ്റിക്‌സ് എന്ന വിഷയത്തെ സമര്‍ത്ഥമായി ഉപയോഗപ്പെടുത്തുന്നത് കാണാം. തിരഞ്ഞെടുപ്പ് അടുത്ത് വരുന്ന ഈ ദിവസങ്ങളില്‍ ഈ തരത്തിലുള്ള ഗ്രാഫുകള്‍ നിറഞ്ഞ “”സ്റ്റാറ്റിസ്റ്റിസ്”” അവലോകനങ്ങള്‍ ഇനിയുള്ള ദിവസങ്ങളില്‍ കൂടുതല്‍ പ്രതീക്ഷിക്കാം എന്നതുകൊണ്ട് മാത്രമാണ് ഈ കുറിപ്പ് എഴുതുന്നത്.

സാമ്പത്തിക വികസനത്തിന്റെ അളവുകോല്‍ ആയ ജി.ഡി.പി. എന്നത് “മൊത്തം” (gross) എന്ന അളവ് എന്നതിനേക്കാള്‍ “”വര്‍ധനവിന്റെ നിരക്ക്”” എന്ന നിലക്കാണ് എല്ലായാപ്പോഴും വാര്‍ത്തകളില്‍ വരാറുള്ളത്. ശരാശരി എന്ന ആപേക്ഷിക സൂചകത്തിന്റെ പരിമിതി ഇവിടെയും കാണാം. ഇക്കഴിഞ്ഞ ദിവസങ്ങളില്‍ ഒരു പ്രധാന വാര്‍ത്ത 2018 ലേ ജി.ഡി.പി. യുടെ 8.2% വളര്‍ച്ചയെ കുറിച്ചായിരുന്നു. കഴിഞ്ഞ രണ്ടു വര്‍ഷത്തിനിടയിലെ ഏറ്റവും വലിയ വളര്‍ച്ച ഇന്ത്യ കൈവരിച്ചു എന്നുള്ളതായിരുന്നു പ്രതീതി. എന്നാല്‍ ഇതിനുള്ളില്‍ അടങ്ങിയിരിക്കുന്ന ചില സത്യങ്ങള്‍ എലാവരും ശ്രദ്ധിച്ചുകാണണം എന്നില്ല. ഒന്ന്, ഈശരാശരി GDP വളര്‍ച്ചാ നിരക്ക് രൂപപ്പെടുത്തുന്നതില്‍ ഒരു ഘടകം മുന്‍ വര്‍ഷത്തെ അതേ കാലയളവിലുള്ള 5.1% എന്ന കുറഞ്ഞ ജി.ഡി.പി. വളര്‍ച്ച കൂടിയാണെന്ന് (high GDP growth rate due to low-base effect) അവര്‍ പറയില്ല.

അതുപോലെ ജി.ഡി.പി. എന്നത് ഒരു വര്‍ഷത്തെ ആകെ സാമ്പത്തിക പ്രവര്‍ത്തനത്തില്‍ നിന്നും രൂപപ്പെടുത്തുന്ന ഒരു സൂചകമായാണ് കരുതുന്നത്. ഇവിടെ ആദ്യ മൂന്ന് മാസത്തെ ഉയര്‍ന്ന താല്‍ക്കാലികമായ വളര്‍ച്ചാ നിരക്ക് ഉയര്‍ത്തിക്കാട്ടുക വഴി ആളുകളില്‍ തെറ്റിദ്ധാരണ ഉണ്ടാക്കുകയാണ് ചെയ്തത്. ഈ ആദ്യ മൂന്ന് മാസത്തെ വളര്‍ച്ചാനിരക്ക് സ്ഥായിയായി തുടര്‍ന്നാല്‍ മാത്രമേ യാഥാര്‍ത്ഥ വാര്‍ഷിക വളര്‍ച്ചയെ കുറിച്ചുള്ള വിവരണം സാധ്യമാകൂ.

മറ്റൊരു ഉദാഹരണം ശ്രദ്ധിക്കുക. സാമ്പത്തിക വളര്‍ച്ചയുടെ സൂചമായി കരുതുന്ന “”ശരാശരി ആളോഹരി വരുമാനം”” ത്തിന്റെ സ്റ്റാറ്റിസ്റ്റിക്സ് പ്രകാരം ഇന്ത്യയുടെ ശരാശരി ആളോഹരി വരുമാനം 1 ലക്ഷത്തില്‍ കൂടുതല്‍ ആണ്. ഈ ശരാശരി സൂചകത്തില്‍ ഇന്ത്യയിലെ സമ്പത്തിന്റെ സിംഹഭാഗവും കൈവശം വെക്കുന്ന ചെറു ന്യൂനപക്ഷത്തിന്റെ വരുമാനവും മഹാദരിദ്രരായ ബഹുഭൂരിപക്ഷത്തിന്റെ വരുമാനവും ഉള്‍പ്പെടും.

എന്നാല്‍ ഈ ശരാശരിക്കണക്ക് ഒരു ലക്ഷത്തിനും വളരെ കുറവ് വരുമാനമുള്ള അനേകരെ യഥാര്‍ത്ഥത്തില്‍ പരിഗണിക്കുന്നില്ല. ഇന്ത്യയിലെ ഓരോ പൗരനും ഒരു ലക്ഷത്തിനടുത്തു വരുമാനം ഉണ്ട് എന്ന ഒരു വന്‍ തെറ്റിധാരണയും ഈ ശരാശരികണക്ക് ഉളവാക്കുന്നു. സമ്പത്തിന്റെ കേന്ദ്രീകരണത്തെ പറ്റിയുള്ള സൂചകങ്ങള്‍ക്ക് (measures of central tendencies) പകരം വിതരണത്തെ (dispersion) കുറിച്ചുള്ള വിശകലനങ്ങളിലൂടെ ഈ പ്രശ്‌നം പരിഹരിക്കാവുന്നതാണെങ്കിലും സര്‍ക്കാര്‍ ഇതിനു മുതിരാറില്ല.

നോട്ടുനിരോധന വിശകലനങ്ങളിലും ഈ ഒരു പ്രവണത വ്യാപകമായി കാണാം. നോട്ടുനിരോധനം കാരണം വികസനം ഉണ്ടായി എന്നും, നികുതി വിവരം നല്‍കുന്ന ആളുകളുടെ എണ്ണം വര്‍ധിച്ചു എന്നും സ്റ്റാറ്റിസ്റ്റിക്സിലെ ബന്ധങ്ങളുടെ വിശകലനം (correlation analysis) ഉപയോഗപ്പെടുത്തി ഇവര്‍ അവകാശപ്പെടുന്നു. തീര്‍ച്ചയായും സ്റ്റാറ്റിസ്റ്റിക്‌സിലെ ചില സങ്കേതങ്ങള്‍ ഉപയോഗിച്ചു ഇത്തരം ഒരു അവകാശവാദം ഉന്നയിക്കാവുന്നതാണ്.

എന്നാല്‍ ഈ ബന്ധങ്ങളുടെ കാര്യ- കാരണ വിശകലനത്തിലൂടെ (cause and effect analysis) മാത്രമേ ഈ കണക്കിന്റെ യഥാര്‍ത്ഥ അവസ്ഥ വ്യക്തമാവുകയുള്ളൂ. എന്നാല്‍ അത്തരം ഒരു വിശകലനത്തിലേക്ക് പോകാന്‍ ഇവര്‍ ധൈര്യപ്പെടാറില്ല. വികസനത്തിന്റെയും നിരക്കിന്റെയും നികുതി വിവരം നല്‍കുന്ന ആളുകളുടെ എണ്ണത്തിലെയും വര്‍ധനവിനു മറ്റു പല സുപ്രധാന ഘടകങ്ങള്‍ ഉണ്ടെന്നു അത്തരം ഒരു വിശകലനത്തില്‍ മാത്രമേ ബോദ്ധ്യപ്പെടൂ. ഈ തരത്തില്‍ സ്റ്റാറ്റിസ്റ്റിക്കല്‍ വിശകലനങ്ങള്‍ക്ക് ചിലപരിമിതികള്‍ ഉണ്ടെങ്കിലും ഇവയൊക്കെ പരിഹരിക്കുന്നതിന് പര്യാപ്തമായി ഈ വിഷയം വളര്‍ന്നിട്ടുമുണ്ട്. നിര്‍ഭാഗ്യവശാള്‍ ആ തരത്തിലുള്ള അവലോകനങ്ങള്‍ തങ്ങളുടെ താല്പര്യങ്ങള്‍ക്ക് എതിരാകും എന്നതിനാല്‍ ഇക്കൂട്ടര്‍ മുതിരാറില്ല.

ഈ തരത്തില്‍ തെറ്റിദ്ധ ഉളവാക്കുന്ന പല ഒളിച്ചുവെപ്പുകളും തങ്ങള്‍ക്കു അനുകൂലമായ പ്രോജക്ഷന്‍ കളികളും സ്റ്റാറ്റിസ്റ്റിക്കല്‍ വിവരങ്ങളും സര്‍ക്കാറിന്റെ പല ഔദ്യോഗിക വിവരണങ്ങളിലും കാണാം. ഓരോ വര്‍ഷവും പുതുതായി ഓപ്പണ്‍ ചെയുന്ന ബാങ്ക് അക്കൗണ്ടുകളുടെ കണക്കു അവര്‍ പറയും. എന്നാല്‍ ആകെ ഡി-ആക്റ്റീവ് ആയി കിടക്കുന്ന അക്കൗണ്ടകളുടെ കണക്കു അവര്‍ മറച്ചുവെക്കും.

13 കോടി ആളുകള്‍ക്ക് “മുദ്രാ” ലോണ്‍ നല്‍കുക വഴി 13 കോടി തൊഴില്‍ അവസരം പുതുതായി സൃഷ്ട്ടിച്ചു എന്ന് പറയും. പക്ഷെ ഒരാള്‍ക്ക് ഏകദേശം 50,000ത്തില്‍ കുറവ് മാത്രമാണ് ലോണ്‍ ആയി ലഭിച്ചത് എന്നത് മറച്ചു വെക്കും. സുസ്ഥിരമായ ജോലി ഇതുവഴി ഈ നിസ്സാര തുകകൊണ്ട് സാധ്യമാണോ എന്നുള്ള കാര്യം ഇവര്‍ അന്വേഷിക്കില്ല.

ഇന്ത്യയില്‍ വാര്‍ഷിക തൊഴില്‍-തൊഴിലില്ലായ്മയുടെ (annual employment-unemployment survey) കണക്കെടുപ്പ് ഈ ഭരണത്തില്‍ കാലയളവില്‍ അവര്‍ നിര്‍ത്തലാക്കിയിരുന്നു. പക്ഷെ EPFO (employee”s provident fund organization) യില്‍ അംഗമാകുന്നവരുടെ കണക്കു മുന്‍നിര്‍ത്തി ഇന്ത്യയില്‍ തൊഴില്‍ അവസരം വര്‍ധിക്കുന്നു എന്നുള്ള സ്റ്റാറ്റിസ്റ്റിക്കല്‍ ഇന്‍ഫെറെന്‍സ് നടത്തി തൊഴില്‍ അവസരം വര്‍ധിച്ചു എന്ന തരത്തില്‍ ഇവര്‍ പ്രചാരണങ്ങള്‍ നടത്തും.

ഈ മേഖലയിലെ ഏറ്റവും വലിയ ഒളിച്ചുകളി നടന്നത് ഇന്ത്യയില്‍ നടന്ന സാമൂഹിക-സാമ്പത്തിക-ജാതി സെന്‍സസ് വിവരങ്ങളുടെ കാര്യത്തിലാണ്. ഈ സര്‍വ്വേയുടെ ഭാഗികമായ വിവരങ്ങള്‍ മാത്രമാണ് പുറത്തുവിട്ടിട്ടുള്ളത്. ഇത്തരത്തില്‍ അപ്രിയ സത്യങ്ങള്‍ പലപ്പോഴും സ്റ്റാറ്റിസ്റ്റിക്‌സില്‍ പുറത്തു കാട്ടാറില്ല.

പറഞ്ഞു വരുന്നത് വൈദഗ്ധ്യമുള്ള ഒരു കൗശലക്കാരന് സ്റ്റാറ്റിസ്റ്റിക്സ് ഉപയോഗപ്പെടുത്തി അപ്രിയ സത്യങ്ങളെ മറച്ചുവെക്കാനും, അപ്രധാനമായ ചില സൂചകങ്ങള്‍ പ്രൊജക്റ്റ് ചെയ്തുകൊണ്ട് ഭൂരിപക്ഷം വരുന്ന സാധാരണ ആളുകളെ തെറ്റിദ്ധരിപ്പിക്കാനും ഏറെ എളുപ്പമാണ് എന്നതാണ്. ഈ ഒരു സാധ്യതയാണ് ഈ കാലഘട്ടത്തില്‍ വ്യാപകമായി ഭരണനേട്ടണങ്ങളെ കാണിക്കുന്നതിന് വേണ്ടി ഔദ്യോഗികമായും അല്ലാതെയും ഉപയോഗപ്പെടുത്തുന്നത്. അതുകൊണ്ടു തന്നെ സ്റ്റാറ്റിസ്റ്റിക്സ് രീതികള്‍ കേവലം കളവു പറയുക എന്നതിനപ്പുറം ദുഷിച്ച ഒരു രാഷ്ട്രീയ ആയുധം കൂടിയായാണ് ഉപയോഗപ്പെടുത്തുന്നത്.