判出一組基準被倖存者篩過只完成一半。方向說的是手上的數字偏高還是偏低，而做決定要的是「偏多少」——差三個百分點跟差三十個百分點，導出的行動完全不同。本篇處理這後半段三件事：缺席那一群的規模與表現怎麼估、估不出來時那組數字降成什麼用、以及哪一類看起來像穩健性檢查的動作其實驗不到這個偏誤。

前置是 Survivorship Bias（倖存者偏誤） 那張卡的三步判定——誰缺席了、這次要平均的是哪個量、缺席者在那個量上落在哪一端。方向沒定之前不必看本篇：往錯的方向修，誤差是真實調整量的兩倍。基準怎麼建、比較組怎麼構，在 產業基準分析。

先分清楚這份基準要拿去做什麼

同一組數字有兩種用途，而倖存者偏誤只嚴重影響其中一種。

橫斷面比較——拿一家還在營運的公司對照一組還在營運的同業。兩邊被同一條存活條件篩過，比較本身仍然成立：問的是「在活下來的這群裡它排在哪」，答案不需要缺席者的資料。

前瞻的期望值——拿基準當一個新進入者該預期達到的水準，或當投資報酬的參考。這時基準代表的是「做這件事會得到什麼」，而缺席者正是那個母體的一部分，漏掉他們就是漏掉失敗的那一半。

本篇整篇服務第二種。第一種只有一件事要注意：橫斷面的排名結論別悄悄當成前瞻的期望值用——「這家公司高於同業平均」與「這門生意的合理預期是這個數字」是兩句話。

三條估法，按產出的粒度分

選哪一條看手上的決定需要什麼輸出。

這三條是已經被想到的那些。 這份清單跟卡上那四種篩選位置一樣，共同的進入條件是「有人寫下來過」——付費的時點資料庫、公司層級的行政登記（部分國家的公司登記機關保留已解散公司的完整申報）、同業公會的內部統計、以及用存活分析直接建模而不重建名冊，都是這三條之外的取徑。所以下面「都不通時」那一節的降級，觸發條件是手上已知的取徑都不通、而且知道這份列舉本身有偏，不是客觀上沒有辦法。

估法一：退出者的數字散在別的資料集裡

以名冊裡的退出者而言，財務數字多半仍然存在，只是沒有被接到留存者的名冊上。三個常見的落點：

破產與重整程序的公開文件。 進入法院程序的公司會產生一批對外文件，裡面有財務狀況的描述。

主管機關公開資訊系統裡的歷史申報。 曾經上市櫃的公司在終止交易之前的申報留存在系統上，可以撈到最後幾年的完整財報。以台灣目前的制度，這類申報集中在證交所與櫃買中心共用的公開資訊系統，而系統名稱與查詢介面歷來改過幾次——用之前確認當期入口，本篇不寫死。

買方的收購價分攤揭露。 被併方的資產與負債在買方的財報附註裡被逐項列出（PPA，把收購價分攤到可辨認的資產與負債，差額列為商譽）。它給的是收購日的公允價值快照，不是多年損益序列，所以建立基準需要的年度數字通常拿不到，拿得到的是規模與資產結構。這條路的實際成本也不在閱讀習慣，在索引：一家公司從名冊消失之後，得先知道它被誰買走才翻得到那份附註——那組對應關係本身就是一份交易資料庫，也就是上一節說的、三條之外的取徑之一。

半修復的名冊可能比不修更糟。 撈得回的是走正式程序的（破產）與被併購的，而那是分佈的兩端；直接歇業、清算了事的中小企業多半不留財務痕跡，那是中間段。兩端接回來、中間段仍然缺席，得到的是一份經過第二次選擇的名冊，而重算的結果會帶著比原始數字更高的信心——做最多功的人拿到最有把握的錯答案。要走這條就得同時報出撈回了多少比例、撈回的是哪一類。

估法二：換成不靠名冊的來源

有一類資料不需要重建名冊，因為它從一開始就不是以「還活著的公司」為單位維護的：以行政母體為基礎的統計。工商普查、營利事業的家數與銷售額統計，收錄依據是法定的登記與申報義務，後來收掉的單位在它被統計的那一年仍然在裡面。

粒度的限制來自發布形式而不是來源性質。已發布的彙總表通常給到行業別乘規模級距，所以拿得到分佈的大致形狀、拿不到單一公司；要更細有微資料申請這條路，成本與時程另計。

口徑是這條路徑最需要留意的地方：行業別怎麼分、統計的申報門檻在哪、以及「家數」算的是營業登記數還是實際營運數，各個統計不同。換來源之後基準的定義跟著換，前一份基準的判讀結論不能直接搬過來。

估法三：退出比例給的是敏感度，不是修正量

最常見的處境是只找得到「這個產業每年有多少比例的店收掉」。這個數字有用，而它能做的事跟直覺不同。

觀察到的平均是留存者的平均；母體平均是留存者與退出者按比例加權的結果。退出比例給了權重，沒有給退出者的表現——未知的是那個條件期望值，權重已知並不能把它解出來。所以它的正確用法是算敏感度：假設退出者比留存者差 d，母體平均就被拉低約「比例乘上 d」。把幾個合理的 d 代進去，看結論會不會翻；翻了就得回去走前兩條。

有兩種情形它給得比敏感度更多：

• 量有下界時給得出一個界。 營收最低是零，所以母體平均至少是「一減退出比例」乘上觀察平均，偏誤上限就是比例乘上觀察平均。比例是百分之二時這個界緊到可以直接結案；比例是三成時它寬到只證明了必須繼續追。
• 基準用中位數而缺席者集中在同一端時可以直接換算。 缺席比例 q、缺席者全部落在留存者之下時，母體的第 u 分位就是觀察分佈的第 (u−q)/(1−q) 分位——q 是三成時，母體中位數等於觀察分佈的第 28.6 百分位。這個換算不需要對缺席者差多少做任何假設，只需要他們落在同一端。

門檻要下在敏感度上而不是比例本身。比例只有百分之五、而缺席者的表現差到 −60% 時，偏誤大過比例是三成但只差兩個百分點的情形。

都不通時：數字降成一個界，而結論存不存活要逐句判

估不出幅度時那組數字的身分要改，從一個中心值降成一個界，往哪一邊由前置判定的方向決定。方向本身怎麼判、以及兩種機制勢均力敵時為什麼得到的是雙向區間而非一個界，都在卡的判讀方式段——那是方向階段就決定的事，跟能不能估幅度無關。

• 缺席者落在低端（倒閉主導、以利潤率為基準）：真實基準比觀察值低，觀察值是上界。
• 缺席者落在高端（併購主導、且買方付的是成長溢價時）：真實基準比觀察值高，觀察值是下界。

界的用途要逐句判，而判法跟直覺相反。觀察值是上界時，存活下來的是「這家公司高於基準」這種結論——它高於一個被高估的標準，就更高於真實的那個。翻掉的是「這家公司低於基準」：真實基準可能比它還低，那句指控失去依據。

用數字看一次：留存者均值 10%、缺席的三成表現是 −5%，真實基準是 0.7×10% + 0.3×(−5%) = 5.5%。一家 8% 的公司低於觀察值卻高於真實值，所以「它不如同業」這句話撐不住；一家 12% 的公司兩邊都高，那句「它優於同業」撐得住。

觀察值是下界時方向相反：「低於基準」存活，「高於基準」翻掉。

通則是：往被高估那一側走還是贏的結論撐得住，靠近基準的指控型結論撐不住。

一個測不到它的檢查：起點敏感度

「換幾個起點年重算，看結果穩不穩」是判讀長期序列的標準動作，而它指認不了名冊型的篩選。這一節服務的是回測與長期序列那兩種基準，橫斷面的同業比較沒有起點年這個變數。

先修正一個容易寫錯的直覺：偏誤並不是每個起點都一樣大。缺席的是「起點時存在、到分析時已經退出」的那群，起點越早暴露的窗口越長，累積的缺席比例越高，偏誤跟著越大。所以這個測試會產出一個隨起點提早而漂移的結果。

問題在於那個漂移歸因不到倖存者身上。每一個起點都被同一條篩選規則污染，沒有未受污染的對照臂可比；而同一個漂移也可以由不同年代的市場環境造成，兩者混在一起。它的毛病是沒有識別力，不是沒有訊號——它的結果證明不了名冊沒有被篩過。

判讀方向因此要反過來：在退出率實質不低的產業，測試「很穩」反而可疑——累積退出本該製造漂移，沒有漂移表示要嘛退出率其實很低、要嘛兩個效應剛好相抵。

要讓這個測試帶訊息，得先用外部的退出率算出各起點的預期累積缺席比例，再看觀察到的漂移對不對得上「比例乘上假設落差」的預測。那已經是估法三的敏感度分析，不是穩健性檢查。

接到哪裡

判定與方向回 Survivorship Bias（倖存者偏誤）；比較組怎麼建、資料源有哪些，回 產業基準分析。

要判斷一個產業的併購退出通道有多寬（那決定了缺席者落在高端還是低端），併購案買方財務評估 說明買方的能力邊界。單店層級查不到公開財報的產業（加盟餐飲是典型），三條估法全部走不通時的實際處理，看 早餐店綜合評估 建立比較組的那一步。