# 困境隱形與倖存者偏差的自強化模型：聲譽成本、求助抑制與選擇性退出

**The Self-Reinforcing Model of Distress Invisibility and Survivorship Bias: Reputational Costs, Help-Seeking Suppression, and Selective Exit**

**作者：Neo.K（許筌崴）**  
**機構：EVEMISSLAB／一言諾科技有限公司**  
**版本：v2.0**  
**文件定位：系統動力學、觀測偏差、困境可見性、倖存者偏差、求助行為、選擇性退出**  
**日期：2026 年 7 月**

---

## 摘要

本文提出：

# **困境隱形與倖存者偏差自強化模型**
### Self-Reinforcing Distress Invisibility and Survivorship Bias Model

其核心命題為：

> **當困境揭露具有高聲譽成本、身份成本、職業成本或群體排斥風險時，困境者可能降低求助與揭露，進而退出可見樣本；當退出者不再被觀察，倖存者將高估系統運作狀態，而這種正面判定又會進一步提高新困境者的自我歸因與沉默。**

本文將「愛面子」降階為一般變量：

# **困境揭露成本**
### Distress Disclosure Cost

$$
C_{\text{disc}}
$$

其來源可以包括：

- 羞恥；
- 污名；
- 聲譽損失；
- 職業風險；
- 家庭壓力；
- 群體排斥；
- 身份威脅。

本文提出：

$$
\boxed{
P(
\text{disclose}
\mid
\text{distress}
)
=
f(
-C_{\text{disc}}
)
}
$$

當：

$$
C_{\text{disc}}\uparrow
$$

則：

$$
P(\text{visibility})\downarrow
$$

本文進一步區分五種「退出」：

$$
\boxed{
E
=
(
E_{\text{stat}},
E_{\text{social}},
E_{\text{institutional}},
E_{\text{geographic}},
E_{\text{biological}}
)
}
$$

即：

1. 統計退出；
2. 社交退出；
3. 制度退出；
4. 地理退出；
5. 生物性退出。

本文不將這些現象混為同一種「消失」。

設實際困境比例為：

$$
D_{\text{actual}}
$$

可見困境比例為：

$$
D_{\text{visible}}
$$

則可見率：

$$
V_D
=
\frac{
D_{\text{visible}}
}{
D_{\text{actual}}
}
$$

當：

$$
V_D\downarrow
$$

倖存者可能形成：

$$
\boxed{
\text{Observed Distress}
<
\text{Actual Distress}
}
$$

本文將此稱為：

# **困境不可見化**
### Distress Invisibilization

本文亦區分：

$$
I_{\text{perceptual}}
$$

感知改善；

與：

$$
I_{\text{material}}
$$

真實局部改善。

前者來自：

- 看不到失敗者；
- 樣本被選擇性淨化。

後者來自：

- 競爭下降；
- 資源壓力下降；
- 剩餘者實際獲益。

兩者不能混為一談。

本文提出一般正反饋：

$$
\boxed{
\text{困境}
\rightarrow
\text{高揭露成本}
\rightarrow
\text{低可見性}
\rightarrow
\text{倖存者偏差}
\rightarrow
\text{系統正面判定}
\rightarrow
\text{新困境者自我歸因}
\rightarrow
\text{更低揭露}
}
$$

本文不預設政府、企業或任何中心控制者。該循環可以由分散行動自組織形成。

最後，本文與「聚合—福祉分裂」模型接口：

$$
\boxed{
\text{Aggregate Success}
+
\text{Distress Invisibility}
\rightarrow
\text{False System Validation}
}
$$

即：

> 當聚合指標改善，而困境者退出可見樣本時，系統將更容易被誤判為成功。

**關鍵詞：** 困境不可見、倖存者偏差、揭露成本、求助抑制、選擇性退出、系統驗證、觀測偏差、聲譽成本

---

# 0. 邊界聲明

本文不主張：

- 困境者必然沉默；
- 所有文化都同樣抑制求助；
- 所有退出都是死亡；
- 所有倖存者都支持現狀；
- 系統不可修正；
- 隱形必然來自惡意；
- 所有困境都能被單一指標測量。

本文只提出：

> 當揭露成本高、退出機制存在且樣本更新不完整時，觀察到的困境可能顯著低於實際困境。

---

# 第一章　問題：看不到困境，是否會讓系統看起來更健康？

## 1.1 實際困境

$$
D_{\text{actual}}
$$

---

## 1.2 可見困境

$$
D_{\text{visible}}
$$

---

## 1.3 若

$$
D_{\text{visible}}
<
D_{\text{actual}}
$$

則存在觀測缺口。

---

## 1.4 核心問題

$$
\boxed{
\text{哪些機制會讓困境者退出可見樣本？}
}
$$

---

# 第二章　困境揭露成本

## 2.1 定義

$$
C_{\text{disc}}
=
C_{\text{shame}}
+
C_{\text{reputation}}
+
C_{\text{career}}
+
C_{\text{family}}
+
C_{\text{identity}}
$$

---

## 2.2 揭露概率

$$
P_D
=
P(
\text{disclose}
\mid
\text{distress}
)
$$

---

## 2.3 猜想

$$
\frac{
\partial P_D
}{
\partial C_{\text{disc}}
}
<
0
$$

---

## 2.4 求助概率

$$
P_H
=
P(
\text{help-seeking}
)
$$

同樣可能：

$$
\frac{
\partial P_H
}{
\partial C_{\text{disc}}
}
<
0
$$

---

# 第三章　困境不可見化

## 3.1 可見率

$$
V_D
=
\frac{
D_{\text{visible}}
}{
D_{\text{actual}}
}
$$

---

## 3.2 當

$$
V_D\rightarrow0
$$

則：

> 系統幾乎看不到困境。

---

## 3.3 但困境並未消失

$$
D_{\text{actual}}
$$

可能仍高。

---

## 3.4 核心

$$
\boxed{
\text{Low Visibility}
\neq
\text{Low Distress}
}
$$

---

# 第四章　五種退出

## 4.1 統計退出

$$
E_{\text{stat}}
$$

個體不再被資料捕捉。

---

## 4.2 社交退出

$$
E_{\text{social}}
$$

退出：

- 朋友圈；
- 公開討論；
- 社交網絡。

---

## 4.3 制度退出

$$
E_{\text{institutional}}
$$

離開：

- 公司；
- 學校；
- 平台；
- 組織。

---

## 4.4 地理退出

$$
E_{\text{geographic}}
$$

遷移至其他地點。

---

## 4.5 生物性退出

$$
E_{\text{biological}}
$$

死亡。

---

## 4.6 核心

$$
\boxed{
E_{\text{stat}}
\neq
E_{\text{social}}
\neq
E_{\text{institutional}}
\neq
E_{\text{geographic}}
\neq
E_{\text{biological}}
}
$$

---

# 第五章　選擇性退出

## 5.1 退出概率

$$
P(E\mid D)
$$

---

## 5.2 若困境者更容易退出

$$
P(E\mid D)
>
P(E\mid \neg D)
$$

---

## 5.3 則樣本被選擇

剩餘樣本：

$$
S_{\text{survivor}}
$$

---

## 5.4 結果

$$
\boxed{
S_{\text{observed}}
\neq
S_{\text{population}}
}
$$

---

# 第六章　倖存者偏差

## 6.1 觀察者看到

$$
P(W\mid \text{survived})
$$

---

## 6.2 但真實需要

$$
P(W)
$$

---

## 6.3 若退出依賴於福祉

則：

$$
P(W\mid \text{survived})
$$

系統性偏高。

---

## 6.4 定義

本文稱：

# **困境選擇性缺失**
### Selective Missingness of Distress

---

# 第七章　感知改善與真實改善分離

## 7.1 感知改善

$$
I_{\text{perceptual}}
$$

來自：

- 看不到失敗者；
- 可見樣本更正面。

---

## 7.2 真實局部改善

$$
I_{\text{material}}
$$

來自：

- 競爭下降；
- 資源壓力下降；
- 剩餘者實際獲益。

---

## 7.3 重要

$$
\boxed{
I_{\text{perceptual}}
\neq
I_{\text{material}}
}
$$

---

## 7.4 兩者可同時存在

這是最危險情況。

---

# 第八章　系統正面判定

## 8.1 倖存者觀察

$$
O_S
$$

---

## 8.2 若

$$
O_S\uparrow
$$

則：

$$
P(
\text{system judged healthy}
)
\uparrow
$$

---

## 8.3 但

這可能是樣本選擇結果。

---

# 第九章　自我歸因機制

## 9.1 個體困境

$$
D_i>0
$$

---

## 9.2 外部世界看似正常

$$
O_S\uparrow
$$

---

## 9.3 個體可能推論

$$
\text{Problem is me}
$$

---

## 9.4 自我歸因概率

$$
P_{\text{self}}
=
f(
O_S,
C_{\text{disc}},
L_N
)
$$

---

# 第十章　正反饋循環

$$
D
\rightarrow
C_{\text{disc}}\uparrow
\rightarrow
V_D\downarrow
\rightarrow
\text{Survivorship Bias}\uparrow
$$

$$
\rightarrow
O_S\uparrow
\rightarrow
P_{\text{self}}\uparrow
\rightarrow
P_D\downarrow
$$

---

## 10.1 完整形式

$$
\boxed{
\text{困境}
\rightarrow
\text{沉默}
\rightarrow
\text{不可見}
\rightarrow
\text{正面誤判}
\rightarrow
\text{自我歸因}
\rightarrow
\text{更沉默}
}
$$

---

# 第十一章　非惡意形成

## 11.1 無中央控制者

每個人可能只是：

- 保護聲譽；
- 避免風險；
- 保持體面；
- 不想麻煩他人。

---

## 11.2 媒體只報可見成功

---

## 11.3 組織只統計在冊成員

---

## 11.4 結果

仍可能形成：

$$
\boxed{
\text{Systemic Invisibility}
}
$$

---

# 第十二章　反饋與飽和

## 12.1 真實系統不會無限加速

設：

$$
H_t
$$

為隱形程度。

---

## 12.2 動力學

$$
\frac{dH}{dt}
=
F(
C_{\text{disc}},
E,
O_S
)
-
S(H)
-
R(H)
$$

---

## 12.3 其中

- $S(H)$ ：飽和；
- $R(H)$ ：反作用。

---

## 12.4 反作用包括

- 外部調查；
- 匿名求助；
- 制度改革；
- 新資料來源。

---

# 第十三章　雙向因果

## 13.1 困境導致孤立

$$
D
\rightarrow
E_{\text{social}}
$$

---

## 13.2 孤立也可能加重困境

$$
E_{\text{social}}
\rightarrow
D
$$

---

## 13.3 因此

$$
\boxed{
D
\leftrightarrow
E_{\text{social}}
}
$$

---

## 13.4 本文不採單向宿命鏈

---

# 第十四章　跨場景適用

## 14.1 公司

高壓員工離職後：

$$
\text{remaining sample}
$$

更滿意。

---

## 14.2 學術界

失敗者退出：

$$
\text{visible sample}
$$

只剩成功者。

---

## 14.3 創業圈

失敗者沉默。

成功者大量發聲。

---

## 14.4 平台

低滿意用戶流失。

活躍用戶評價偏高。

---

## 14.5 AI 生態

失敗 Agent 被刪除。

只觀察存活 Agent。

---

# 第十五章　困境可見性矩陣

設個體 $i$ ：

$$
\mathbf V_i
=
(
V_{\text{self}},
V_{\text{peer}},
V_{\text{institution}},
V_{\text{public}}
)
$$

---

## 15.1 一個人可能

對自己可見。

但對制度不可見。

---

## 15.2 因此

可見性是多層的。

---

# 第十六章　觀測偏差指數

## 16.1 定義

$$
B_S
=
1-
\frac{
D_{\text{visible}}
}{
D_{\text{actual}}
}
$$

---

## 16.2 當

$$
B_S\rightarrow1
$$

表示偏差高。

---

## 16.3 注意

需要估計：

$$
D_{\text{actual}}
$$

因此實證困難。

---

# 第十七章　與聚合—福祉分裂的耦合

## 17.1 第一模型

$$
A\uparrow
\quad
W_{\text{median}}\downarrow
$$

---

## 17.2 第二模型

$$
V_D\downarrow
$$

---

## 17.3 耦合

$$
\boxed{
A\uparrow
+
V_D\downarrow
\rightarrow
\text{False System Validation}
}
$$

---

## 17.4 完整循環

$$
\text{聚合指標改善}
\rightarrow
\text{系統被判定成功}
\rightarrow
\text{困境者自我歸因}
\rightarrow
\text{揭露下降}
\rightarrow
\text{樣本更正面}
\rightarrow
\text{系統更被判定成功}
$$

---

# 第十八章　虛假系統驗證循環

定義：

$$
F_V
$$

為虛假驗證強度。

---

## 18.1 探索性形式

$$
\boxed{
F_V
=
\alpha A
+
\beta B_S
+
\gamma L_N
-
\delta F_R
}
$$

其中：

- $A$ ：聚合成功；
- $B_S$ ：倖存者偏差；
- $L_N$ ：敘事合法化；
- $F_R$ ：反饋韌性。

---

# 第十九章　健康系統的反例

## 19.1 低揭露成本

$$
C_{\text{disc}}\downarrow
$$

---

## 19.2 高匿名求助

---

## 19.3 退出者仍被追蹤

---

## 19.4 分布資料公開

---

## 19.5 結果

$$
V_D\uparrow
$$

---

# 第二十章　可檢驗研究設計

## 20.1 追蹤退出者

不只調查留下者。

---

## 20.2 比較

$$
P(W\mid \text{stay})
$$

與：

$$
P(W\mid \text{exit})
$$

---

## 20.3 測量揭露成本

透過：

- 匿名情境；
- 公開情境；

比較。

---

## 20.4 測量

$$
C_{\text{disc}}
$$

與：

$$
P_D
$$

關係。

---

# 第二十一章　可證偽條件

本文核心模型在以下情況削弱：

1. 揭露成本與求助行為無關；
2. 困境者不更容易退出可見樣本；
3. 退出者與留存者福祉無差異；
4. 倖存者樣本不高估系統狀態；
5. 自我歸因與外部正面敘事無關；
6. 跟蹤退出者不改變整體判斷。

---

# 第二十二章　限制

## 22.1 真實困境難測

$$
D_{\text{actual}}
$$

常不可直接觀測。

---

## 22.2 退出原因多元

不能全部歸因於困境。

---

## 22.3 文化差異重要

$$
C_{\text{disc}}
$$

在不同環境不同。

---

## 22.4 因果方向複雜

需縱向研究。

---

# 第二十三章　核心命題

## 命題一

$$
\boxed{
P(
\text{disclose}
\mid
\text{distress}
)
\downarrow
\quad
\text{when}
\quad
C_{\text{disc}}\uparrow
}
$$

---

## 命題二

$$
\boxed{
\text{Observed Distress}
<
\text{Actual Distress}
}
$$

可能成立。

---

## 命題三

$$
\boxed{
\text{Selective Exit}
\rightarrow
\text{Survivorship Bias}
}
$$

---

## 命題四

$$
\boxed{
I_{\text{perceptual}}
\neq
I_{\text{material}}
}
$$

---

## 命題五

$$
\boxed{
\text{惡性結果}
\not\Rightarrow
\text{惡意設計}
}
$$

---

## 命題六

$$
\boxed{
\text{聚合成功}
+
\text{困境不可見}
\rightarrow
\text{虛假系統驗證}
}
$$

---

# 終章　當困境者從樣本中退出，系統會開始相信自己更健康

一個系統可能沒有變好。

它只是：

> 越來越看不到那些沒有變好的人。

設：

$$
D_{\text{actual}}
$$

為真實困境。

而：

$$
D_{\text{visible}}
$$

為可見困境。

當：

$$
D_{\text{visible}}
\ll
D_{\text{actual}}
$$

觀察者會形成錯誤世界模型。

這種錯誤不必來自造假。

它可以來自：

- 困境者沉默；
- 退出者不再被統計；
- 留存樣本更正面；
- 媒體只看到可見者；
- 組織只看在冊者。

於是：

$$
\boxed{
\text{Sample Improves}
}
$$

但：

$$
\boxed{
\text{Population May Not}
}
$$

這是本文真正的核心。

更重要的是，若外部系統同時呈現：

$$
A\uparrow
$$

即聚合績效改善，

而：

$$
V_D\downarrow
$$

即困境可見率下降，

那麼：

$$
\boxed{
\text{Aggregate Success}
+
\text{Distress Invisibility}
}
$$

將共同產生：

$$
\boxed{
\text{False System Validation}
}
$$

此時新困境者會面臨：

> 為什麼大家都看起來很好，只有我不好？

若：

$$
C_{\text{disc}}
$$

很高，

他們可能不揭露。

於是：

$$
V_D
$$

進一步下降。

循環形成。

本文因此提出：

# **困境隱形與倖存者偏差的自強化模型**

它不依賴某一國家。

也不依賴某一文化。

它只需要：

- 揭露有成本；
- 退出具有選擇性；
- 系統不追蹤退出者；
- 留存樣本被誤認為整體。

當這些條件成立時：

$$
\boxed{
\text{看不見的代價，
可能讓系統越來越相信自己是成功的。}
}
$$

而真正的修正，不是只問：

> 留下的人過得怎麼樣？

還必須問：

$$
\boxed{
\text{誰離開了？
誰沉默了？
誰不再被統計？
誰已經不在樣本中？}
}
$$

這才是完整觀測。

---

# 附錄 A　核心符號

| 符號 | 定義 |
|---|---|
| $C_{\text{disc}}$ | 困境揭露成本 |
| $D_{\text{actual}}$ | 實際困境 |
| $D_{\text{visible}}$ | 可見困境 |
| $V_D$ | 困境可見率 |
| $E_{\text{stat}}$ | 統計退出 |
| $E_{\text{social}}$ | 社交退出 |
| $E_{\text{institutional}}$ | 制度退出 |
| $E_{\text{geographic}}$ | 地理退出 |
| $E_{\text{biological}}$ | 生物性退出 |
| $B_S$ | 倖存者偏差 |
| $I_{\text{perceptual}}$ | 感知改善 |
| $I_{\text{material}}$ | 真實局部改善 |
| $F_V$ | 虛假系統驗證強度 |

---

# 附錄 B　一句話版本

> 當困境揭露成本高、困境者更容易退出可見樣本時，倖存者會系統性低估真實困境；若聚合指標同時改善，系統甚至可能因看不到代價而更加相信自己成功。

---

**全文完**