關於「占星」是否有「統計」效應，最常被人提及的，就是 高格林 的「火星效應」，最常被人拿來「證明」：占星「真的有根據」。

我以前很信這一套。

每次有人質疑占星「沒有科學根據」，我就拿出高格林的火星效應圖來反駁：你看，冠軍運動員出生時，火星的位置就是跟一般人不一樣，而且是統計學家用兩千多人算出來的。

直到我自己先把高格林的原始資料從頭重跑一遍，再拿另外一批資料來驗證，才發現 —— 好像不是這麼一回事。

這個系列，趁大家被錫蘭撩起的「星座」「占星」「統計」等熱潮... 我就把這段過程攤開來講，也是首次公開重現結果。

以下經過 AI 潤飾，由我整理資料，與 AI討論實作方法，最後計算出結果，由 AI潤稿，包含少量統計學術語，若您不想讀 AI感的文章，以下給您段可以帶走的結論：

高格林的數字在他自己的資料上算得出來；換一批人，運動員的火星訊號弱到未達顯著，差距可能來自選樣、頂尖程度或時代，目前還分不出來。兩份資料都站得住的，反而是「藝術家火星偏少」。 (這與許多其他團體做出來的結論類似)


-------
正文開始
-------
1955 年，法國心理學家兼統計學家米歇爾・高格林（Michel Gauquelin）發表了一個至今還在吵的發現。
他跑遍法國、義大利、比利時、德國、荷蘭的戶政機關，從出生登記簿上抄下兩千多位頂尖運動員的出生時刻，然後去算：他們出生的那一分鐘，火星在天空的哪個位置？


結果他說：
🔴 冠軍運動員出生時，火星特別常「剛從東方升起」或「剛過頭頂（天頂）」。
這就是著名的「火星效應」（Mars effect）。

先講一下這是怎麼算的。高格林把一天中行星繞天空一圈的路徑切成 36 等分。其中「剛升起之後」和「剛過天頂之後」這兩段，他稱為關鍵區，加起來大約佔一圈的 1/6。

所以如果火星跟運動員毫無關係，大概 17% 的運動員，出生時火星會落在關鍵區。

高格林算出來的是：
運動員：21.65%
期望值：17.17%

差了 4.5 個百分點。聽起來不多，但兩千多人的樣本，這個差距很難用運氣解釋。

這個結果後來引發了半世紀的爭論：比利時的科學委員會、美國的懷疑論者團體、德國的學者都下場重做，各自得出不同的結論，吵到今天還沒結束。

好在高格林的原始資料是公開的：一萬五千多人，姓名、出生日期、時刻、地點都在。

所以我決定：不看任何人的轉述，也不再只拿那張圖，自己從頭算一遍。

我拿高格林公開的原始資料，用現代的天文曆表（Swiss Ephemeris）重新算每一位運動員出生那一刻的火星位置，分區用的是高格林自己的定義：依照火星實際升起、落下的時刻來切 36 區。

結果：
運動員人數：2,085 人（他當年是 2,088 人）
火星落在關鍵區：20.91%（他報告的是 21.65%）
期望值：17.32%（他的是 17.17%）

幾乎一模一樣。 71 年前、沒有電腦的年代手算出來的東西，用今天的曆表重算，差不到一個百分點。

這裡要解釋兩個詞 :

📐 期望值怎麼來的？ 不是直接拿 1/6。因為火星升落的時間會受季節、緯度、出生年份影響，關鍵區的機率不會剛好是 1/6。 我的做法是：把運動員的「出生日期」和「出生時刻＋地點」隨機打亂重配，等於製造出一群「生日是真的、時刻也是真的，但兩者沒有對上」的假運動員，看他們的火星落在關鍵區的比例。重複 20 次取平均，得到 17.32%。 這是高格林本人、以及當年比利時科學委員會用的方法 —— 它保留了「大家都在哪些月份、哪些時辰出生」的所有特性，只拿掉「這一天配這一刻」的對應。

📏 z 值是什麼？ 「觀察值和期望值差了幾個『正常波動幅度』」。z 超過 2，大致就是「純靠運氣出現的機會不到 5%」，統計上叫做顯著。
運動員火星的 z 值：
對期望值：+4.33
對均勻的 1/6：+5.20
跟其他 7 種職業比：+3.76
三種比法都遠超過 2。

我也試了四種不同的分區算法（要不要考慮火星偏離黃道的角度、用近似公式還是精確時刻），四種結果差距都在 0.5 個百分點以內。
所以第一個結論是：
✅ 高格林的數字，在他自己的資料上，算得出來。

高格林後來把同一套方法擴到其他職業與行星，提出了一組「職業 × 行星」的預測。
我在他的資料上逐一重算（括號裡是「跟其他職業比」的 z 值；超過 2 算顯著）：
🏃 運動員 × 火星：20.91%（+3.76）
🎖️ 軍人 × 火星：19.24%（+2.03）
🎖️ 軍人 × 木星：20.45%（+4.34）
🎭 演員 × 木星：19.74%（+2.04）
🏛️ 政治人物 × 木星：20.46%（+2.30）
🔬 科學家 × 土星：18.86%（+4.88）
✍️ 作家 × 月亮：21.38%（+4.55）
七條全部成立。


更有說服力的是「特異性」。如果火星只是對所有人都偏高，那就跟職業無關。所以我把 8 種職業的火星排一排：
🏃 運動員：20.91%（+3.76）
🔬 科學家：19.25%（+2.29）
🎖️ 軍人：19.24%（+2.03）
🏛️ 政治人物：16.65%（−1.13）
🎭 演員：16.41%（−1.61）
✍️ 作家：16.14%（−1.83）
🎵 音樂家：15.37%（−2.50）
🎨 畫家：14.31%（−3.84）

運動員排第一。而且這條線是有方向的：越「動」的職業火星越多，越「靜」的職業火星越少，畫家甚至顯著偏低。
最後要排除一個常見的質疑：醫院接生時辰。現代醫院生產多集中在白天上班時間，會讓太陽、水星、金星的位置整批偏掉，假造出「訊號」。
但高格林這批人 78% 出生在 1900 年以前，絕大多數是在家裡生的。我檢查過：出生在白天的比例是 36.5%，甚至略低於期望的 37.5%；太陽、水星、金星也沒有全面偏高。
所以這批資料的訊號，不是接生時辰造出來的。

✅ 在高格林自己的資料上，他的預測不但算得出來，而且有方向、有特異性。
那問題就只剩一個：換一批人，還看得到嗎？

科學裡最重要的一步叫做獨立重現：不用原作者的名單，自己找一批人來測。
我手上有一個名人出生資料庫，其中「Sports Championship（運動賽事冠軍）」加上「Olympics（奧運選手）」兩個類別，篩出出生時刻有出生證明、醫院紀錄，或本人／家屬親口提供的人，一共 2,501 位運動員，比高格林的樣本還多。
第一次算，結果很漂亮：火星落在「剛過天頂」那一段，z 值 +3.15。
正要宣布「重現成功」的時候，我順手把同樣的檢查套到資料庫裡所有職業上 —— 然後發現不對勁：
太陽：+3.82
水星：+4.35
金星：+4.83
冥王星：+12.76
每顆星都「顯著」。 這不可能是「職業 × 行星」的效應，而是整份資料的系統性偏差：這批人大多是 20 世紀出生，醫院接生集中在白天，行星位置整批被推向特定區域。冥王星幾十年才走一點點，偏差完全沒被稀釋，所以最誇張。
（這也是為什麼前面要特別確認：高格林那批 19 世紀、在家出生的人，沒有這個問題。）
解法是：不跟均勻分布比，改成跟其他職業比。 接生時辰的偏差對所有職業都一樣，互相一比就抵消了。這跟前面用的是同一種比法。


結果：
🏃 運動員 × 火星：+1.63（只算單一職業、排除身兼多職的人：+1.47）
只看 1900–1949 年出生（最接近高格林樣本的年代）：+1.50
方向一樣，運動員的火星還是偏多；但 z 值不到 2，沒有達到顯著。量級大約只有高格林資料的 1/3 到 1/2。


所以兩件事要分開講：
✅ 「高格林的資料算得出來」—— 成立（z = +3.76）
⚠️ 「換一批人也看得到」—— 這批 2,501 位冠軍與奧運選手裡，訊號弱很多、未達顯著
為什麼會差這麼多（這與其他團體的結論類似）？目前有幾種可能，我還分不出來：

選樣：高格林挑「頂尖」運動員的標準是什麼？有沒有漏掉不利的案例？這是過去幾十年爭論的核心，至今沒有定論。
頂尖程度不同：他的名單是 19 世紀末到 20 世紀初的歐洲冠軍；我的樣本包含更多一般奧運選手。
時代與地區：他的樣本全在歐洲，我的樣本遍及全球、橫跨更多年代。
但故事還沒完。兩份資料都有一個訊號，比「運動員火星偏多」還穩。
半世紀來，懷疑論者忙著推翻「運動員火星偏多」，占星界忙著捍衛它 —— 大家都盯著正的那一端。
但回頭看前方排行榜，最極端的其實是底部：

🎵 音樂家：−2.50
🎨 畫家：−3.84
藝術家出生時，火星特別少落在關鍵區。高格林當年就注意到這件事，但很少人討論。
我在之前那份獨立資料上，用同樣的「跟其他職業比」去算：
🎵 音樂家 × 火星：−2.99
🎨 畫家 × 火星：−2.27
兩份資料、兩批完全不同的人，方向一致、而且都顯著。
而且在獨立資料裡，音樂家這個負訊號在 1900 年以前出生（−2.69）和 1900–1949 年出生（−2.33）兩個年代都站得住；反觀運動員的正訊號，只在 1900–1949 那一段看得到一點點。
把兩份資料放在一起看：

🏃 運動員火星偏多：高格林資料 +3.76 → 獨立資料 +1.63（方向對，未達顯著）
🎵 音樂家火星偏少：高格林資料 −2.50 → 獨立資料 −2.99（兩邊都顯著）
🎨 畫家火星偏少：高格林資料 −3.84 → 獨立資料 −2.27（兩邊都顯著）
所以如果火星真的跟職業有關，它比較像一條兩端的軸：一端是動、競爭、外向，一端是靜、內省、藝術 —— 而比較站得住的，是安靜的那一端。

最後，誠實地收尾：
「藝術家火星偏少」在兩份資料都成立，但 z 值約 −2 到 −4，不算非常強，也還需要第三份資料來確認。
這些都是名人，不是一般人。我測的是「什麼樣的人會成為頂尖運動員／畫家」，不是「火星會讓人變成什麼個性」。
「運動員火星偏多」在獨立資料上未達顯著，不代表它不存在 —— 只代表在這批人身上，看不到高格林說的那麼強。
結論：🔍 「原作者的資料算得出來」和「換一批人也看得到」，是兩件不同的事。 一個發現要站得住，兩關都要過。