Es gibt drei Arten von Lügen: Notlügen, gemeine Lügen und Statistiken.
Zitat: "Statistiken können wunderbar für die Verbreitung unangreifbarer passiven Lügen verwendet werden. Soweit als möglich sollten Sie allerdings die Zahlen weder direkt manipulieren noch fälschen. Dies könnte früher oder später nachweisbar sein wird würde große Empörung verursachen. Die Kunst der Realitätsbereinigung mit Hilfe von Statistiken liegt woanders. Beispielsweise können Sie die Auswahl und Definition der Bezugsgrößen beeinflussen. Aber auch die geschickte Verschiebung von Daten in andere Kategorien kann Wunder wirken. Man sollte hier immer eines im Auge haben: Richtige Daten können von den gegnerischen Gruppen leicht für ihre Zwecke instrumentalisiert werden. Man kann sie jedoch mit PaLü-Methoden aufbereiten, um dem entgegen zu treten.
Nachfolgend sollten beispielhaft einige PaLü-Methoden beschrieben werden, die häufig verwendet werden.
1. Die Verschiebung von Daten in eine andere Kategorie. Die "schwarze Null" des Bundeshaushaltes erscheint nur dann, wenn die riesigen Kredit-Forderungen gegenüber Griechenland u.a. Ländern ebenso wie diejenigen aus dem TARGET-Programm so verbucht werden, als könnten diese jemals zurückgezahlt werden. Wenn die Statistiker der Bundesbank und des Finanzministeriums diese Forderungen jedoch abschreiben würden, ergäbe sich ein riesiges Loch im Bundeshaushalt. Zählt man nun noch die direkten und indirekten Kosten der teilweise sinnlosen Maßnahmen im Rahmen der Corona-Pandemie hinzu, dann entsteht eine Schuldenlast, bei jeder Konzern sofort Insolvenz anmelden müsste.
Die Kriminalität von Menschen mit Migrationshintergrund können Sie leicht verharmlosen, wenn diese Personen auch einen deutschen Pass haben. Fast alle Personen in dieser Gruppe haben von den großzügigen Regelungen der doppelten Staatsbürgerschaft Gebrauch gemacht und können deshalb als „Deutsche“ in der Statistik geführt werden, ohne dass ihre Herkunft erwähnt werden muss. In ähnlicher Weise wird bei der Definition der Bezeichnung „Migrationshintergrund“ verfahren. Da diese Definition sehr eng gefasst ist und auf alle Menschen der zweiten und dritten Generation von Einwanderern nicht mehr zutrifft, verschiebt sich natürlich die Statistik der Arbeitslosen oder Kriminellen aus dieser Gruppe massiv. Dadurch können verheimlichen, dass Bildungsdefizite, Arbeitslosigkeit und Kriminalität in diesen Gruppen z.T. noch deutlich höher sind als dies bei den Einwanderern der ersten Generation der Fall war.
2. Die Veränderung der Bezugsgröße von Daten. Die Lockdown-Maßnahmen zur Eindämmung der Ausbreitung von SARS-CoV-2 Infektionen basieren auf einer nahezu absurden Bezugsgröße, die es leicht macht, die Ergebnisse nach oben oder unten zu manipulieren. Die Anzahl der positiv diagnostizierten Personen wird nicht auf die Zahl der durchgeführten Tests bezogen, sondern auf die Population insgesamt. Wenn man also 1.000 Tests durchführt und dabei 12 Menschen mit positiven Testergebnissen findet, entsteht durch den Bezug auf 100.000 Einwohner eine Inzidenz von 12. Testet man aber 10.000 Menschen, wird man in der gleichen Population etwa 120 positive Resultate erhalten. Daraus ergibt sich also eine Indizidenz von 120, die Lockdown-Maßnahmen auslöst. Wenn man also Einschränkungen in einer Region umgehen will, testet man einfach weniger. Umgekehrt kann man drastische Maßnahmen auslösen, wenn man mehr testet, ohne das sich an der tatsächlichen Durchseuchung der Bevölkerung irgendetwas geändert hätte.
Die Einbruchsdiebstähle osteuropäischer Banden können verharmlost werden, wenn man sich nur auf die 2% der aufgeklärten Einbrüche bezieht. Wie macht man das? Unter den gefassten Einbrechern sind nur rund 20% der Täter Ausländer. Da die Banden jedoch hochprofessionell vorgehen und deshalb selten geschnappt werden, sind die verbleibenden 98% wahrscheinlich komplett diesen Banden zuzurechnen, was die Statistik jedoch nicht zeigt. Die reale Aussage würde deshalb wohl eher lauten: Weit mehr als 95% aller Einbruchsdiebstähle in Deutschland werden von Ausländern begangen. Entscheidend für das gewünschte Resultat einer Statistik ist also die kluge Wahl der Bezugsgrößen.
3. Die Vermischung von Kategorien. Die geringen Bildungsleistungen von Mitgliedern der 2. und 3. Generation muslimisch geprägter Einwanderer sind bekannt, lassen sich aber leicht vertuschen, indem man diese Schüler in die gleiche Kategorie einordnet, in der Kinder mit wesentlich besseren Leistungen zu finden sind. Einerseits ist das leicht möglich, indem man sie als Deutsche kategorisiert, denn sie haben ja in der Regel einen Doppelpass. Es lässt sich sogar „beweisen“, dass eigentlich gar kein Bildungsdefizit bei Schülern mit Migrationshintergrund besteht. Wie ist das möglich? Sie schaffen einfach eine Kategorie, in welcher die zweite und dritte Generation sämtlicher Einwanderer zusammengefasst wird. Nun werden die Lernergebnisse der Schüler aus muslimischen Familien mit denen vermischt, die aus asiatischen oder russischen Familien stammen. Die letztgenannten weisen in der Regel weit überdurchschnittliche Lernergebnisse auf. Auf diese Weise können Sie einen statistischen Durchschnitt der Lernergebnisse von Einwanderkindern präsentieren, der eindeutig beweist, dass es keine großen Rückstände gegenüber deutschen Kindern gibt.
Falls jemand Ihnen die oben erwähnten PaLü-Methoden mit Hilfe von Statistiken vorwerfen und das Verfahren demaskieren sollte, gibt es Abhilfe: Eine wichtige Ergänzung der bereinigten Statistiken sind wissenschaftliche Gutachten zu den Daten und damit zusammenhängende Fragen. Da es in jeder Wissenschaft (im Gegensatz zum weit verbreiteten Glauben) ein weit gefächertes Meinungsspektrum gibt, ist es unproblematisch, Gutachter zu finden, die auf mehr als 300 Seiten zu den gewünschten Schlussfolgerungen kommen. Die Länge solcher Gutachten ist wichtig, damit sichergestellt werden kann, dass sie kaum gelesen werden. Also wird sich kaum jemand die Mühe machen, deren Inhalte akribisch zu zerpflücken. Was bleibt, ist die kurze Zusammenfassung und deren Spiegelung in den Medien."