我认为，以下是一种充满痛苦的动态，通常会在观察到的群体之间的微小差异时出现：
(1) 两组的某些特征的平均值存在微小（但有意义）的差异，并且分布严重重叠。
(2) 有些人（“过度简化者”）（在日常生活或媒体报道中）观察到这种差异，并将这种微小的平均差异转化为（有时非常有害的）过度简化：“A 是这样，B 是那样。”
(3) 其他人（“现实否认者”）通常出于善意，批评这种过度简单化，他们正确地认为这是有害的。但不是说以下一些组合：
- “平均值的差异很小”
- “分布严重重叠”
- “根据群体平均值的微小差异来判断个人是一种糟糕的预测方式，而且不公正”
- “我们不应该因为人们在这一特质上的不同而评判人们”（如果这不是人们应该评判的特质）
- “如果我们想消除平均值的差异，我们应该考虑实施政策 XYZ”
他们说“平均值的差异不存在”。在否认这种差异并看到他们所尊敬的人也否认这种差异之后，他们中的一些人开始相信，任何相信这种（实际存在的）微小平均差异存在的人都是邪恶的（并将这些人与那些有害地过度简单化为“A”的人混为一谈）他们中的其他人知道存在平均差异，但假装不知道，因为他们想融入坚决否认这种差异的群体，或者因为他们对相信这种差异感到内疚（即使他们是对的）关于它的存在）。
（4）来自（2）的过度简化者仍然完全相信存在平均差异（并且对它的存在是正确的，但夸大了其大小），认为来自（3）的现实否认者一定是愚蠢的（因为没有意识到存在平均差异）差异），或不值得信赖的骗子（否认他们必须看到的事实），或残忍的疯子（对相信“真相”的人们感到愤怒）。
过度简单化者和现实否认者之间的斗争无休无止，两者都歪曲了实际情况，并互相妖魔化。
将小平均值变成“A 是这样，B 是这样”的问题在于，这是一种不准确的过度简化，并且通常对 A 或 B 或两者都不公平。
否认平均差异存在的问题是，虽然平均差异虽然很小，但确实存在，但你最终会相信谎言，或者你最终会撒谎，或者两者兼而有之，并且你最终可能会不公平地误判那些（没有恶意）报告的人实际平均差异。
为了避免过度简化者和现实否认者的弱点，我认为处理这些情况的最佳方法是：
1) 避免根据人们在广泛群体中的成员身份来对其进行预先判断——在做出判断之前先了解人们的个体情况。
2) 避免使用“A 是这样，B 是那样”这样的语言，这样你就不会过于简单化。
3）当平均差异确实存在时，避免否认它的存在，这样，你就不是现实否认者。
4）相关时，提醒人们，较小的平均差异并不是判断个体（认知上和道德上）的良好基础，并指出两个群体之间的分布严重重叠（当它们重叠时），以打击人们利用差异的情况平均值作为刻板印象的理由。
5) 指出（在相关、有帮助且准确的情况下）可能有助于缩小两组之间差距的政策（请记住，如果所讨论的特征仅仅是差异而不是“好”的东西，那么平均数上的一些差距是可以接受的）还是不好”）
6）指出（当所讨论的差异不应该是人们应该被评判的东西时）这个属性不应该成为评判人们的基础，即，对该特征具有不同的价值观是完全可以的。
Guy Srinivasan 在本文早期草稿的评论中很好地描述了当群体平均差异很小但有意义时可以采取的另一种方法：“我们是否可以同意像不存在平均差异一样做出决定，因为通常，所有此类决策都会产生相同的结果，而通常情况下，如果情况并非如此，那么做出不同的决策就会导致系统性问题永久化？”
当然，与任何二元类别一样，有些人只是部分现实否认者或过度简化者——人是极其复杂的，我在这里展示的这个模型是故意简化的，以便帮助清楚地传达这种动态。
好吧，但是在某些情况下，过度简化者或现实否认者实际上是正确的吗？
绝对有一些。
当群体差异如此之大以至于分布几乎不重叠时，那么可以合理地说，“A 是这样，B 是这样。”例如，说“蓝鲸很大，老鼠很小”是有道理的。在这种情况下，过度简化者并没有真正过度简化。但当我们谈论人类群体时，这种情况非常罕见。
当群体之间的平均值差异如此之小以至于对于所有目的而言基本上微不足道时，现实否认者实际上并没有否认现实。例如，如果事实证明惯用右手的人比惯用左手的人在学校表现好 0.001%，那么这种差异很小，无论出于何种目的都与零没有显着差异，因此可以说“没有差异”是一件极其合理的事情。事实上，人类群体在许多属性上的差异非常小，以至于“没有差异”是描述它的准确方式（尽管差异实际上并不是零到小数点后第十位）。