辛普森悖论：每组都赢，加起来却输了

假设你是两种肾结石疗法A和B的评估者。A疗法治疗小结石成功率93%，大结石成功率73%。B疗法对应为87%和69%。看起来A在每个子组完胜B，对吧？但当你把所有病人合并在一起时——A整体成功率78%，B整体成功率83%。每组都赢的组合，汇总后反而输了。这就是辛普森悖论。

这个悖论由英国统计学家Edward Simpson于1951年正式描述，但类似的统计反转现象在真实世界里层出不穷。最著名的例子之一：1973年加州大学伯克利分校研究生录取数据——整体上男性录取率44%高于女性35%，但当按院系分解时，大多数院系女性录取率等于或高于男性。问题出在女性倾向于申请竞争更激烈的院系（如英语文学），男性则多申请工程类院系——一个隐藏的混杂变量（院系申请分布）彻底反转了结论。

另一个著名的例子：1986年《英国医学杂志》发表的肾结石疗法比较。两组中A都赢B，合计后反而输是因为——A更多用于严重的大结石病例（难度更大），B更多用于小结石（相对容易）。这种"更有效的方法被用于更难的病例"的模式在医学研究中反复出现。

辛普森悖论的核心教训：永远不要只看汇总数据就下结论。当你手头有数据时，按合理的维度分层——年龄、地区、产品类型、病例严重程度——检查趋势是否在每个子组中保持一致。如果汇总趋势和子组趋势矛盾，大概率存在一个混杂变量在"暗中导演"这场反转。一个有用的口诀："看到汇总结果，先问子组。"在数据分析越来越普及的今天，辛普森悖论不是数学家的猎奇游戏，而是每一个做决策的人都应该安装的"脑内杀毒软件"。