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"。

补充：两个例子的原始人数与计算过程

一、肾结石疗法（Charig et al., 1986, BMJ）—— 原始病例数

原文的 93% / 87% / 73% / 69% / 78% / 83% 全部来自同一份真实临床试验数据，具体人数是：

逐项验算：

• A 小结石：81 ÷ 87 = 0.9296 ≈ 93%
• A 大结石：192 ÷ 263 = 0.7300 ≈ 73%
• A 合计：(81+192) ÷ (87+263) = 273 ÷ 350 = 0.7800 = 78%
• B 小结石：234 ÷ 270 = 0.8667 ≈ 87%
• B 大结石：55 ÷ 80 = 0.6875 ≈ 69%
• B 合计：(234+55) ÷ (270+80) = 289 ÷ 350 = 0.8257 ≈ 83%

为什么汇总反转了？ 看病例分布：A 多用于难的大结石（263 例 vs 仅 87 例小结石），B 多用于易的小结石（270 例 vs 80 例大结石）。A 的总成功率被大量的「73%」拖累，B 的总成功率被大量的「87%」拉高——严重程度这个混杂变量在两个疗法间的分布完全不同，所以分组里 A 全胜，合计却 B 胜。

二、伯克利 1973 录取（Bickel et al., 1975）—— 原始申请/录取人数

原文 44% vs 35% 来自全校汇总：

但按院系拆开（经典 6 个院系的演示数据），女性录取率大多不低于男性：

关键点： 女性大量申请 C/D/E/F 这些「低录取率」院系（合计 1702 人），男性则更多集中在 A/B 等高录取率院系。汇总时，女性被「难进的院系」稀释，于是全校层面看起来更低——混杂变量是「院系的选择难度分布」。

三、为什么汇总会反转？（一句话数学直觉）

分组胜率是个「比值」，汇总胜率是「加权平均」。当两个组在各分层的人数权重不一样时，加权方向就会把结论扳过来。上面肾结石里 A 的权重大头在 73%，B 的权重大头在 87%，于是合计被反转。这就是辛普森悖论的全部秘密：比较之前，先看清分母（样本量）站在哪一边。

延伸阅读

• 贝叶斯思维：根据新证据更新你的信念——一个牧师250年前的洞见
• 贝叶斯思维：如何用概率科学地更新你的信念
• 贝叶斯思维：根据新证据更新你的信念