有趣的辛普森悖论：同一个数据集是如何证明两个完全相反的观点的？

以下文章来源于SPSS学堂 ，作者helloiamx

溯源

“横看成岭侧成峰，远近高低各不同”苏轼的这首诗形象的描写了庐山各个角度和距离的模样。

今天我们所讨论的辛普森悖论便和这“远近”有关。

我们在研究两组数据时，有时会陷入这样的一种困境。

当我们“远看”，即合并的看两组数据时，往往会得出一种貌似可靠的结论，但当我们“近看”，即分别讨论两组数据时，又发现结论正好相反，这种有趣的现象便是辛普森悖论。

20世纪初，就有人讨论这种现象，但辛普森悖论被正式阐述是在1951年，由E.H.辛普森以论文形式描述。这便是辛普森悖论的由来。

性别歧视？

以下辛普森悖论的一个典型事例：

某学校在统计录取率时，发现全校男生的录取率高于女生的录取率（见图1），貌似存在一定的性别歧视。

表1 分性别录取率

在这种情况下，该学校立即进行调查研究，却发现不同专业的分性别录取率呈现出相反的现象，如图2所示。

表2 不同专业的分性别录取率

从图中我们可以看到，在各个专业中，男女的录取率相差不大，在专业A中，女生的录取率甚至高出男生20个百分点，之前的结论被颠覆了。

A or B?

再看一组例子:

某医院现有两种肾结石治疗方案，方案A包括所有开放式外科手术，方案B仅涉及小的穿刺，为了比较两种方案的成功率（成功率=成功案例数/治疗总案例数），从方案A和B现有治疗案例中分别抽取350个样本进行抽样调查，调查结果如表3所示。

表3 两方案成功率

从表3中可以看出，在两种治疗方案中方案B的成功率高于方案A，那这是否意味着方案B是最佳选项呢？

表4 不同结石大小的两方案成功率

果不其然，反转又一次出现，当增加一层“结石大小”变量时，我们发现不论是大结石还是小结石，选用方案A时的治疗成功率都大于方案B，方案A似乎又成了最佳选择。

Android or IOS ?

再看最后一组事例：

据统计，某产品用户中有10000人使用Android设备，5000人使用IOS设备，现需研究使用两种设备的用户付费转化率（普通用户转化为付费用户的比例）大小，研究结果见表5。

表5 Android和IOS用户付费转化率

如表5所示，使用Android的用户付费转化率要高于IOS的，对于研发人员而言，这是否说明该产品的研发团队应该将研发方向转向Android呢？

表6 分设备端Android和IOS用户付费转化率 

但在表6中我们可以看到，当我们细化分析，增加“设备端”这一变量后，无论是在手机端还是平板端都是IOS的用户付费转化率较高，似乎研发方向又应该趋向IOS。

注：文中所有数据来自网络

尾语

通过以上三个事例，我们对辛普森悖论有了一个初步的了解，但其实辛普森悖论普遍存在我们的生活及谚语里，比如著名的田忌赛马就是辛普森悖论的绝妙应用，虽然田忌并不是知道这个悖论才去应用的，但道理相通。

辛普森悖论就像一个警钟后，当我们处理简单二元列联表时，都会在我们心中轻轻敲打一下，提醒我们去分析所得结论的正确性，督促我们去思考反转的可能。

那么，当我们进行描述性统计时，辛普森悖论究竟能带给我们什么样的启发和讯息呢？

且听下回分解！

转自：“量化研究方法”微信公众号

如有侵权，请联系本站删除！