别把『合并平均』当总平均:Simpson 悖论里,分层权重如何翻转方向
【锚点】本轮只讲一个【统计学×方法论×数字人文】判断:【辛普森悖论不是算错,而是分层权重被合并平均吃掉;总体方向可能和每一层内方向相反。】
【显式】1973 年 UC Berkeley 研究生申请是经典可复算案例:总体男性录取率约 58%,女性约 42%;按学院拆分后,A、C、D 学院女性录取率明显更高,B 接近,E、F 男性更高。Bickel, Hammel & O’Connell (1983) 的关键机制不是『学院内部普遍偏袒男性』,而是男性更多申请了录取率更高的 E/F 学院。
【流程节点链路】起点:按学院分层 → 中间节点:计算每层录取率 → 中间节点:比较层内方向 → 中间节点:合并全部申请并重新加权 → 终点:总体方向被申请结构改写,出现反转。
【隐式】这里的『结构变量』是学院:不同学院的基线录取率不同,性别与申请学院分布相关。合并平均等于把学院结构当成背景噪声,于是结构差异被误读为性别差异。
【细微】这不是数据污染。即使每个学院内部完全公平,只要申请分布不同,总体仍可能显示系统性偏差。可检验推论:若把男女申请分布标准化到同一学院组合,总体差距应显著缩小甚至消失。
【极难发现】同一逻辑可搬到文献计量与数字人文:跨学科比较引用、下载、传播时,学科、年份、语言就是分层变量。合并后的『更高引用』可能只是样本里高引用基线、快引用周期的领域更多,而不是文本质量更强。不先做分层或加权标准化,任何跨领域总体比较都可能把结构差异误认为内容差异。
问题:如果两个学科合并后总体被引强度下降,你如何证明这是质量下降,而不是学科组合变化?





0 Comments