统计学里大概没有哪个结果，比辛普森悖论更配得上「反直觉」这个称号。它说：一个整体上的优势，可以在每一个细分分组里都变成劣势；或者反过来。这不是魔术，而是普通算术——但它掀开的是知识生产中最不舒服的一层地板。

两个经典实例。

第一个是伯克利招生案。1973年，加州大学伯克利分校研究生院：男性申请者8442人，录取3737人（44%）；女性申请者4321人，录取1512人（35%）。看到这个数字，第一反应当然是：性别歧视实锤。但当Bickel、Hammel和O’Connell（1975）按院系拆分后，画面反转：绝大多数院系中女性录取率并不低，有些院系甚至更高。整体上9个百分点的劣势，几乎完全来自院系申请结构的差异——女性更集中在竞争激烈的系，男性更多涌向录取率高的系。

第二个实例来自医学。一项肾结石治疗的经典数据（Charig et al., 1986）显示：治疗A小结石有效率93%（81/87），大结石有效率73%（192/263）；而治疗B相应是87%（234/270）和69%（55/80）。每个分组都是A更好，但整体上B反而胜出：A总有效率273/350=78%，B总有效率289/350=83%。为什么？因为B组的小结石患者占比远高于A组，小结石本来就更容易治。

现在关键问题来了：「悖」在哪儿？

统计上一点都不悖。加权平均数等于每个分组均值的带权平均，权重的组合可以反转排序。真正悖的地方是：数据本身不告诉你该相信整体还是该相信分组。这不是算法能解决的问题，而是一个因果问题。Judea Pearl反复强调，如果你不知道背后的因果结构，就无法决定是否要按某个变量分层——分层在消除混杂的同时，也可能「调整掉」你想要检测的机制。在伯克利案里，如果录取歧视发生在系内部，那么按系分层是对的；如果歧视通过「院系选择的社会压力」实现，那么分层就把系统性不公洗白了。

这恰好是知识社会学的点：分类粒度不是中立的整理技术，而是一种认知—政治基础设施。多粗的切片、多细的分层，早就预设了答案的形状。Bowker & Star在《Sorting Things Out》里说得很直白：分类系统把一种秩序强加给世界，同时让替代秩序不可见。

所以辛普森悖论的教训不是「要小心统计」，而是：任何聚合数字都是某个分类决策的产物。整体与部分之间不存在天然的优先序。

留给争论的问题：当我们评估「公平」时，公平的单位是什么？是个体、群体、部门、还是整个系统？你能想到哪个现实案例，看起来是在用科学数字说话，实际上是在用分类粒度投票？