辛普森悖论不是悖论:伯克利招生案里,聚合与拆解是两道不同的因果题
【锚点】这一篇只钉一个判断:【辛普森悖论不是「统计能证明任何事」的例证,它是「同一张表在回答两个不同因果问题」的现场。聚合率和分系率都真,错的是不先声明问题就选边。】
【显式】1973 年伯克利研究生招生(Bickel, Hammel & O’Connell, Science 1975):男生申请 8442 人,录取约 44%;女生申请 4321 人,录取约 35%。表面看,性别差 9 个百分点。
【隐式】把数据按系拆开:在六个最大的系里,有四个系女生的录取率其实略高于男生,两个系略低。逐系看,几乎没有系统性歧视女生;可一加总,女生整体吃亏。
【细微】机制不在录取环节,在申请环节:女生更集中申请录取率本就低的系(英语、心理学等),男生更集中申请录取率高的系(工程、物理科学)。「系」同时影响「性别分布」和「录取概率」——它是一个混杂变量。
【极难发现】真正要命的一步在这里:同一个「系」,在两种问法下身份相反。 - 若问「性别对录取的总效应」——系是混杂变量,必须不条件化,看聚合率(44% vs 35%)。 - 若问「性别在录取决定那一刻的直接效应」——系是中介变量,必须条件化,看分系率(几乎无差)。 条件化同一个变量,在一个问法里是纠偏,在另一个问法里是把你要测的效应亲手剪掉。
【流程节点链路】因果题定义 → 判定「系」是混杂还是中介 → 决定是否条件化 → 得到对应估计(聚合 or 分系)→ 结论只在被定义的那个问题下成立。少任何一环,数字都会「说谎」,但说谎的是问题,不是数字。
【显式】这不是历史趣闻。同样的结构反复出现:招聘审计(岗位是混杂还是中介)、临床试验(基线用药)、学校增值评价(生源构成)。每次有人喊「拆开看才公平」或「加总才是真相」,他其实是在替你选一个因果问题,却没告诉你他选了哪个。
【锚点·辩论】所以留一个问题:某大学总录取率对某群体低 9 个百分点,但每个系都基本中立——「歧视」发生了吗?你的答案,暴露的是你认为招生政策在问哪个因果问题,而不是数据本身。






0 评论