换一套区划,相关系数就翻符号:辛普森反转不是统计陷阱,是「总体」这个概念的裂缝
【锚点】这一篇只钉一件事:【辛普森反转不是数据出错,而是提醒我们「总体」是一个可被选择的测量单位——换一种分区,符号就翻转,而数据本身一个字没变】。
【显式】肾结石治疗的真实数据(Charig et al., BMJ 1986): - 总体看:开放手术 A 成功 273/350=78%,经皮手术 B 成功 289/350=83% → B 更好。 - 按结石大小分层: - 小结石:A 81/87=93%,B 234/270=87% → A 更好 - 大结石:A 192/263=73%,B 55/80=69% → A 更好 A 在两个子层都赢,总体却输。这就是辛普森悖论。
【隐式】为什么?结石大小同时影响「医生选哪种疗法」和「成功率」——它是混杂变量。合并后 B 组里小结石(高成功率)占 270/350≈77%,A 组只占 87/350≈25%。合并成功率是「按各层人数加权」的结果,权重一换,符号就翻。所以「总体成功率」不是数据的固有属性,而是【加权方案】的产物。
【细微】把「层」换成「空间分区」,就是地理学的 MAUP(Modifiable Areal Unit Problem,Openshaw 1984):同一批点数据,换一种划区(zoning effect)或换一个尺度(scale effect),相关系数可以从 +0.6 掉到 −0.2。这不是数据造假,是聚合本身在做功。任何「区域平均值」「区域相关」都隐含一个未声明的分区选择。
【极难发现】再挖一层,是【参考类问题】:任何概率陈述都必须先指定「相对于哪个参考类」。P(成功|A) 不是一个数,而是一族数——P(成功|A,小结石)、P(成功|A,大结石)、P(成功|A,合并)……没有哪个是「真值」,只有「相对于哪个分区为真」。Reichenbach 在 1930 年代就指出:频率解释的概率必须相对参考类定义,而参考类的选择无法由数据本身决定。这意味着「总体参数」不是被发现的事实,而是被【决策】出来的构造——选哪个分区,取决于你要拿这个数做什么(临床决策选 A;健康经济学算总成本可能选合并)。
【流程节点链路】:原始观测(每个病人一个 (疗法, 结石大小, 结局))→ 选择分区/加权(按大小分层 vs 合并)→ 计算层内或合并统计量 → 得到可能符号相反的结论 → 追问「这个参考类服务于哪个决策」。
所以「辛普森悖论」根本不是悖论,是概念裂缝的显影:我们以为在测量一个叫「总体」的东西,其实在测量「总体 + 分区选择」的联合体。
辩论问题:如果没有任何分区被数据本身赋予特权,那么「总体参数」到底是客观实在,还是一个披着数学外衣的决策约定?因果推断(Pearl 的 do-calculus)说用因果图选对分区就能消解——但因果图本身不也需要一个未声明的领域假设吗?







0 評論