数据解读 · 2026/10/13

各组都更好，整体却更差？用一个例子读懂辛普森悖论

本文在AI辅助下由原文翻译而成。请结合原文核对专业术语和公式。

简单任务和困难任务中，方法B都表现更好，整体成功率却可能是A更高吗？如果两者尝试的任务构成不同，就可能出现这种反转。理解这一点，能帮助我们在用汇总百分比排名前，先检查它合并了什么。

一个可以自己算的虚构例子

以下数据用于教学，不是真实产品或试验结果。A主要尝试简单任务，B主要尝试困难任务。

任务	A成功/总数	A成功率	B成功/总数	B成功率
简单	81/90	90%	19/20	95%
困难	2/10	20%	24/80	30%
合计	83/100	83%	43/100	43%

简单任务中B的95%高于A的90%，困难任务中B的30%高于A的20%。但A的任务中90%是简单任务，B只有20%。整体83%与43%反映的是不同任务混合，合计计算本身并没有错误。

A的整体率为0.9 × 90% + 0.1 × 20% = 83%；B为0.2 × 95% + 0.8 × 30% = 43%。各组比例用了不同权重，所以组内排名不必在汇总后保持。Simpson的1951年原始论文讨论了列联表解释问题，BMJ关于混杂与辛普森悖论的说明展示了第三因素相关的反转。

观察到的整体率回答“实际尝试的全部任务成功了多少”；分组比较回答“同一种任务里谁的成功率更高”。这是两个不同问题。先决定想知道什么，数字就不再像互相矛盾。

作为演示，把简单、困难任务各占50%。A为(90% + 20%) ÷ 2 = 55%，B为(95% + 30%) ÷ 2 = 62.5%。这是统一假设构成后的比较，不是原数据实际总比例。真实决策中，任意选择50%并不一定合理，应按目标群体或预计任务构成说明权重依据。

应该按什么变量分组，取决于问题和数据产生过程。按结果发生后的变量，或受选择过程影响的条件分组，可能引入另一种偏差。这张表不能证明B在所有条件下都具有因果优势。分配方式、时期、对象差异和未测因素也可能重要。

重点不是抛弃整体数字，而是理解它把哪些条件合在一起。知道“整体A更好、每组B更好”可以同时成立，才能在接受简单排名前，先问比较的问题和分母是什么。