零基础掌握“辛普森悖论及因果关系”通俗易懂

---

一.辛普森悖论的通俗解释

• 通俗解释其实就一句话，“存在这样的数据，总体上的统计结果与其每一个子部分的统计结果相反”，我知道有的伙伴还没有听懂，比如说“子部分”是个啥等问题，没事，下面我给大家举例子，保证大家一定能听懂！！！

---

二.通俗易懂的例子说明

我们就用1951年辛普森使用的经典例子，“一组患者可以选择是否尝试一种新药”来说明。先给大家看数据吧！

案例：
总共的志愿者有700个人（相当于小白鼠），分为两个组，第一组给350个人服用新生产的药物，第二组给另外350个人不用药物（或者说服用糖之类的东西，俗称安慰剂）。服药的第一组350个人中，男性患者87位，女性患者350-87 =263位。未服药的第二组350个人中，男性患者270位，女性患者350-270=80位，实验结果如表2.1所示：

首先，咱直接看总数据，服药的患者痊愈率是78%，未服药的患者痊愈率是83%，这乍一看,平常人就会说：“你这药不好使呃，还不如我这不吃药的痊愈率高呀！”但是大家你仔细观察这个表里的数据，咱先看男性的哈，你会发现在服药的患者中，男性患者的痊愈率是93%，而未服药的男性患者痊愈率是87%，这一点服药的赢了吧，证明这药是不是挺好使的！咱再看女性的，女性服药的患者痊愈率是73%，而未服药的患者痊愈率是69%，看女性这一单元也是服药的效果大于不服药的效果呀！

奇怪的是：整体的效果而言，竟然是不服药的效果好，这与我们的主观尝试明显特么不符合呃！就相当于举行铁人三项比赛，每一项我都是冠军，都是第一名，结果算总成绩的时候，我竟然是第二名，我特么的输了！这种现象就是著名的辛普森悖论，大家现在再看一下我一开始的通俗解释，是不是就懂了？

辛普森悖论通俗解释：“存在这样的数据，总体上的统计结果与其每一个子部分的统计结果相反。”

不知道大家是不是想知道这违反常理的现象是为什么呢？想知道的就继续往下看吧！

---

三.为什么会出现辛普森悖论？

不墨迹，直接给出答案：就拿刚才讲的案例来说，是因为性别的原因，具体来说是因为女性患者的问题！

单纯从数据的角度来说，你会发现此次服用药物患者的350人和不服用药物的350人中，男女比例是不一样的，如果我们控制服用药物的和不服用药物的男女比例相同，那么就不会出现辛普森悖论了！

如果从更深层次的原因说明，女性患者身体中的雌性激素过多，而雌性激素会抑制药物的效果，所以你从数据里可以看出，女性患者服药后痊愈的效果不如男性患者服药的效果好！

“不知道大家有没有恍然大悟的感觉，太神奇了~哈哈”，这可能就是科学魅力所在吧。

四.辛普森悖论给我们什么启示

• 第一个启示就是我们常说的“相关性并不是因果性”，但是现在好多人都说相关性就是因果关系，这是错误的，如果只是单纯的进行统计学的公式计算，不考虑因果的问题，我们就得出了错误的结论了！服药没用！可是服药是有用的呀！
  
  这里再给大家举一个例子，冰淇淋的售卖多少与杀人罪犯杀人的多少，从真实的调查数据中，得出的是只要夏天售卖的冰淇淋越多，被谋杀的人就愈多，单纯从统计学角度来说，他们俩具有很强的相关性，但是你能说他俩之间有因果性吗？难道如果你想减少杀人的多少，就不让小贩买冰淇淋就行了？显然是可笑的呀
  
  我想大家可能才出来原因了，没错，是背后隐藏的天气温度才是真正的因果关系。大家看图或许就能明白了，如图4.1
  

• 第二个启示就是说为了以后避免这种错误，我们需要了解数据背后的原因，就比如说利用因果机制！