两组数据的偏差怎么算_实用的因果推断(一)-从数据分析中存在的悖论与偏差聊起...

因果推断的核心内容，实际上想办法将未观测到的潜在结果(即反事实结果)估计出来

一.前言

如果说到数据分析的核心技能，抛开基本工具与知识的掌握，业务理解、数据敏感度与分析思维才是关键。其中分析思维，我认为区别于业务数分的关键，是怎么绕开数据的陷阱，得出稳健的结论。

如果只是多维度去拆分，去透视数据，那么业务方也能做，但是他们得出的结论不会稳健。拿工作遇到的推广问题来说，为什么发现某个因素对转化率有益，真正开始提高投放占比的时候，效果却差了很多？又或者，投放中经常会遇到难以分拆出量和质的影响，因为一般而言，购买人数提高了，转化率一般也会下降。这个时候难以判断是策略的影响还是购买量提高带来的。投放不能做出精准的AB实验，因为针对不同账号，不同广告计划，使用不同的投放策略，我们无法去控制购买用户会随机分配到两组，不能实现随机化实验来验证结果。

基于以上，我经常困惑，怎么样的数据分析思维得出的结论才是稳健的，才能正确指导业务方向，才是比业务自己的数据分析更加专业的，而不是说我们的结论，今天适用，明天就不适用了。

我希望从统计，计量经济学，因果推断中，找到科学的分析方法。

二.两种分析悖论

1.辛普森悖论

第一个悖论是我们比较熟悉的辛普森悖论。

美国加州大学伯克利分校研究生录取数据中，男生录取率为44%，女生录取率为35%，那能依据这一观测数据，认为伯克利分校研究生录取存在性别歧视吗？Bicke对此做了研究&#