【因果推断入门】第1季第2集 辛普森悖论 上 Simpson's Paradox

辛普森悖论

例1

单看男性的数据吃药对恢复有帮助，单看女性的数据吃药对恢复也有帮助

但是忽视性别后看整体数据吃药对恢复就没有帮助

解释（性别是一个较为重要的因素）

用条件概率表达

A的取值(人群中吃药恢复的概率）

不仅取决于

①（男性吃药恢复的概率）

③（女性吃药恢复的概率）

还取决于于

q(吃药的人群中是男性的概率)

((1-q)吃药的人群中是女性的概率)

• 吃药的人里女性数量较多
• 女性的恢复力比男性差

性别会影响

①用药的情况

②身体的恢复情况

所以对于整体的数据（不区分性别），用药的恢复比不用药的差是因为

用药的人里女性比较多，而女性的恢复力比男性差一些

性别是混淆变量

如果想要观察到用药和恢复之间有没有因果关系

首先要把像性别这样的因素剔除掉（剔除掉的办法就是看这个因素的分类数据）

如果看的是整体数据用药对恢复就没有帮助，但其实并不是药没有效果，只是用药的人里女性较多而女性的恢复比较差

性别在这里扮演了混淆变量的角色

性别（混淆变量）

同时影响用药（原因）和恢复（结果）

它的存在会让你的数据整体与局部产生一个反向的结论

所以应该看分类数据，因为分类数据把性别的因素剔除掉了

辛普森悖论