Simpson’s paradox occurs when an association reverses after aggregation or stratification because group composition carries information about the causal or sampling structure.
1The problem it solves
The paradox demonstrates that “the data” do not dictate one aggregation level. A treatment can outperform in every subgroup yet look worse overall if treatment groups contain different mixes of high- and low-risk cases. Both arithmetic summaries can be correct; deciding which is relevant requires the causal question.
2The idea
A trend present in every subgroup can reverse when the subgroups are combined. Both the aggregated and disaggregated numbers are correct; they answer different questions.
3Origin & context
Named after Edward Simpson, with related earlier work by Udny Yule. It is now a standard example in statistics and causal inference because graphical causal structure determines whether to adjust for the grouping variable or leave it aggregated.
4Canonical example
A treatment better for men and better for women, yet worse for people overall.
5Objections & replies
Objection. The disaggregated result is always the true one because it is more detailed.
Reply. No. If the grouping variable is a mediator or collider, stratifying can answer the wrong question or introduce bias. More granular is not automatically more causal.
Objection. The aggregated result is the real population effect because policy operates on the population.
Reply. Sometimes, but composition can confound the comparison. The relevant estimand—overall policy effect, within-group effect, standardized effect—must be chosen before deciding which aggregation answers it.
6Don't confuse it with
Simpson’s paradox vs. confounding
Confounding is one causal structure that can produce reversal, but Simpson’s paradox is the statistical reversal pattern itself.
Aggregation bias vs. arithmetic error
No arithmetic mistake is required. The paradox arises precisely because both summaries can be numerically correct while conditioning choices differ.
7Common mistakes
- Choosing the aggregation level after seeing which version supports the preferred conclusion.
- Assuming subgroup adjustment is always safer without drawing the causal role of the grouping variable.
8In your work
The aggregation level is a substantive choice, not a presentational one. Whoever picks it picks the answer — so it belongs in the methodology, not the formatting.
9Check yourself
A treatment is better for men and better for women but worse overall. What must you inspect before deciding which conclusion matters?
Show answer
The group composition and causal role of sex in assignment/outcome, plus the estimand of interest. The reversal itself does not tell you whether to aggregate or stratify.
پارادوکسِ سیمپسون وقتی است که رابطه پس از تجمیع یا تفکیک معکوس میشود، چون ترکیبِ گروهها اطلاعاتی دربارهٔ ساختارِ علّی یا نمونهگیری حمل میکند.
1مسئلهای که حل میکند
پارادوکس نشان میدهد «داده» یک سطحِ تجمیعِ یکتا تعیین نمیکند. درمان میتواند در هر زیرگروه بهتر باشد اما در کل بدتر دیده شود اگر گروههای درمان ترکیبِ متفاوتی از افرادِ پرخطر و کمخطر داشته باشند. هر دو خلاصهٔ عددی میتوانند درست باشند؛ پرسشِ علّی تعیین میکند کدام مربوط است.
2ایدهٔ اصلی
روندی که در هر زیرگروه هست، هنگام تجمیعِ زیرگروهها میتواند وارونه شود. هم اعداد تجمیعی درستاند و هم تفکیکی؛ به پرسشهای متفاوتی پاسخ میدهند.
3خاستگاه و زمینه
به نامِ ادوارد سیمپسون و با پیشینهٔ مرتبط در کارِ اودنی یول شناخته میشود. در آمار و استنتاجِ علّی مثالِ استاندارد است چون ساختارِ گرافی تعیین میکند متغیرِ گروهبندی را باید تعدیل کرد یا نه.
4مثالِ کلاسیک
درمانی که هم برای مردان بهتر است و هم برای زنان، اما در مجموع برای مردم بدتر.
5اعتراضها و پاسخها
اعتراض. نتیجهٔ تفکیکشده همیشه واقعیتر است چون جزئیاتِ بیشتر دارد.
پاسخ. نه. اگر متغیرِ گروهبندی میانجی یا برخوردگر باشد، تفکیک میتواند سؤالِ غلط را جواب دهد یا سوگیری بسازد. جزئیاتِ بیشتر خودکار علّیتر نیست.
اعتراض. نتیجهٔ کلی واقعیتر است چون سیاست روی کلِ جمعیت اعمال میشود.
پاسخ. گاهی، اما ترکیبِ گروه میتواند مقایسه را مخدوش کند. باید کمیتِ هدف—اثرِ کلی، اثرِ درونگروهی یا اثرِ استانداردشده—پیشاپیش تعیین شود.
6با اینها اشتباه نگیرید
پارادوکسِ سیمپسون و مخدوشگری
مخدوشگری یکی از ساختارهای علّیِ ایجادکنندهٔ وارونگی است؛ سیمپسون خودِ الگوی آماریِ وارونگی است.
سوگیریِ تجمیع و خطای حساب
هیچ خطای حساب لازم نیست. نکته این است که هر دو خلاصه میتوانند عددی درست باشند اما شرطگذاری متفاوت باشد.
7خطاهای رایج
- انتخابِ سطحِ تجمیع پس از دیدنِ اینکه کدام نسخه از نتیجهٔ دلخواه حمایت میکند.
- فرضِ اینکه تعدیلِ زیرگروه همیشه امنتر است بدون تعیینِ نقشِ علّیِ متغیرِ گروهبندی.
8در کارِ شما
سطحِ تجمیع انتخابی ماهوی است نه شکلی. هر که آن را برمیگزیند، پاسخ را برگزیده — پس جایش در روششناسی است نه در صفحهآرایی.
9خودآزمایی
درمان برای مردان بهتر و برای زنان بهتر است اما در کل بدتر دیده میشود. پیش از اینکه بگویید کدام نتیجه مهم است چه باید بررسی کنید؟
نمایش پاسخ
ترکیبِ گروهها، نقشِ علّیِ جنس در تخصیص و پیامد، و کمیتِ هدف. خودِ وارونگی نمیگوید باید تجمیع یا تفکیک کنید.