定義とバークレー校の大学院入学審査の例

シンプソンのパラドックスとは、部分集団ごとに観察される傾向が 全体を統合したときに逆転する統計的現象である。 1973 年秋のカリフォルニア大学バークレー校の大学院の入学審査のデータがその例で、 学部ごとに見ると女性に不利な偏りははっきりしなかったにもかかわらず、 全体を合算すると女性の合格率が低く見えた。 これは女性の出願が合格率の低い学部に偏っていたためである。

交絡変数の役割

パラドックスの本質は交絡変数の存在にある。交絡変数とは、 原因と結果の両方に影響を与える第三の変数であり、 これを無視して集計すると見かけ上の関係が生じることがある。 バークレーの例では「出願先の学部」が交絡変数だった。

交絡を制御するには層別分析、回帰分析、傾向スコアマッチングなどの 手法が用いられる。 単純な全体集計だけでは因果関係を正しく把握できない場合があることを、 このパラドックスは示している。

ランキングデータでの発生例

MyRank のような世界ランキングでもシンプソンのパラドックスは 起こりうる。たとえば各年齢層では日本人の平均歩数が世界平均を 上回っていても、高齢者比率が高い日本の全体平均は世界平均を 下回る可能性がある。

集計レベルの選択が結論を変える

データをどのレベルで集計するかによって、結論が正反対になりうる。 国別 / 地域別 / 年齢層別のどの集計を見るかで、 自分の位置づけの見え方が変わることがある。