# 伯克森悖论

> 伯克森悖论（Berkson's paradox），又称伯克森偏差、碰撞偏差或伯克森谬误，是指人们的直觉观察与实际上真实的条件概率和严谨的统计结果不相符，也就是说人们所发现的看似两个相关的因素实际上根本无关。当研究设计中纳入偏差样本以及存在偏差的情况下就会出现这种情况。这一悖论由美国医生和统计学家约瑟夫·伯克森于1946年提出。

- ID: m00291
- 分类: technical
- 领域: 统计学

## 定义

一种统计错觉：在“以某条件筛选出的样本”中，两个原本独立（或正相关）的变量会呈现出虚假的负相关。最经典的例子是医院门诊——近视与糖尿病在医院病人中看起来负相关，但在全体人群中二者本无关系。根源在于“入院”本身要求至少患一种病（对撞因子），从而把“同时患两种病”的组合相对稀释了。脚手架作用：警惕“筛选样本”制造的伪相关。当你在一群“已被选中”的人里观察规律时，很多相关性是入口条件造出来的，而非真实世界的关系。

## 机制

两个独立事件 A、B，其发生概率分别为 p、q。在总体中 P(A|B)=P(A)，本不相关。但若只观察“A 或 B 至少发生一个”的子集（如“因 A 或 B 入院”），则该子集里“仅 A”的比例被放大、“A 且 B”的比例被压缩，使 A 与 B 在子集中呈负相关。本质是条件于对撞因子（collider）导致的偏差。

## 练习

1. 确认你的数据是否来自“被筛选过”的群体（医院、获奖者、付费用户、面试通过者）； 2. 识别筛选条件是否同时与多个变量相关（即它是一个对撞因子）； 3. 若观察到负相关，先问“这是筛选造出来的吗”； 4. 用总体/随机抽样重新检验，或建因果图区分相关与因果。

## 脚手架用法

警惕“筛选样本”制造的伪相关。当你在一群“已被选中”的人里观察规律时，很多相关性是入口条件造出来的，而非真实世界的关系。

[阅读网页](https://thinkingmodels.site/entries/detail/m00291)