数据会骗人（辛普森悖论）教学培训课件

数据会骗人-辛普森悖论姓名：地址：电话：Email：提纲如何骗人-WHY?1基本概念-WHAT?23解决手段-HOW?2比较中国和意大利的新冠肺炎病死率3病死率4如何骗人案例一：比较中国和意大利两国的新冠肺炎病死率中

国，截至2020.2.17，共有72314例病例意大利，截至2020.3.9，

共有8342例病例年龄构成arXiv:2005.07180v2.24Jun2020WHY构成比如何骗人5意大利

vs

中国，平均年龄分别为，45.4岁vs38.4岁意大利患者多为60岁以上vs中国患者多为30~59岁arXiv:2005.07180v2.24Jun2020WHY如何骗人新冠确诊病例年龄构成不同老年人新冠死亡率高新冠年龄构成死亡

WHY意大利新冠确诊老年人口比重大，老年人新冠病死率高，因此不考虑年龄计算意大利新冠肺炎病死率要高于中国。WHY6比较开放手术和经皮肾镜取石术成功率7石头较小石头较大273/350=78%289/350=83%8手术成功率9表比较开放手术和经皮肾镜取石术手术成功率如何骗人WHYBMJ.1986组别手术成功手术未成功病例数手术成功率开放手术2737735078%经皮肾镜取石术2896135083%组别手术成功手术未成功病例数手术成功率开放手术8168793%经皮肾镜取石术2343627087%大结石小结石按分层因素重新计算组别手术成功手术未成功病例数手术成功率开放手术1927126373%经皮肾镜取石术55258069%结石大小决定术式小结石手术成功高手术成功(YesorNo)WHY经皮肾镜取石术，小结石比重高，小结石手术成功率高，因此不考虑结石大小计算经皮肾镜取石术成功率要更高。不同术式结石大小如何骗人WHY10辛普森悖论现象的本质案例一--年龄构成案例二--结石大小混杂因素基本概念WHAT11基本概念辛普森悖论(Simpson’sParadox)的定义WHAT1951年，爱德华·辛普森(EdwardH.Simpson)首次描述了这种现象。是概率和统计学中的一种现象，即几组不同的数据中均存在一种趋势，但当这些数据组合在一起后，这种趋势消失或反转-Wiki百科。12解决辛普森悖论标准化率分层分析多因素回归模型从数据分析的角度而言解决手段HOW13解决辛普森悖论标准化率标准化法的基本思想，就是采用统一的标准构成，以消除混杂因素的影响，使算得的标准化率有可比性。已知标准组人口构成比时已知标准组人口数时解决案例一：按照“标准人口”，分别计算我国和意大利的新冠病死率。解决手段HOW14解决辛普森悖论分层分析分层卡方检验(Cochran’sandMantel-Haenszelstatistics，CMH检验)解决手段HOW15解决案例二：小结石大结石组别手术成功手术未成功开放手术273(a)77(b)经皮肾镜取石术289(c)61(d)组别手术成功手术未成功开放手术81(a)6(b)经皮肾镜取石术234(c)36(d)组别手术成功手术未成功开放手术192(a)71(b)经皮肾镜取石术55(c)25(d)按分层重新计算：不校正分层因素：CMH检验校正分层因素结果：16解决辛普森悖论多因素回归模型将混杂因素纳入多因素回归模型校正，以Logistic回归为例。

解决案例二：拟合Logistic模型校正石头大小

不校正分层因素结果：校正分层因素结果：解决手段HOW17辛普森悖论产生的原因-混杂因素如何识别混杂因素如何控制混杂因素总结18上世纪八十年代，发表在NEJM杂志上的一项研究，对患有胰腺癌的住院患者和患有其他消化道疾病的