一、切开就看见了

按店址把八家店分成两格，每格里再按降不降价分——四组：

两格里方向一致，都是降价好 3 个百分点。可合起来，降价组更差 4.9 个百分点。

二、混杂因素的三条腿

跟结果有关：店址影响销售额。社区店整体跌 18%，商圈店只跌 5%。 跟分组有关：降不降价和店址相关——社区店更倾向于降价（生意差，想自救）。 不在研究链条上：店址不是降价造成的，它先于降价存在。

三条全占才是混杂因素。少一条，它只是「另一个变量」，不会把结论掰弯。

三、为什么会把方向掰反

因为组间差异 = 处理效果 + 分组差异。你不把分组差异扣掉，就会把它记在处理效果头上。 降价组背负了「社区店」这个身份，而社区店本身在暴跌。于是降价背了黑锅。 这就是辛普森悖论在实验场景里的样子：每一格都朝一个方向，合起来朝反方向。

四、拆分能管住它，但管不干净

按店址拆开，混杂就被固定住了——同类店里店址相同，差异只能来自降价。 可店址不是唯一的混杂因素。店长能力、装修新旧、门口有没有地铁口，每一个都同时影响两边。 你能想到几个就拆几个，永远拆不完。想不到的那些，数据里根本没有字段。

五、一个实用判断

看到「总体方向和每一格都相反」，第一反应就该是「有个变量在分组里不均」。 找它的办法不是算，是问：这两组在收数据之前就不一样的地方有哪些。 答案通常在业务常识里，不在统计软件里。

六、动手 Demo：混杂因素：藏在店址里的那只手

同一张表，切一刀，四行。看组内方向与总体方向怎样分道扬镳。 最后两行是这次的结论：混杂能拆掉一部分，拆不完。

stores = [('S01', 'community', True, 120.0), ('S02', 'community', True, 110.0),
          ('S03', 'community', True, 90.0), ('S04', 'downtown', True, 80.0),
          ('S05', 'downtown', False, 130.0), ('S06', 'downtown', False, 100.0),
          ('S07', 'downtown', False, 85.0), ('S08', 'community', False, 75.0)]
rate = {('community', True): -0.15, ('community', False): -0.18,
        ('downtown', True): -0.02, ('downtown', False): -0.05}
now = [s[3] * (1 + rate[(s[1], s[2])]) for s in stores]

for site in ('community', 'downtown'):
    for cut in (True, False):
        idx = [i for i, s in enumerate(stores) if s[1] == site and s[2] == cut]
        a = sum(stores[i][3] for i in idx)
        b = sum(now[i] for i in idx)
        print('%-10s %-5s %d 家  %+.1f%%'
              % (site, 'cut' if cut else 'keep', len(idx), (b / a - 1) * 100))

for cut in (True, False):
    idx = [i for i, s in enumerate(stores) if s[2] == cut]
    a = sum(stores[i][3] for i in idx)
    b = sum(now[i] for i in idx)
    print('总体 %-5s %d 家  %+.1f%%'
          % ('cut' if cut else 'keep', len(idx), (b / a - 1) * 100))

实跑输出：

--------------------------------------------------------------------
混杂因素：藏在店址里的那只手
--------------------------------------------------------------------

  ① 把数据按店址切开
  --------------------------------------------------------------------

| 店址 | 降价 | 门店数 | 销售额变化 |
|---|---|---:|---:|
| 社区 | 降 | 3 | -15.0% |
| 社区 | 没降 | 1 | -18.0% |
| 商圈 | 降 | 1 | -2.0% |
| 商圈 | 没降 | 3 | -5.0% |


  ② 每一格里，降价都更好
  --------------------------------------------------------------------
  社区店：降价 −15.0%，没降 −18.0%，差 3 个百分点。
  商圈店：降价 −2.0%，没降 −5.0%，也差 3 个百分点。
  两格里方向一致：降价让销售额多撑住了 3 个点。
  ! 可合起来，降价组反而更差 4.9 个百分点——这就是混杂因素的力量。

  ③ 混杂因素的三条腿
  --------------------------------------------------------------------

| 条件 | 在这里是什么 |
|---|---|
| **跟结果有关** | 店址影响销售额：社区店整体跌 18%，商圈店只跌 5% |
| **跟分组有关** | 降价店四家里三家在社区 |
| **不在研究链条上** | 店址不是降价造成的，是先于降价存在的 |

  三条全占，就是一个合格的混杂因素。少一条都只是巧合。

  ④ 拆分能管理它，但管不干净
  --------------------------------------------------------------------
  按店址拆开，你能看到「同类店里降价更好」。
  可店址不是唯一的混杂因素：店长能力、装修新旧、门口有没有地铁口，
  哪一个都同时影响「降不降价」和「卖得好不好」。
  你能想到几个就拆几个，但永远拆不完——因为你想不到的那些，数据里没有。

四行里两行是 −15 对 −18，两行是 −2 对 −5：组内差都是 3 个点，方向一致。 最后两行却翻过来了。这就是汇总的代价——它把结构信息平均掉了。

30 秒实验

1. 把 S04（商圈降价）改成社区降价，四格会变成什么样？总体方向还翻吗？
2. 再切一刀「店长是否新上任」，自己造一组数，看组内差会不会变。
3. 想一想：如果某个混杂因素是「门店面积」，你能在现有的表里发现它吗？

常见误区

1. 只管拆分不管样本量：拆完每组剩一家，结论的误差比效应还大。
2. 把相关当混杂：只有同时影响「分组」和「结果」的变量才是混杂，只影响结果的不算。
3. 以为拆完就干净：拆分只能处理你想到并记录下来的变量。
4. 在混杂没排除前就报结论：这一步省下的时间，后面要用双倍去解释「为什么和实际相反」。

拆分确实救回来一点，但刚要下结论，又冒出第二个混杂因素：降价的那几家店，去年都换了店长。

• ☐ （本篇完，下一篇 2.5 情况更糟了）

相关笔记

• 价值感与典型客户
• 情况更糟了
• 深入挖掘数据
• 📈 深入浅出数据分析 · 索引