分组结论与总体相反,最常见的原因不是某一组算错了,而是各组的分母口径不同。先别急着推翻总体结论,把每个分组的分母来源、时间窗和过滤条件摊开对比,通常十分钟内就能判断是数据拼接问题还是真实的辛普森式反转。
假设你在一次在线网站安全检测中统计“高危漏洞修复率”:总体看,修复率从上半年的 62% 升到下半年的 71%,结论是变好了。但按站点类型分组后,A 类站点从 78% 降到 74%,B 类站点从 55% 降到 51%,两组都在降。这种“总体升、分组降”就是典型的分母结构变化:下半年 B 类站点(本来修复率就低)在样本中占比大幅提高,把总体拉高了。要验证这一点,只需做一件事:把两期的分组占比列出来对照。如果某组占比的变动幅度足以解释总体变动方向,反转就来自分母,而不是修复工作本身。
反转通常只有两类来源,区分它们决定了你下一步查什么。
比如上半年只把“已确认可利用”的漏洞计入分母,下半年把“疑似”也计入;或者上半年排除了未登录才能扫到的页面,下半年纳入了。分母变大且新增部分修复率低,总体数字自然被稀释,但分组的相对关系可能没变。这类问题的特征是:分组内部的分母定义也一起变了,所以每一组看起来都在降。
各组的分母定义前后一致,只是样本构成变了。比如下半年新接入了一批老旧系统,它们漏洞基数大、修复慢,占比上升后压低了总体。这类问题的特征是:分组内部口径稳定,只有组间权重变了。
关键证据是“分母的可加性”。取两期的原始计数,而不是百分比:
另一个可核查的动作:把下半年的分母按上半年的分组占比重新加权,算一个“固定权重”的总体值。如果重算后总体方向与分组一致,就基本确认是结构变化。这个动作不改变任何原始数据,只是换一种加权方式,结果可以直接写进诊断记录。
假设某次检测中,总体修复率从 60% 升到 68%,但两个分组都在降。列出计数后发现:上半年 A 组样本 100、B 组样本 100;下半年 A 组样本 50、B 组样本 150。A 组修复率 80%→75%,B 组 40%→37%。用上半年的 100:100 权重重算下半年:0.5×75% + 0.5×37% = 56%,低于上半年的 60%。此时总体“上升”消失,与分组方向一致。这个例子的数字只为说明加权方法,实际诊断中应使用你手头的真实计数。
完成这四步后,如果固定权重下总体与分组方向仍然相反,才需要考虑分组变量本身是否选错了——比如分组维度与修复速度存在交互,此时应换一个更能解释差异的分组维度重新切分,而不是继续在原有分组上找原因。