聚合会掩盖子群体差异
别名: 辛普森悖论 · 生态谬误
概念解释
把数据合并到一个聚合层级（全公司平均值、全国总量、全站转化率）后，子群体之间的差异从视野中消失——不仅是个别差异被平均掉，更极端的情况下聚合结论与所有子群体的结论方向相反。经典的辛普森悖论就是这种极端形态：两个分组各自都显示 A 方案更好，合并后的总量却显示 B 方案更好（因为分组规模不等）。即使在悖论不出现的普通场景，聚合也会把"有的子群体在涨、有的在跌"的分化抹平为"整体持平"，读者从聚合数字中读出的"稳定"实际上掩盖了正在发生的结构变化。
机制
聚合掩盖差异的机制是加权平均对结构的折叠：聚合值是子群体值的加权平均，权重是子群体的规模。当子群体 A 与 B 的规模比在时间中变化时（A 渠道增长快于 B），即使每个子群体的内部指标不变，聚合值也会漂移——总转化率的上升可能完全来自"转化率高的渠道占比变大"，而每个渠道自身没有任何改善。读者把聚合漂移误读为子群体行为的解读就是生态谬误（ecological fallacy）：从群体层次的关联推断个体层次的关联。聚合的必要性同样真实：决策与汇报需要简洁的总量数字，不可能全部用明细表达。因此问题不是"要不要聚合"而是"聚合之后是否保留了检查分层的入口"——健康的分析实践是聚合为默认视图、分层为一次点击的距离，读者看到异常的聚合值时可以立即下钻确认是普遍现象还是个别子群体驱动。
怎么研究
研究聚合效应的标准方法是分层对照分析：同一数据分别在聚合层级与各子群体层级计算目标统计量，检验方向是否一致、幅度差异多大。辛普森悖论的检测就是这一分析的特例（子群体方向与聚合方向是否相反）。在可视化研究中，可以测量读者在仅看聚合图与看聚合加分层图的条件下对"哪个子群体驱动了变化"判断的准确率差异，量化分层视图对正确归因的增益。方法论的注意点：子群体的划分方式本身是分析选择（延伸至同组的分组效应），分层分析需要尝试多种划分（按渠道、按地区、按用户群）才能避免"恰好选了不显示悖论的分层方式"。
边界
分层展示的成本随子群体数量增长：3 个子群体的分层图可读，30 个则不可读——高维数据的分层检查需要辅助排序（按对聚合的贡献度排序子群体）而非全部呈现。聚合掩盖的另一种形态是时间上的：月度聚合掩盖了月内的日度模式（周末效应），这提示分层检查应该沿多个维度（群体维度与时间维度）进行。子群体过小时其自身统计不稳定（小样本噪声），下钻后看到的子群体差异可能是噪声而非真实结构，分层解读需要配合子群体样本量的检查。
怎么落地
- 聚合图表默认提供分层入口：点击聚合值展开子群体分解，或并列提供小型分层图。
- 在汇报聚合变化时，附一句"该变化主要由 X 子群体驱动/由全体子群体共同贡献"的归因说明。
- 跨期对比时检查子群体规模比是否变化；规模比变化超过阈值时，聚合值的变化必须同时给出"结构效应"与"行为效应"的分解。
- 验证：对最近一次"整体指标变化"做一次分层归因，检查聚合结论与子群体结论的方向；方向相反即是聚合掩盖的实例。