用辛普森悖论

来源：市场资讯

（来源：Peter东 混沌巡洋舰）

先讲一个真实的故事。

1973年，加州大学伯克利分校被告了。有人发现，全校研究生录取中，男生录取率44%，女生只有35%。差了将近十个百分点。这还了得？性别歧视，铁证如山。

一时间舆论哗然，学校百口莫辩。

直到统计学家站出来说：且慢，把数据拆开看看。

结果令所有人大跌眼镜——绝大多数院系，女生的录取率反而比男生高。

你没看错。合并起来"歧视女生"，拆开来看"歧视男生"。同一组数据，两个完全相反的结论。

这就是大名鼎鼎的辛普森悖论。它不是数据造假，不是计算错误，而是一个让人后背发凉的统计学事实：分组看是一个故事，合在一起看，可能变成另一个完全不同的故事。

为什么今天要翻这个五十多年前的老账？因为最近一篇发表在《Science》上的中国研究，恰好踩进了同一条河流。

这篇论文说了什么？

先简单交代背景。

张慧明团队在《Science》上发表了一篇论文，标题直译过来就是"中国太阳能扩张政策减少了鸟类多样性"。研究用了2014到2023年、全国2344个县的数据，构建了一个"光伏政策严格度指数"（PSI），然后跑回归分析。

核心发现是：政策严格度每提高一个标准差，当地鸟类多样性平均下降2.10%。

机制是什么呢？作者说，光伏板占了地，破坏了原有植被；板子下面的草虽然长多了——叶面积指数上升——但种类单一，趋于同质化，属于"劣质绿化"（inferior greening）。看着绿了，其实不健康。

图2：空间异质性示意。沙漠地区影响不显著，非沙漠地区负面影响明显——"全国平均"掩盖了这一关键差异。（概念图，基于论文Fig.1-2核心发现）

文章一出，媒体兴奋了。"光伏破坏生态！""绿色能源的绿色代价！"标题一个比一个刺激。

但我仔细读完这篇论文，发现一个被几乎所有评论者忽略的关键问题：这个"全国平均下降2.10%"，可能是一个辛普森悖论式的统计幻觉。

陷阱一：把沙漠和江南"搅成一锅粥"

论文自己承认了一个重要事实：光伏对鸟类的影响，空间异质性极强。在"三北"地区的沙漠、戈壁，影响不显著；在非沙漠地区，负面影响才明显。

各位，这恰恰是辛普森悖论最经典的发生条件——不同子群体的效应方向或强度差异巨大。

打个比方。假设你统计全校同学的期末成绩，发现"体育锻炼时间越长的学生，成绩越差"。你慌了，要不要禁止孩子锻炼？

别急。拆开看看：体育生训练多、成绩本来就偏低；普通生训练少、成绩偏高。两个群体各自内部，锻炼和成绩可能根本没有关系，甚至可能是正相关——爱锻炼的体育生里，练得越多的反而成绩更好。合在一起算出来的"负相关"，是被两个截然不同的群体"拉扯"出来的假象。

回到光伏研究。沙漠地区光伏建得多，鸟类多样性本来就不高——物种本来就少；非沙漠地区光伏建得少，鸟类多样性本来就高。把这两类地区混在一起回归，得出的"全国平均效应"，很可能描述的是一个统计上的平均数，而不是任何一个地方的真实因果。

论文自己也说了，沙漠地区影响不显著。那请问，这个"全国平均"到底在描述什么？如果一半国土上的效应接近于零，另一半的效应被平均成了那个2.10%，这个数字对具体某个县的指导意义，恐怕要打个大大的问号。

更值得警惕的是：如果按植被类型、海拔、经济水平等维度进一步细分数据，某些子群体中光伏政策与鸟类多样性完全可能是正相关的——只是在2344个县的大杂烩里，这种信号被彻底淹没了。

陷阱二：十年"一勺烩"，掩盖了什么？

研究用的是2014—2023年的面板数据。这十年间，中国的光伏政策可不是铁板一块。

2014年前后，光伏行业还在"跑马圈地"，哪里便宜哪里建，生态评估基本靠走形式。到了2019年以后，"沙戈荒"大基地战略出台，生态红线越划越严，很多项目开始做鸟类影响评估，有的还专门留了迁徙通道。

换句话说，早期政策粗放，后期政策精细。早期生态代价大，后期可能小得多。

如果这种时间趋势确实存在，那么把十年数据"一勺烩"算出来的平均效应，就是一个掩盖了动态变化的数字。它告诉你"十年平均下降2.10%"，但不告诉你：前五年可能下降了5%，后五年可能只下降了0.5%，甚至开始回升。

这就像你问一个人"这十年过得好不好"，他说"平均还行"。但你不知道，他可能前五年难熬得要命，后五年过得挺舒坦。"平均还行"这四个字，把真实的起承转合全部抹平了。

对于政策制定者来说，真正重要的不是"十年平均效应"，而是当下的效应。如果近两年的数据已经显示负面影响在收窄，那基于"十年平均"做出的严厉政策调整，可能就是在用昨天的药方治今天的病。

陷阱三：谁在"暗中操控"？

研究的核心解释变量是"光伏政策严格度指数"（PSI）。但一个地方的PSI高低，不是从天上掉下来的。

想想看：什么样的地方PSI会高？往往是经济较发达、城镇化较快、能源需求较大的地方。而这些地方，恰好也是生态压力最大、鸟类栖息地丧失最严重的地方。

这就引出了一个经典的"混淆变量"问题。

举个生活化的例子。有研究发现，"家里藏书越多的孩子，成绩越好"。结论是多买书就能提高成绩？未必。因为家里藏书多，往往意味着父母受教育程度高、家庭收入好、教育氛围浓。真正影响成绩的，可能是这些家庭背景因素，而不是书架上那几本书。你把"家庭收入"这个变量控制住，"藏书量"的效应可能就消失了。

光伏政策面临同样的困境。PSI高的地方，可能同时经历着快速城镇化、工业扩张、交通基础设施建设、农业集约化。鸟类多样性下降的"功劳"，有多少该归光伏，有多少该归城镇化，有多少该归其他人类活动？如果这些"隐变量"没有被充分控制，那2.10%的数字里，可能有一大半是别的因素"冒名顶替"的。

论文虽然做了一些稳健性检验，但面对如此复杂的系统性问题——光伏政策、生态变化、经济发展三者深度纠缠——任何回归模型都很难干净地分离出"光伏政策的独立贡献"。这不是研究者的错，而是这类宏观问题的天然困难。

陷阱四：公民科学数据，靠谱吗？

还有一个很少被提及但极其关键的问题：研究的鸟类数据，来自公民科学平台——也就是普通观鸟爱好者上传的观测记录。

公民科学数据有个天生的毛病：观测不均匀。

想想看，什么人会去观鸟、会上传记录？通常是城市居民、有一定教育背景、周末有空、愿意开车去郊外的人。这意味着，交通便利、经济发达的地区，观测记录会远多于偏远地区。同一个县，县城周边的鸟可能被记录了上千次，而深山老林里的鸟可能一次都没被记录到。

更麻烦的是"可探测性"问题。体型大、颜色鲜艳、叫声响亮的鸟，容易被发现和记录；而那些体型小、善于隐藏、沉默寡言的鸟，即使数量没变，在数据里也可能"消失"了。

如果光伏政策严格的县恰好是经济发达、观鸟爱好者多的县，那么数据中鸟类"多样性下降"的趋势，有多少是真实的生态退化，又有多少只是观测偏差在作祟？

这不是吹毛求疵。在生态学领域，公民科学数据的质量问题已经是老生常谈。用这类数据做宏观因果推断，必须做非常细致的偏差校正。而这篇论文在这方面的处理，坦白说，还不够充分。

陷阱五：2.10%到底意味着什么？

论文发现，政策强度每增一个标准差，鸟类多样性下降2.10%。统计上显著，p值小于0.05，甚至可能小于0.01。

但统计显著和实际重要是两码事。

打个比方。一项研究发现，某种减肥药能让体重平均下降0.3公斤，p值小于0.01。统计上确实显著——因为样本量足够大。但你作为消费者会问：0.3公斤，我少喝杯水不就回来了吗？这药到底有没有用？

2.10%的鸟类多样性下降，在生态学上意味着什么？论文作者自己也承认，这个影响是"适度的"（moderate）。那么问题来了：一个"适度"的效应，是否足以支撑"光伏政策需要重大调整"这样严厉的政策建议？

更何况，如果这个2.10%本身还可能被辛普森悖论、混淆变量、观测偏差等因素进一步稀释，那它的实际意义就更值得商榷了。

陷阱六："劣质绿化"——一个过于简洁的标签

论文提出了一个很有传播力的概念："劣质绿化"（inferior greening）——光伏板下植被叶面积指数上升，但物种趋于同质化。

这个概念很抓人，但论证略显单薄。

首先，"劣质"这个词本身就带有价值判断。叶面积增加、植被覆盖度提高，在某些生态语境下恰恰是积极信号——比如水土保持、碳固定。为什么在这里就"劣质"了？因为鸟类多样性下降了。但鸟类多样性下降的原因可能很多，直接归因于"植被同质化"，逻辑链条跳得太快了。

其次，生态系统的演替是长期的过程。光伏电站运行二十年、三十年，板下植被会不会从"同质化"逐步演替为更复杂的群落？目前的研究时间窗口只有十年，下这个结论为时过早。

最后，"劣质绿化"这个标签太容易传播了。媒体一看，"劣质绿化！光伏的伪善！"——一个复杂的生态过程，被简化成了一个吸引眼球的口号。科学家在造概念的时候，恐怕没预料到它会被这样使用。

不是替光伏说话，是替科学较真

说到这里，我必须强调一点：批评方法论，不等于否定问题本身。

光伏建设对生态有影响，这是常识，也是事实。大型基础设施改变土地利用方式，进而影响生物多样性，这在逻辑上完全成立。这项研究的价值在于，它第一次用大样本数据系统性地提出了这个问题，让公众和决策者开始正视能源转型中的生态代价。这个贡献不应被抹杀。

但科学进步靠的不是"第一个说出来的就是对的"，而是不断有人追问：这个结论经得起更精细的检验吗？

辛普森悖论告诉我们，统计显著不等于因果可靠。一个在聚合数据上漂亮的数字，拆开了看可能面目全非。这不是说数据会骗人，而是说，如果分析尺度选得不对，数据确实会讲一个误导性的故事。

图3："劣质绿化"概念示意。光伏板下植被"量增质降"——叶面积指数上升，但物种多样性下降。（概念图，基于论文Fig.3-4核心发现）

我们该怎么读这类科学新闻？

最后说几句掏心窝子的话。

每次有研究登上《Science》《Nature》，媒体就会铺天盖地报道，标题往往斩钉截铁："XX导致XX！"但真实的科学研究，尤其是涉及复杂系统的研究，结论往往是条件性的、尺度依赖的。一篇论文只是拼图的一块，不是整幅画。

作为读者，我们可以多问几个问题：

这个结论是在什么尺度上成立的？ 全国平均，还是分区域？如果只在某些区域成立，"全国平均"这个数字还有多少参考价值？

数据的时间跨度里，趋势有没有变化？ 如果早期和后期结论不同，"十年平均"是不是在讲一个失真的故事？

有没有其他可能的解释？ 作者说A导致B，但有没有可能C同时导致了A和B？

数据本身靠谱吗？ 公民科学观测记录有没有系统性偏差？样本量够不够大？

效应量大不大？ 统计显著不等于实际重要。2.10%的下降，在真实世界里到底意味着什么？

这不是要求每个人都成为统计学家。而是一种基本的科学素养：对"简单结论"保持警觉，对"复杂现实"保持敬畏。

能源转型不容易，生态保护的账也不是一两篇论文就能算清的。但有一点是确定的：越是重大的政策讨论，越需要经得起拆解的科学证据。

辛普森悖论已经提醒我们几十年了——合起来看的故事，未必经得起拆开来看。

这不是坏事。这恰恰是科学自我纠错的方式。

参考文献：Zhang H, et al. China's solar expansion policy reduces bird diversity. Science, 2025. DOI: 10.1126/science.aee0747