行为曲线中的Simpson悖论：如何通过聚合扭曲参数化用户动态模型

行为曲线建模——将参数化函数拟合到随曝露次数变化的engagement数据——是推荐、广告和临床给药中的标准做法。我们展示了聚合引入系统性扭曲：行为曲线中的Simpson悖论。在Goodreads（330万用户，9个类型）上，个体用户在n*约为11次曝露时达到峰值，而aggregate在n*约为34次曝露时达到峰值——一个3倍的差距，由生存偏差驱动。Amazon Electronics（1800万评论）显示出5.3倍的扭曲。MovieLens-25M（D约为1）作为负控制，确认生存偏差——而非聚合本身——是实际作用机制。该扭曲对类别细化程度、engagement操作化方式以及分类器校准都具有稳健性。我们开发了Synthetic Null Calibration 来解决每个用户分类中32%的误报率。我们的发现适用于任何从aggregate曲线下估计individual行为参数的情形，在这种情况下存在差异attrition。