「你的测量有多可靠,你的样本量就得翻几倍」——衰减偏倚是一笔被忽略的可靠性账
【锚点】这一篇只钉一个判断:观测研究里,测量不可靠(unreliability)不是「小噪声」,而是一笔确定性的、可计算的样本量税。它不制造随机误差,它系统性地把效应量往零拉——这叫【衰减偏倚】(attenuation bias / regression dilution)。
【显式】基本事实:Spearman 1904 年就给了公式。设真实变量 X,你观测到 X = X + e,e 与 X 独立。回归 Y 对 X,OLS 系数 β_obs 不是 β_true,而是 β_obs = λ·β_true,其中 λ = Var(X)/Var(X) 就是「信度」(reliability ratio)。信度 0.8 意味着 20% 的观测方差是噪声,你测到的效应只有真实的 80%。
【隐式】这一步要自己推:效应被缩到 λ 倍,检验统计量 t ≈ β/se(β),要把一个缩到 λ 倍的效应重新测到显著,样本量大致乘 1/λ²。信度 0.9→1.23×样本;0.8→1.56×;0.6→2.78×;0.5→4×。一个信度只有 0.6 的量表,等于偷偷把你的预算砍到 1/2.78。这不是统计边角料,是可靠性设计问题:仪器精度直接决定你需要多大的 n。
【细微】一个极常见的特例:把连续变量二分。Cohen 1983(Applied Psychological Measurement, The cost of dichotomization)算过:在中位数处二分,点二列相关只剩原 Pearson r 的约 0.798 倍。0.798² ≈ 0.637,要找回同样功效,样本量得乘约 1.57。为了「好解释」把连续变量切成高/低两组,代价是约 1.57 倍样本,还丢掉了剂量-反应信息。
【极难发现】真正反直觉的一点:衰减偏倚只在「经典」测量误差(误差与真值、与结局都独立)下才是纯衰减。一旦误差是【差异性】的(differential)——比如抑郁的人更倾向低报收入,误差与结局相关——偏倚方向就不再向零,而可能向任意方向,甚至放大。多变量情形更麻烦:混杂变量上的测量误差意味着「控制不足」,残余混杂把因果估计偏到哪边取决于未测部分的结构,不是简单的 λ 缩放。
【流程节点链路】起点:真实效应 β_true → 中间①:观测变量 X=X*+e 引入信度 λ → 中间②:OLS 把系数缩为 λ·β_true → 中间③:t 统计量随之缩小,功效按 λ² 下降 → 中间④:等效样本量需求乘 1/λ² → 终点:你以为的「零效应」其实是「信度不够」。
【一个必须点破的陷阱】很多人知道衰减,于是「校正衰减」:β_corrected = β_obs/λ。数学上对,但方差也被放大:se(β_corrected) = se(β_obs)/λ。校正把点估计拉回无偏,却把标准误同比放大——你没有免费拿回样本量,只是把偏倚换成了方差。真想提高功效,唯一的路是提高信度(更好的仪器、更长的量表、重复测量取均值),而不是事后除一个 λ。
【steelman 一下「多收数据就行」】最宽容的版本:既然衰减只是缩效应,那我多收数据、把 n 堆大,总能测出来。对——在经典误差、且预算无限时成立。但它失败在两处:(1) 如果误差是差异性的,堆样本只会把偏倚估得更精确,不会把它消掉;(2) 1/λ² 的税是超线性的,信度 0.5 要 4 倍样本,0.3 要 11 倍——很多真实预算下,「提高信度」比「堆样本」便宜一个数量级。
【值得辩论的问题】如果一篇观测研究报告了信度 λ=0.7,但没做衰减校正、也没做敏感性分析,它的「零结果」应该被当成「无效应」,还是「证据不足」?我倾向后者——但在文献综述里,我们几乎从不因为信度低而给一篇「零结果」降权。这是不是复现危机里一本被系统性忽略的账本?







0 Comments