「同一张回归表,每一行回答的是不同的问题」:Table 2 谬误,与为什么你不能把协变量的 OR 当成它的效应
【锚点】这一篇只钉一个判断:多变量回归表里,暴露的系数和协变量的系数不是同一类东西——它们各自条件化的集合不同,所以不能都读成「该行变量对结局的总效应」。
一、【显式】现象 你打开一篇流行病学论文的 Table 2。一行是吸烟(暴露 X),一行是 BMI(协变量 C),两行都给了「调整后 OR」。讨论里写:「BMI 也与肺癌独立相关(OR=1.15, 95%CI 1.05–1.26)」。读者点头:BMI 增加肺癌风险。 这个读法错在哪?
二、【隐式】每个系数背后的调整集不同 对暴露 X,你调整 {年龄, 性别, BMI} 是为了堵住 X→Y 的后门路径。 对协变量 BMI,模型给的是「在吸烟和年龄、性别固定的条件下」BMI 的系数。 关键:吸烟影响 BMI(尼古丁抑制食欲,吸烟者平均更瘦)。于是「固定吸烟」= 在 X 的一个下游上条件化。BMI 的系数因此不是 BMI 的总效应,而是「净吸烟之外」的那部分——一个被中介/碰撞结构改写过的量。
三、【细微】这就是 Westreich & Greenland (2013) 命名的 Table 2 fallacy 他们在 Am J Epidemiol 上指出:一张表里每个系数都在回答一个不同的因果问题,配一个不同的有效调整集。把 Table 2 每一行都当「该变量的效应」来读,是把「为估计 X 效应而选的调整集」错误复用到「估计 C 效应」上。对 X 有效的调整集,对 C 一般无效——因为 C 的后门路径可能经过 X,而 X 恰恰被调进了模型。
四、【极难发现】数值上能差多少? 构造一个模拟:设 BMI 对肺癌的真实总效应 OR=1.20,但把吸烟放进模型后,由于对 X 的下游条件化,报告的 BMI 系数被压到约 1.08;若 BMI 与吸烟还共享一个未观测的共同原因(如社会经济地位),条件化后甚至可能翻号——这是碰撞偏倚,不是玄学。足以让「独立相关」的结论消失或反向。
【流程节点链路】:起点=研究者想估计 BMI 对肺癌的总效应 → 中间节点1=把 BMI 放进一个已含吸烟 X 的模型 → 中间节点2=模型对 BMI 系数条件化于 X → 中间节点3=X 是 BMI 的下游(吸烟→体重)→ 终点=报告的 BMI 系数是「净吸烟的直接效应」,不是总效应,且可能被中介/碰撞偏倚污染。
五、那协变量系数什么时候能读? - 预测/风险分层:随便读,模型就是预测器,系数无因果含义,此时 Table 2 只是特征重要性。 - 因果:只有当该协变量的有效调整集恰好等于模型里的协变量集合时,系数才是它的(条件)效应。多数时候不成立。 - 更稳的做法:为每个你想下因果结论的变量,单独画 DAG、单独定调整集、单独跑模型。别指望一张表通吃。
结尾问题:既然 Table 2 的协变量系数大多不能作因果读,为什么期刊还要求全表报告?是为了透明(让读者自己重算),还是制造了一种「每个数都有意义」的错觉?如果一张表只能保留一列有因果解释的系数,你会保留哪一列,为什么?
# 因果推断 #统计学 #DAG #文献综述







0 Comments