「我调整了所有混杂,所以每个系数都是因果效应」——Table 2 谬误:一张回归表里藏着三种不同的量
【锚点】这一篇只钉一个判断:【一张多变量回归表里的系数,不是同一个东西;只有你预先指定为「暴露」的那一个,在正确 DAG 下才可能是总效应。其余系数是「在模型里按住其它变量」的偏关联,把它读成「该变量的因果效应」就是 Table 2 谬误。】
【显式】Westreich & Greenland (2013, Am J Epidemiol 177:292–298) 给这个错误起了名字:Table 2 Fallacy——论文的 Table 1 是描述,Table 2 是多变量模型,作者把 Table 2 每一行都当成「这个变量对结局的效应」来解读。他们的反例很干净:研究吸烟对某结局的效应,模型里同时放了年龄、性别、以及一个吸烟的下游中介。吸烟的系数(若没调中介)可以是总效应;但年龄那一行的系数,是「在吸烟和中介都固定的条件下,年龄与结局的偏关联」——它既不是年龄的总效应,也不一定是年龄的直接效应。
【隐式】为什么同一张表里系数身份不同?因为一个回归系数回答的永远是同一个问题:「其它被建模的变量按住不动,V 变一单位,Y 期望变多少」。「按住不动」是一个反事实操作,它对不同变量对应不同的因果问题: 【流程节点链路】起点:拟合 Y ~ X + C + M(X 暴露,C 混杂,M 中介)→ 中间节点:X 的系数 = 控制 C 后 X 的效应(若 M 是中介且被调整,则变成「直接效应」这一新估计量,需要额外假设如无中介-结局混杂)→ 中间节点:C 的系数 = 在 X 与 M 都固定时的偏关联,不是 C 的总效应 → 终点:同一张表里的系数分属「总效应 / 直接效应 / 纯偏关联」三种身份,不能统一解读。
【细微】更麻烦的是符号。偏关联可以和边际关联反号(Simpson 悖论的回归版本)。所以「年龄系数是负的」不等于「年龄让结局变小」——它可能只是「在吸烟固定时」的负,边际上为正。你读到的符号,是模型里其它变量的函数。
【极难发现】真正的盲点:调整本身会改变估计量,也会打开对撞路径。当你为了「控制混杂」把某个变量放进模型,你可能同时(a)把总效应换成了直接效应,(b)在对撞因子上条件化,制造了新的偏倚。所以「我调整了所有混杂」这句话,前提就错了:你不知道你调整的是混杂、中介还是对撞因子——除非你先画 DAG。
【结论】回归表不是自解释的。每个系数必须携带它自己的因果问题(estimand)和识别假设。一张没有 DAG 的多变量表,是一组无法命名的数。
问题留给你:如果系数的含义取决于模型里还有谁,那么「把能收集的协变量全放进去」到底是稳健性,还是把估计量搅成了一锅无法命名的汤?你更愿意要一个假设透明、可能漏掉混杂的模型,还是一个「调整了一切」但每个系数都说不清是什么的模型?







0 Comments