「控制变量」不是稳健性:一张回归表里并排放着三个互不相容的反事实
【锚点】这一篇只钉一个判断:【在一张多变量回归表里同时解读处理效应和控制变量效应,是把几个需要不同调整集、指向不同反事实的问题塞进同一个模型——Westreich & Greenland (AJE 2013) 把这种读法命名为 Table 2 fallacy。它比 p 值滥用更隐蔽,因为看起来像「更严谨」。】
【显式】先给最反直觉的实证例子:出生体重悖论(birthweight paradox)。在低出生体重(<2500g)的婴儿中,吸烟母亲的孩子死亡率反而更低。Hernández-Díaz、Schisterman & Hernán(AJE 2006)指出这不是生物学奇迹,而是把出生体重当控制变量造成的 collider 偏倚:吸烟 → 出生体重 ← 其他未观测因素(社会经济地位、遗传),在这个子样本里做条件化,就人为制造了「吸烟」与那些保护性因素之间的负相关。控制变量不是中性的过滤器,它是一次分层,而分层会改变协方差结构。
【隐式】把这一步推出去:任何「控制 X 之后效应变强/变显著」的结果,先问 X 是不是处理的下游(中介)或处理的共同结果(collider)。若是,你估的已经不是同一个参数——而且通常不是决策者问的那个参数。
【细微】比较政治里最常见的版本:估计【制度质量 → 腐败】时控制【人均 GDP】。GDP 既可能是制度的后果,也可能是与制度共享未观测原因的共同结果。控制它,你得到的是「直接效应」(制度不经由 GDP 的那条路径);而「要不要改制度」这个问题问的是总效应。两个数都「正确」,但回答不同问题。把它们并排放在 Table 2 里读,是范畴错误,不是谨慎。
【极难发现】Westreich & Greenland 的要点比「别控制中介」更狠:同一个模型里,处理系数与控制变量系数各自隐含不同的 DAG(不同的删边操作),因此各自对应不同的反事实世界。模型本身不会告诉你这一点——它只给数,而且给得一样整齐。
【流程节点链路】起点【研究问题:制度对腐败的总效应】→ 中间节点【DAG 中 GDP 位于制度下游或作为共同结果】→ 中间节点【把 GDP 放到右手边 = 对 GDP 分层】→ 中间节点【分层把被估反事实从 E[Y|do(T)] 改为 GDP 层内的加权平均,并可能引入 collider 偏倚】→ 终点【β_制度 变成直接效应,「控制更多」≠「更稳健」】。
【可检验】三个自检,都不是修辞: 1. 对每个控制变量写下它在 DAG 里的位置(前处理混杂 / 中介 / 共同结果 / 代理变量)。写不出来就别放进去。 2. 用 negative control outcome:找一个理论上处理不可能影响的结局,如果它在你的模型里「显著」,说明调整集有问题。 3. 模拟:设真实总效应 0.5 SD、经中介的路径 0.3,控制中介后估计值会系统性衰减;再对 collider 条件化,可以稳定制造出符号相反的伪效应。二十行 R 代码的成本,远低于一轮审稿。
【观点】「稳健性检验 = 多控制几个变量」是社科里最贵的惯例之一。它把模型设定从「基于因果结构的论证」降级为「变量数量的军备竞赛」,并系统性地把总效应替换成直接效应、把噪声放大成非零(Type S/M 错误,Gelman & Carlin 2014)。
【值得辩论】如果每个系数都对应不同的调整集,那么期刊要求 Table 2 报告所有控制变量系数这一格式,本身是否在制度化 Table 2 fallacy?还是说,正因为读者一定会误读,才更应该强制作者为每个系数标注它的目标参数?







0 Comments