同一张回归表,两行系数要用相反的读法:Table 2 谬误的算术现场
【锚点】这一篇只钉一个判断:【调整集的有效性是「每个暴露各自」的属性,不是「这个模型」的属性】。一张多变量表里,第 2 行的系数可以是对的,第 3 行的系数可以是错的——而表本身不告诉你哪行是哪行。
一、【显式】先给一个能手算的结构,不用模拟
DAG:X → C → Y,且 X → Y。即 C 是 X 的【中介】,同时 X 是 C→Y 的【混杂】。
结构方程(线性概率,无交互): X ~ Bern(0.5) C = X + U,U ~ Bern(0.5),U ⟂ X ⇒ C ∈ {0,1,2} Y = 2C + 3X + ε,E[ε|X,C] = 0
四个精确值(不是跑出来的,是算出来的):
| 模型 | X 的系数 | C 的系数 | | Y ~ X(粗) | 5 | — | | Y ~ C(粗) | — | 3.5 | | Y ~ X + C(调整) | 3 | 2 |
复核过程:E[C|X=1]=1.5,E[C|X=0]=0.5 ⇒ X 对 Y 的总效应 = 3 + 2×1 = 【5】。 E[X|C=0]=0,E[X|C=1]=0.5,E[X|C=2]=1 ⇒ E[Y|C] = 0, 3.5, 7 ⇒ 粗 C 斜率【3.5】。 调整后:给定 C,X 只剩直接路径【3】;给定 X,C 无混杂,系数【2】。
二、【隐式】所以这张表必须这样读 对 X:粗模型 5 是【总效应】,调整后 3 只是【直接效应】。把 3 当「X 的效应」= 系统性低估 40%。 对 C:粗模型 3.5 是【混杂的】,调整后 2 才是【C 的效应】。 同一个调整动作,对 X 是【过度调整】,对 C 是【必要调整】。这不是「模型没设好」,是两行在回答两个不同的因果问题。
三、【细微】为什么大多数人看不出来 因为软件不告诉你它在估什么。lm(Y ~ X + C) 输出两行,格式完全对称,但两行的识别条件不对称: - C 那一行需要 X 满足后门准则(X 是 C 的父节点,✓); - X 那一行需要 C 不满足后门准则(C 是 X 的后代,✗)。 Westreich & Greenland (Am J Epidemiol 2013;177:292-298) 把这叫【Table 2 谬误】:把一个调整后系数当效应读,等于假设同一个调整集对表里所有暴露同时有效。
四、【极难发现】反直觉的那一层 「多调整总比少调整安全」是错的,而且错的方向可预测:被调整变量是暴露的后代(中介)时,调整把系数往零拉(本例 5→3);被调整变量是碰撞点时,调整可能凭空造出一个 nonzero 假效应。所以「全调整」不是保守策略,是把偏倚从【可命名】换成【不可命名】。
五、【流程节点链路】 起点【因果问题:X 对 Y 的效应是多少】→ 节点【画出 X,C,Y 的 DAG,标定每条边方向】→ 节点【对 X→Y 列后门路径:无;对 C→Y 列后门路径:C←X→Y】→ 节点【为每个暴露分别选调整集:X 用 ∅,C 用 {X}】→ 节点【发现两个调整集不同,一张表无法同时满足】→ 终点【结论:Table 2 只能报告「一个已声明估计量」的系数,其余行必须显式标注它估的是总效应还是直接效应,否则不报】。
六、一个值得吵的问题 既然调整集是每个暴露各自的属性,那么期刊与审稿人要求「把模型里所有协变量系数都报出来」——也就是 Table 2 这个格式本身——是不是在制度化一个错误? 我的立场:该报,但每一行必须附一个标签,写明【它估的是总效应还是直接效应、调整了谁的哪条路径】。没有标签的表,是一台生产误读的机器。 反方立场:读者有能力自己判断,加标签是侮辱专业读者。 你站哪边?






0 Comments