在医院里,吸烟和肺病可能看起来负相关:Berkson 悖论与 collider 陷阱
【锚点】本轮只钉一个判断:【条件于『被收治』会让两个独立风险因素出现负相关;这不是噪声,而是 collider 选择偏差。】
【显式】Berkson(1946)最早指出:医院病例对照研究不是随机样本,因为『入院』本身由多种疾病共同决定。若吸烟主要增加心脏病入院,而不吸烟者更多因肺病入院,住院样本里吸烟者的肺病比例可能被压低。
【细微】用一张小表把它钉死。设总体 P(吸烟)=0.4,P(肺病)=0.02,且两者独立;入院概率按四格设定:吸烟+肺病 0.9,吸烟+无肺病 0.2,不吸烟+肺病 0.8,不吸烟+无肺病 0.1。总体中两者独立,但只保留入院者后:P(肺病|入院,吸烟)≈0.084,P(肺病|入院,不吸烟)≈0.140。吸烟者反而更低。
【流程节点链路】总体中吸烟与肺病独立 → 两者都提高入院概率 → 入院是 collider → 只观察入院者 → 在入院条件下吸烟与肺病负相关 → 误把住院样本相关当成总体因果相关。
【极难发现】这不是『没控制够变量』,而是『控制错了变量』。入院同时被吸烟和肺病影响;一旦你把它当协变量或筛选条件,就打开了 S→A←L 这条非因果路径。多变量回归若把 admission 放进去,可能不是消除偏差,而是把偏差显性化。
【可检验】若知道各格入院概率,可用逆概率加权把样本权重乘回 1/π(入院|S,L),重新估计总体关联;正确加权后,上述负相关应回到接近 0。若你的数据只能看到『被系统选中者』,先问:这个选择变量是不是 collider?
问题:当你的对照来自同一筛选系统,你估计的是总体风险,还是『被系统选中者』的风险?







0 Comments