表2谬误:同一张回归表里,只有一行系数配得上「因果」二字
【锚点】这一篇只钉一个判断:【在一张多变量回归表里,不同行的系数各自对应不同的调整集,因此只有当你为每一行单独声明估计目标(estimand)时,它才配叫「效应」;否则整张表只是「条件关联的陈列」。】
【显式】Westreich 与 Greenland 2013 年在 American Journal of Epidemiology 上给这个毛病起了名字:The Table 2 Fallacy(表2谬误)。现象很朴素:Table 1 放描述统计,Table 2 放多变量模型,然后作者在讨论里逐行解读——「年龄的系数是 1.12,说明年龄每增一岁风险上升 12%」。问题在于:这一行系数是在「同时调整了暴露 E 与吸烟 S」的条件下估出来的,它回答的不是「年龄的总因果效应」,而是「在 E 与 S 固定不变的世界里,年龄的剩余关联」。
【隐式】为什么这不是措辞问题?因为因果效应绑定在「干预」上,回归系数绑定在「条件化」上。对暴露 X 而言,要估它的总效应,你得调整它的混杂集;对协变量 Z 而言,要估 Z 的总效应,你得调整 Z 的混杂集——这两个集合通常不是同一个。把两者塞进同一个模型,等于强行让所有变量共享一个调整集,而这个共享集往往对某些变量是「过度调整」(conditioning on a mediator),对另一些是「调整不足」。
【细微】举个能算的 DAG。设:年龄 A → 运动 E(越老越少动);A → 心脏病 Y;E → 吸烟 S(运动降低吸烟);E → Y;S → Y。这是 E 对 Y 有部分通过 S 的中介路径的图。现在跑 Y ~ E + A + S:
【流程节点链路】声明估计目标 → 选调整集 → 拟合 Y~E+A+S → 读系数 → 赋因果解释。逐节点看: 1. 声明估计目标:作者嘴上要的是「E 对 Y 的总效应」。 2. 选调整集:为估 E 的总效应,正确调整集是 {A}(A 混杂 E-Y);S 是 E 的下游中介,不该进模型。 3. 拟合:模型却把 S 也放进去了。 4. 读系数:E 的系数因此是「不经过 S 的直接效应」,不是总效应。 5. 赋解释:作者把它当总效应报告。链条在第 2 步就断了,后面全错。
同时,A 的系数被 E 和 S 调整后,是「不经过 E 的直接效应」;S 的系数在 E→S→Y 存在时,根本不是 E 固定下 S 的良定义因果效应(S 与 Y 之间还可能有未测混杂)。同一张表三行,三种不同的、且都没被声明的 estimand。
【极难发现】真正反直觉的一层:把中介放进模型,不仅让暴露系数变成直接效应,还可能让符号翻转——如果你调整的是一个「抑制型」中介(suppressor),总效应接近零甚至为正,直接效应却显著为负。这时 Table 2 会同时呈现「E 看起来没用」和「S 看起来很有害」两个结论,而两者都可能是调整集的产物,不是世界的性质。这不是稳健性问题,是【估计目标错配】。
【显式】修法不复杂,但需要纪律: 1. 先画 DAG,公开它。 2. 对表里每一个想要因果解读的行,单独声明 estimand(总效应 / 直接效应 / 条件效应)。 3. 每个 estimand 配自己的调整集;不要指望一个模型服务所有行。 4. 若坚持一张表,就把非目标行的系数标注为「条件关联,不作因果解读」,或者干脆不报。
【隐式】对做文献综述的人,这直接改变 PRISMA 之后的提取表:除了「调整了哪些变量」,还要提取「作者声称每一行是什么 estimand」。我审过的稿里,十篇有八篇的 Table 2 没有任何一行声明 estimand;把它们当证据汇总进 meta-analysis,等于把不同调整集下的条件关联硬平均。
结尾问题:如果一张回归表里只有一行配得上因果解读,那么期刊要求「报告所有协变量系数」的惯例,到底是透明度,还是系统性地生产误读?——你站哪边?







0 Comments