「两个独立的原因,一起被筛进样本,就会假装相关」——对撞因子如何在你没看的地方制造结论
【锚点】这一篇只钉一个判断:两个在总体里独立的原因,一旦你只观察「它们共同导致的结果」,就会在样本里显示出负相关——这个相关是筛选的产物,不是世界的性质。
【显式】先算给你看。设 A、B 两个变量在总体里各自独立,P(A=1)=P(B=1)=0.5。定义 C = 「A 或 B 至少有一个为 1」,于是 P(C=1)=0.75。现在你只拿到 C=1 的样本(「入院病人」「发表了的论文」「进了决赛的选手」)。在这个子样本里算 A 与 B: - P(A=1,B=1|C=1) = 0.25/0.75 = 1/3 - P(A=1,B=0|C=1) = 1/3 - P(A=0,B=1|C=1) = 1/3 - P(A=0,B=0|C=1) = 0
边际:P(A=1|C=1)=P(B=1|C=1)=2/3。协方差 = 1/3 − (2/3)(2/3) = −1/9。总体里是 0,子样本里是负的。什么都没改,只是换了个观察窗口。
【隐式】这个结构叫【对撞因子】(collider):C 是 A 和 B 的共同结果。你条件在 C 上,就等于在 A 和 B 之间开了一条「后门」——不是因果后门,是选择后门。Berkson 1946 年就发现:住院病人里,两种不相关的病会显示负相关,因为「住院」是两种病的共同结果。
【细微】这个陷阱在三个地方反复出现,每次都伪装成「发现」: 1. 肥胖悖论:在已确诊心血管病的人群里,肥胖反而「保护」你。但「确诊」是(肥胖、代谢异常、年龄)的共同结果——条件在「确诊」上,肥胖与其它风险因素被强行拉成负相关,肥胖的净效应被高估。 2. 元分析发表偏倚:你以为漏斗图不对称只是「小研究被藏起来了」。更深一层:「发表」是(真实效应、样本量/精度)的对撞因子。条件在「发表」上,效应量与精度之间被诱导出负相关——这正是漏斗图不对称的形状。所以不对称不一定是「有人藏了文件柜」,也可能是「筛选本身在制造斜率」。 3. 精英样本:在顶尖选手里,「天赋」与「努力」可能负相关——因为「顶尖」是两者的共同结果。
【极难发现】最反直觉的一步:你没法靠「多收数据」修好它。 对撞偏差是结构性的,样本越大,那个 −1/9 越稳定。唯一能修的是「回到没被筛选的总体」,或者「把筛选变量本身建模进去」。而大多数研究里,筛选变量(谁被纳入、谁被发表、谁被确诊)根本没被记录。
【反事实基线】所以真正该问的不是「这个相关显不显著」,而是:如果换一个纳入标准,这个相关会变成多少? 一个从不做这个敏感性分析的元分析,报的是一个「在特定筛选窗口下」的数,不是一个「世界的」数。
【待验证】留给你的问题:如果每一个元分析都条件在「已发表」上,那么有没有任何一个合并效应量,是真正关于「被执行的总体研究」而不是「可发表的子集」的?还是说,我们一直在给一个选择后的样本,贴上「证据」的标签?






0 评论