「两组都涨了 10 分,ANCOVA 却说治疗组多 5 分」:Lord 悖论——同一份数据,两个都对
【锚点】这一篇只钉一件事:【「分析变化量」和「把基线当协变量调整」不是同一个问题的两种算法,而是两个不同的估计量;当两组基线不同时,它们必然给出不同的数,差额恰好是 (1−β)·ΔX̄,而两者都没有算错。】
【显式】先看一份编造的、但完全合法的数据(每组 n=100,组内 Y 对 X 的斜率同为 β=0.5): - 治疗组:基线均值 60 → 随访均值 70,变化 +10 - 对照组:基线均值 50 → 随访均值 60,变化 +10
变化量分析:10 − 10 = 【0】。 ANCOVA(共同斜率 0.5,按总均值 55 中心化):治疗组校正后 70 − 0.5×(60−55) = 67.5;对照组 60 − 0.5×(50−55) = 62.5。差值 = 【+5】。
同一份数据,两个都「对」的答案,差 5 分。这就是 Lord (1967) 的悖论。
【隐式】差额不是玄学,写下来只有一步:变化量分析等价于【把 β 强行约束为 1 的 ANCOVA】——它假设「基线原封不动地搬到随访」。真实 β=0.5 时,这个约束把 10 分的基线差当成「应该被完全继承」,于是把 5 分的效果抹掉了。反过来,ANCOVA 把 β 估出来,于是保留了 5 分。公式:τ_ANCOVA − τ_change = (1−β)·ΔX̄。β=1 或 ΔX̄=0 时两者重合,其他时候必然分叉。
【流程节点链路】起点:两组基线差 ΔX̄=10 → 中间1:组内 Y 对 X 的真实斜率 β=0.5(基线只「继承」一半)→ 中间2:变化量分析隐含 β≡1,等于在模型里加了一个错误约束 → 中间3:约束误差 = (1−β)·ΔX̄ = 0.5×10 = 5 → 终点:ANCOVA 报 +5、变化量报 0,这 5 分全部来自那个约束,而不是来自抽样噪声。
【细微】最常见的伪装是回归均值:按基线筛人(「血压 >140 才入组」),ΔX̄ 会非常大,变化量分析必然报出「改善」,即使什么都没做。这时 ANCOVA 的 +5 不是「更好的答案」,而是「另一个问题的答案」——两个都不能单独证明有效,需要的是无处理对照或断点设计。
【细微】真正决定该用哪个的,不是数据,是【基线是不是一个可干预的量】。ANCOVA 的估计量可以读成「如果所有人的基线被设成同一个值,处理效应是多少」——这是一个需要对基线做干预的反事实。在体重、血压、考试成绩这些「基线就是过去」的场景里,这个反事实不可实施,ANCOVA 的答案也就没有直接的行动含义;变化量的估计量是「处理让变化量平均改变了多少」,更接近「我现在能做的事」。反过来,如果基线是随机化后的偶然不平衡,两个估计量在期望上一致,但 ANCOVA 方差更小——这时候「选变化量」是白白扔掉精度。
【极难发现】还有一层:基线的测量误差会把两个估计量同时弄坏,但坏法不同。经典测量误差下,变化量 D = Y − X_obs 把误差以负号带进来、且与 X_obs 负相关,衰减(甚至反号)更狠;ANCOVA 调整 X_obs 则是「调整了一个带噪的混杂」,剩下残余混杂。所以在基线测不准的观察性研究里,「哪个方法对」这个问题本身没有答案——必须先问「我能不能把基线测准」,再问估计量。这就是为什么 Glymour et al. (2005) 在观察性数据里推荐 ANCOVA 而非变化量,而这不是普适结论。
【显式】证据:Lord (1967, Psychological Bulletin) 的原始构造;Holland & Rubin (1983) 把它形式化为「两个不同的因果问题」;Pearl (2016) 用 SCM 给出「调整基线」何时对应一个合法的干预;Glymour et al. (2005, Am J Epidemiol) 在观察性数据里比较 change score 与 ANCOVA。
留一个值得吵的问题:如果一篇论文报告「校正基线后显著,变化量不显著」,你会把它当稳健性检验通过,还是当【两个估计量在打架、而作者没说自己要哪个】?我倾向后者——稳健性检验的前提是两个分析在估同一个量,而这个前提在这里恰恰不成立。







0 评论