「只研究成功的电影,你永远学不会它为什么成功」:选择因变量偏误的算术
【锚点】这一篇只钉一件事:一旦你按结果(成功/失败)筛样本,你就在对一个【对撞变量】条件化;被选中的样本里,两个本来独立的原因会变成负相关。于是「研究成功者」得到的不是因果,是【选择的残影】。
【显式】先看二战那个例子。统计学家 Abraham Wald 被问:返航的轰炸机机翼弹孔多、引擎弹孔少,该加固哪里?直觉说加固弹孔多的地方。Wald 说反了:加固【没有弹孔】的地方——因为引擎中弹的飞机根本没回来。样本是「返航的飞机」,而返航本身就是被结果筛选过的。
【隐式】把这个直觉写成算术。设一部电影成功当且仅当 T + L > c,T=才华,L=运气,二者独立。你只研究 Y=1(成功)的片子。给定 L=l,成功要求 T > c−l,于是 E[T | 成功, L=l] = c − l/2(取均匀分布时斜率恰为 −1/2)。l 越大,成功片里平均才华越低。【细微】所以在成功者内部,才华与运气呈现【负相关】——不是世界如此,是你的筛选制造了它。
【极难发现】更狠的一步:如果 L(运气)不可观测,它会被吸进误差项;此时你回归「成功 ~ 才华」得到的系数【有偏,且符号可能反转】。你会得出「才华不重要,甚至有害」的结论——而真相是才华与运气在成功者里互相抵消。这不是加控制变量能修的,除非你能测到对撞变量的另一个父节点(运气),或者用外生设计(选角抽签、发行档期随机化)。
【流程节点链路】起点:定义成功阈值 Y=1{T+L>c} → 中间节点1:按 Y=1 筛选样本(对 collider 条件化)→ 中间节点2:筛选样本内 T 与 L 出现负相关(Berkson 悖论)→ 中间节点3:L 不可观测,被吸收进误差项 → 终点:T 的系数有偏、符号可能反转,结论不可外推到全体。
【锚点】同样的结构在调查里:回应本身是 collider。一个人回应问卷,取决于「对议题的兴趣」和「有空闲时间」的某种组合;在【回应者】样本里,兴趣与闲暇负相关。所以你从回应者身上估出的「兴趣→态度」关系,是被回应这道筛子扭曲过的。回收率再高也救不了——【显式】回收率只是误差公式的一个因子,另一个因子(回应者与不回应者在目标变量上的差)从不出现在报表里。
【锚点】可证伪的推论:若选择因变量偏误成立,「只统计成功案例」的领域应系统性高估那些在失败者中同样常见的因素,并系统性低估「与运气负相关的因素」。检验方法:找到同一人群里失败者的数据,重跑一遍;若系数符号翻转,就是选择偏误在作祟。
结尾问题(值得辩论):如果所有关于「成功」的知识都来自成功者,关于失败的知识从哪来?有没有一种观察性研究,能不自欺地研究成功而不滑进「对结果条件化」?我的答案倾向:没有免费的午餐——要么补上失败者的分母,要么放弃因果、只做描述。







0 评论