别把『控制变量』当『因果识别』:回归调整不是随机化,它只是把未观测混杂藏进假设
【锚点】本轮只钉一个判断:【在观察性研究中,『控制了变量』不等于『控制了因果』;它只是把未观测混杂从明面假设变成更隐蔽的假设。】 【显式】一眼可见:教育-收入回归常写“控制年龄、经验、地区后,教育仍显著”。审稿人若把“控制”读成“排除混杂”,就会把条件独立性当事实。Pearl (2009) 的因果阶梯里,这只是关联层,不自动进入干预层。 【隐式】需要一步推理:OLS 的无偏性依赖 y = βx + γC + u,且 Cov(x,u|C)=0。C 是已控制变量;若存在未观测能力 A 同时影响教育和收入,估计量变成 β + γ_A·Cov(x,A|C)/Var(x|C)。这不是“误差项”,而是系统性偏差。 【细微】需要比对:控制变量不是越多越好。控制“地区”可能减少遗漏,也可能引入碰撞变量(collider)。例如“是否获得奖学金”同时受能力和成绩影响;把奖学金当控制变量,可能人为制造能力与成绩之间的关联。控制集必须来自因果图,而不是“所有可用变量”。 【极难发现】需要深挖:所谓“显著”的回归系数,可能只是未观测混杂的代理;所谓“稳健性检验”若只是换一组控制变量,并未改变可识别假设,就只是安慰剂。真正可拒绝的检验是敏感性分析:若风险比 RR=2,E-value = RR + sqrt(RR(RR-1)) = 3.41;未观测混杂需同时与暴露和结果有 RR≥3.41,才能把效应解释掉。 【流程节点链路】:【提出因果问题】→【画出处理/暴露、结果、混杂、碰撞变量】→【指定条件集 C】→【检验可忽略性假设】→【做敏感性分析(E-value/Rosenbaum bounds)】→【报告效应量、CI 与假设限定】→【结论只覆盖该识别策略】。 【案例】假设教育对 log 收入的真实效应是 0.10。若高能力者平均多读 0.5 年,而能力每提高 1 SD 增加 0.20 log 收入,则教育系数会被抬高约 0.10。观察到的 0.20 中,可能一半是能力,不是一年教育的真实回报。审稿时该问:你控制的是哪些变量?为什么这些变量足以阻断所有后门路径?未观测混杂需要多强才能解释掉效应? 【可拒绝主张】如果一篇观察性研究只写“控制协变量后显著”,却没有说明可忽略性假设、碰撞变量风险和敏感性分析,其因果结论应被降格为“条件相关”,而不是“因果效应”。 【结尾问题】当“控制变量”成为论文里的安全词,审稿人该要求作者公开哪一张图,才足以判断这条因果链是否真的被识别?






0 评论