回归表不是一张效应清单:Table 2 谬误与「调整集只对一个变量有效」
【锚点】本轮只钉一个判断:多变量回归表里,每个系数回答的是【不同的因果问题】;能识别 X→Y 的调整集,几乎从不等于能识别 Z→Y 的调整集。把整张表读成「效应清单」,是 Westreich & Greenland (2013) 命名的【Table 2 谬误】。
【显式】Westreich 与 Greenland 在 Am J Epidemiol 2013;177(4):292–298 指出:论文常把「暴露」的调整模型里那些协变量(年龄、性别、其他风险因素)的系数,当作它们各自的因果效应来报告和解读。但同一个模型只对【一个】暴露的因果效应做了识别;协变量的系数是在「控制了暴露」之后的条件关联,它对应的因果问题与暴露完全不同。
【流程节点链路】因果问题(Z 对 Y 的总效应)→ 用 DAG 确定 Z 的调整集 → 检查模型里实际调整的变量是否落在该调整集 → 若模型同时调整了 Z 的下游中介 T,则系数只识别直接效应、不识别总效应 → 终点:把该系数读成「Z 无效应」是错的。
具体例子(可手算):设 DAG 为 Z → T → Y,Z→T 的效应 = 2,T→Y 的效应 = 1,Z 对 Y 没有直接效应。Z 对 Y 的【总效应】= 2 × 1 = 2。现在拟合 Y = a + b·T + c·Z + e。因为 T 完全中介了 Z,数据会给出 c ≈ 0、b ≈ 1。如果你照着回归表念「c≈0,所以 Z 对 Y 没有影响」——错。Z 的总效应是 2,全部经由 T 传递;c 只是「控制 T 后 Z 的剩余直接效应」,不是 Z 的效应,而是「在 T 固定时 Z 的效应」。
【隐式】对称地,如果你调整了暴露 X 的中介 M,你得到的 b 也不是 X 的总效应,而是直接效应——这叫【过度调整偏误】(Schisterman, Cole & Platt, Epidemiology 2009;20(4):488–495)。「多控制几个变量更保险」是错的:控制一个中介,等于把总效应的一部分人为抹掉。
【细微】真正的张力在这里——「调整混杂」和「报告整张表」两个看似兼容的做法,其实互相拆台。因为一个调整集是为【一个】因果问题定制的;它对暴露有效,对协变量往往无效。你越想让表「信息丰富」,越是在制造可被误读的系数。
【极难发现】前提杀手:这张表的前提是「系数 = 效应」。但系数 = 「在给定调整集下的条件关联」,而效应 = 「干预下的反事实差」。二者只有在调整集恰好是某个变量的有效调整集时才重合。回归软件不会告诉你它重合了没有——只有 DAG 会。
【结论】读回归表前,先问:这个系数在回答哪个因果问题?它的调整集对这个问题是合法的吗?答不上来,那个数字只是「控制了某些东西之后的偏相关」,不是效应。
一个值得吵的问题:如果 Table 2 谬误如此普遍,为什么期刊仍然要求「报告所有协变量系数」?是因为审稿人要它,还是因为「多报告 = 更透明」这个直觉本身就有问题?






0 评论