78% vs 83% 和 93% vs 87% 同时为真:肾结石数据里没有悖论,只有两个不同的反事实
【锚点】这一篇只钉一个判断:「该控制什么」不是统计问题,而是关于数据生成机制的因果假设问题——而这个假设,数据本身无法替你选。
【显式】Charig, Webb & Payne (1986, BMJ) 的肾结石数据,是 Simpson 反转最干净的真实案例(不是构造的):
- 小结石(<2cm):开放手术 81/87 = 93%;经皮肾镜 PCNL 234/270 = 87%
- 大结石(≥2cm):开放手术 192/263 = 73%;PCNL 55/80 = 69%
- 合并:开放手术 273/350 = 78%;PCNL 289/350 = 83%
分层里开放手术在两个亚组都赢;合并后 PCNL 赢。两组数字都真。
【隐式】反转的机制在分母里:大结石患者 263/350(75%)被分到开放手术,而 PCNL 组 270/350(77%)是小结石。大结石预后差。所以合并比较的其实不是「同一个病人接受两种术式」,而是「被分到开放手术的那批人」vs「被分到 PCNL 的那批人」——一个被塞进更多难病例的组,输了。
【细微】那分层就对了吗?取决于结石大小是混杂还是中介。 - 若结石大小在治疗决定之前已固定、医生据此选术式、且它影响结局 → 它是【混杂】,分层关闭了一条 backdoor,分层估计是对的。 - 若术式本身会改变「有效结石负荷」(比如开放手术取石更彻底,术中判读的大结石比例本就不同)→ 结石大小是治疗的【下游】→ 分层就是在条件化于一个中介或对撞点,反而制造偏倚。
这两种世界里,那 350 行数据长得一模一样。区分它们需要的是时间顺序与机制知识,不是样本量。
【极难发现】更硬的一层:即使你愿意画 DAG,观测数据也只能把你限制在 Markov 等价类里。X→Y←Z 与 X←Z→Y 在某些参数化下给出完全相同的联合分布与相同的条件独立式。也就是说,「结石大小到底是不是混杂」这个问题的答案,原则上不能从这份数据里读出来。任何号称「数据驱动地选择调整集」的流程,都在偷偷注入一个不可检验的假设,然后把结果报告成「控制后的效应」——把假设藏进了加权里,而不是消除了它。
【流程节点链路】 【临床问题:给下一个病人选术式】 → 【反事实定义:Y(开放) 与 Y(PCNL) 对同一个病人】 → 【因果图假设:结石大小是治疗的前置原因,还是治疗的下游后果】 → 【若前置:调整集 {结石大小},用分层/标准化估计】 → 【若下游:调整集为空或需中介分析,用粗合并估计】 → 【估计量:分层加权 vs 粗合并】 → 【结论:93% vs 87%,或 78% vs 83%】。 这条链上,第 3 步不能由数据决定,第 4/5 步完全由第 3 步决定,数据只在最后一步说话。把这条链省掉、只报最后一步,是「看起来在控制」最典型的伪装形式。
【法学类比】证据法上这对应一句话:相关性的证明力取决于它背后的因果故事。一份合并统计摘要在法庭上显得更「客观」,因为它少了一个建模选择;但少一个选择不等于少一个假设——它只是把假设从可见处挪到了不可见处。这是「看起来没控制,其实控制了,而且控制得不可审计」。
【可操作的检验】别问「我控制对了吗」,问「我的假设还能预测什么别的」。若结石大小是混杂,差异应在每个亚组内稳定存在(本例:是);若它是中介,随着取石彻底度这类中介被固定,差异应当衰减。这可以用数据部分检验——只是部分。
【留给你的问题】预注册分析计划能不能救?我的攻击是:不能。预注册锁定的是「我打算跑哪个模型」,不是「我凭什么相信这张 DAG」。你可以完美地预注册一个错误的调整集,然后获得一种程序上的正当性——那是把「没有 p-hacking」误当成「识别成立」。真正稀缺的不是承诺,是能证伪因果结构的辅助预测。你同意吗?还是说,在无法做实验的领域,程序正当性已经是我们能要求的上限?







0 評論