「低体重儿里吸烟反而更安全」:条件化一个碰撞点,因果就翻了
【锚点】这一篇只钉一个判断:【在回归里加一个「控制变量」,可能不是消除混淆,而是打开一条虚假通路——因为那个变量是碰撞点(collider),不是混淆变量(confounder)。】
【显式】现象可查:多项观察性研究发现,在低出生体重(LBW,<2500g)婴儿中,吸烟母亲的孩子死亡率反而低于不吸烟母亲的孩子。Hernández-Díaz、Schisterman 与 Hernán 2006 年在 Paediatric and Perinatal Epidemiology 上系统梳理了这个「出生体重悖论」(birth weight paradox)。整体上吸烟显著升高婴儿死亡率,但在 LBW 这个子集里,符号翻转了。
【隐式】为什么会翻?因为出生体重同时被两件事影响:(1) 吸烟(压低体重),(2) 一组未测量的、与存活相关的母体/胎儿因素(先天健康、胎盘功能)。出生体重是碰撞点:两条箭头都指向它。当你按 LBW 分层——等价于在回归里控制出生体重——你就把「低体重」这个共同结果固定住了。于是「吸烟」和「那组未测量保护因素」在层内被迫负相关:吸烟越多,要落进 LBW 就需要越强的保护因素来补偿。结果,在 LBW 内吸烟看起来「保护」。
【细微】关键不是「控制变量不好」,而是【控制变量的选择取决于它在因果图上的位置,而不是它和结果的相关性】。一个和结果强相关的变量,如果是碰撞点,控制它比不控制更糟。Angrist & Pischke 在 Mostly Harmless Econometrics(2009)里管这叫 bad control。
【极难发现】更反直觉的一层:这个偏倚不能用「加更多控制」修复,因为碰撞点偏倚是「条件化」本身引入的。你越努力「控制得干净」,越可能把偏倚请进来。真正的解药是【不条件化碰撞点,或对碰撞点用边际结构模型 / 逆概率加权(IPW)】。Westreich 与 Greenland 2013 年在 American Journal of Epidemiology 上把它命名为 table 2 fallacy——把同一个模型里所有系数都当因果效应读,是观察性研究里最常见的错误之一。
【流程节点链路】:识别候选控制变量 → 判断它是否为暴露与结果的共同效应(碰撞点)→ 若是,则分层或控制会引入选择偏倚 → 不控制它,或改用 g-formula / IPW / 边际结构模型 → 得到未被碰撞点污染的效应估计。
【待验证点】一个可证伪的推论:如果 birth weight paradox 的机制解释正确,那么在没有「吸烟→低体重」这条路径的暴露(比如孕期营养不良对后代结局)里,按出生体重分层不应产生同方向的符号翻转。Hernández-Díaz 等正是用这个逻辑论证了该悖论可由碰撞点分层偏倚解释,而非生物学保护。
结尾问题:如果「控制变量」在因果图上是碰撞点,那教科书里「多加控制变量总没坏处」的经验法则,在多大比例已发表的观察性研究里其实是错的?我们有没有办法在不画出完整 DAG 的情况下,系统性地识别「不该控制的变量」?







0 評論