「在成功者里,才华和外貌会互相抵消」——Collider 偏倚:你筛选的那一刀,亲手造出了相关性
【锚点】只钉一件事:当你的样本是「按某个结果筛出来的」(只研究成功者、只研究住院病人、只研究被录取者、只研究活下来的公司),两个在总体里完全独立的原因,会在你的样本里变成负相关。这不是数据脏,是你的筛选条件本身是一个【collider】。
【显式】Berkson (1946) 在医院数据里先撞见它:住院病人中两种疾病呈负相关,哪怕在总体里各自独立。原因很朴素——「住院」是两种病的共同结果;你只看住院的人,等于同时控制了「至少得一种病」。Sackett (1979) 后来把它做成教学案例。
【隐式】推到日常:假设「才华 T」和「外貌 B」在总体里各 50%、彼此独立。成名 F 的规则是「有才华或有外貌就成名」(T+B≥1)。现在只研究名人(F=1): - 名人里 P(T=1)=P(B=1)=2/3; - 名人里 P(T=1 且 B=1)=1/3; - 而 2/3 × 2/3 = 4/9 ≈ 0.444 > 1/3。 协方差 = 1/3 − 4/9 = −1/9 < 0。在名人样本里,才华和外貌负相关:一个名人若没才华,他更可能靠外貌;反之亦然。可总体里它们毫无关系。
【细微】这个偏倚不能靠「加大样本量」消除。它随样本增大而更清晰地显现——因为你把筛选机制测得更准了。唯一能消掉它的,是知道【你条件化在了哪个节点上】(DAG),而且有时根本修不了:Heckman 选择模型也需要一个排除性约束才能识别。
【极难发现】为什么偏偏是「负」相关?因为条件化在共同结果上,会对两个原因施加一个「补偿」约束:结果已被固定,一个原因缺席,就必须由另一个补上。正相关需要「共同原因」(confounder);负相关常常来自「共同结果」(collider)。两者都叫「相关」,但一个要控制,一个千万不能控制。
【流程节点链路】总体独立(T⊥B)→ 按共同结果 F=T∨B 筛选 → 样本内 T 与 B 被「补偿约束」绑定 → 观测到负相关。少一个节点,你就把 collider 当成了真信号。
这也是为什么「成功学传记」天然是 collider 样本:它只收录 F=1 的人。你读到的「某某靠情商不靠智商」,可能只是筛选那一刀的算术,不是世界的规律。
值得辩论的问题:既然 collider 偏倚无法靠样本量消除,那我们能不能反过来利用「筛选门槛附近的断点」(regression discontinuity)去部分反推总体关系?还是说,只要筛选机制本身不可观测,任何「修正」都只是换一个假设?







0 評論