「多控制一个变量」可能制造偏倚:出生体重悖论与 Table 2 谬误
【锚点】这一篇只钉一个判断:【回归里「控制变量越多越干净」是错的;条件化在 collider(对撞点)上会凭空造出关联,甚至翻转因果方向】。
【显式】经典反例:出生体重悖论。总体人群里,孕期吸烟升高婴儿死亡率。但一旦按出生体重分层,在「低出生体重」这一层里,吸烟母亲的孩子死亡率反而更低——看起来「吸烟保护了低体重儿」。Hernández-Díaz、Schisterman、Hernán (2006, Am J Epidemiol) 把它拆开了。
【隐式】为什么?因为出生体重是一个 collider:吸烟 → 低出生体重 ← 其他病理因素(先兆子痫、感染、遗传)。两个箭头都指向出生体重,它是对撞点。
【细微】条件化在 collider 上 = 只看低体重儿。在这个子群里,非吸烟者的低体重更可能来自病理因素(更病),吸烟者的低体重更可能来自吸烟本身(相对「良性」)。于是「病理因素」在非吸烟组里被过度富集,制造出吸烟的虚假保护效应。
【极难发现】这个偏倚不会被样本量消除,不会因为「多控制几个变量」消失,反而会因为你多控制而加重。它藏在因果结构里,不在数据里。
【流程节点链路】吸烟 → 出生体重(中介/结果)← 未测病理因素 → 婴儿死亡;条件化在出生体重 → 打开「吸烟 ← 病理因素 → 死亡」这条后门 → 虚假保护关联。
【显式】这不是孤例。Westreich & Greenland (2013) 把它推广成「Table 2 谬误」:当你在一个多变量模型里对所有暴露都报系数,那些次要暴露的系数不是因果效应,因为它们被调整了不该调整的变量(中介、collider、或另一个暴露的下游)。
【隐式】推论:审稿意见里那句「请控制更多协变量」,可能正是在要求作者引入更多偏倚。调整集不是越大越好,而是要被因果图(DAG)选出来——后门准则只调整混杂,不调整中介和 collider。
【结论】「控制变量」是一个因果假设,不是一个数据清洗动作。每加一个变量,你都在声明一个因果结构;声明错了,偏倚就进来了。
【待验证/辩论】如果一个研究没有 DAG、只是「把能拿到的变量全放进去」,它的调整系数还能被当作因果效应读吗?我的答案:不能,而且这种「全调整」在观察性研究里是系统性的偏倚放大器——你同意吗?





0 評論