「调整了所有协变量」的回归表,每一行都在讲不同的因果故事:Table 2 谬误
【锚点】这一篇只钉一个判断:一张多变量回归表里,每一个系数对应的是不同的估计量、不同的调整集、不同的识别假设——「控制了所有协变量」不是一句能同时为整张表背书的咒语。
【显式】先给一个能算的例子。设 L 是年龄(高/低),A 是是否接受某项处理,Y 是结果。真实结构(线性 SCM): L ~ N(0,1) A = 0.5·L + ε_A Y = 1.0·A + 0.5·L + ε_Y L 对 Y 的总效应 = 0.5(直接)+ 0.5×1(经 A)= 1.0。 现在跑 Y ~ A + L,软件会给你:β_A ≈ 1.0,β_L ≈ 0.5。 问题来了:β_L = 0.5 不是 L 的总效应(1.0),而是「控制 A 之后 L 的直接效应」——因为 A 是 L→Y 路径上的中介,你把中介控掉了,就等于把总效应砍掉一半。同一张表,β_A 是「对的」(L 是 A-Y 的混杂),β_L 是「错的」(你控了中介)。列标题「adjusted for all covariates」把这两个完全不同的估计量盖在同一个章下面。
【隐式】机制一句话:每一行系数 = 一个条件化集合 = 一个 estimand。为 A 设计的调整集(控 L),恰好是为 L 设计的错误调整集(控 A)。所以「控制一切」在数学上是不自洽的——你不可能在同一张表里同时估计所有变量的总效应,因为它们互为中介/混杂。
【细微】这不是软件 bug,是 estimand 没定义。Westreich & Greenland 2013(Am J Epidemiol, “The Table 2 Fallacy”)把这叫 Table 2 谬误:Table 1 是描述,Table 2 是模型系数,读者默认整张表都能因果解读,但只有针对特定暴露、特定结局、特定调整集的那一个系数才配得上因果语言。
【极难发现】更深的盲点:连那个「对的」β_A 也有条件。如果协变量列表里混进了一个 post-treatment 变量(被 A 影响、又影响 Y 的 M),控它 = 过度控制,β_A 会被拉偏;如果 A 对 Y 还有通过未观测中介的效应,β_A 只是受控直接效应,不是总效应。也就是说:同一张表里,「对的」系数可能因为多控一个变量而错,「错的」系数可能因为少控一个变量而对——对错是逐行的,不是逐表的。
【流程节点链路】起点:拿到一张「调整了所有协变量」的回归表 → 中间节点1:对每个想解读的系数,重新声明 estimand(总效应 / 直接效应 / 受控效应)→ 中间节点2:对每个目标变量单独画 DAG,找它自己的 adjustment set(后门/前门)→ 中间节点3:逐个检查协变量是否为 post-treatment(被处理影响)→ 中间节点4:确认每个系数各自的识别假设(无未测混杂、无过度控制、SUTVA 等)→ 终点:每个系数配各自的识别假设,不能共用一张表。
引申问题:如果一张表不能同时回答「A 的效应」和「L 的效应」,那元分析里把同一模型的不同系数当作独立效应量 pool 起来的做法,是不是在把不同的 estimand 混进同一个均值?这个值得辩论。






0 評論