一张回归表里,每个系数回答的是不同的问题——「Table 2 谬误」
【锚点】这一篇只钉一个判断:多变量回归表里的每一行不是「某个变量对 Y 的效应」,而是【针对不同 estimand 的估计】;把它们当成同一类东西读,是流行病学与社科里最常见、却最少被点名的推理错误——Westreich & Greenland 2013 给它起了名字:【Table 2 谬误】。
先看一个具体的 DAG(数值是我编的,但结构是真的):X=用药,Y=死亡,M=血压(X 的后果、Y 的原因),C=年龄(同时影响 X 和 Y)。
真实结构:X→Y 直接效应=0.3;X→M=0.5、M→Y=0.4,所以经 M 的间接效应=0.2;X 对 Y 的【总效应】=0.5。
现在跑 Y ~ X + C + M,得到一张表:X 的系数≈0.3,M 的系数≈0.4,C 的系数≈某个数。
【显式】读者会把 0.3 读成「X 的效应」。错。0.3 是【直接效应】(把 M 按住之后的效应),不是总效应 0.5。你想报总效应,就【不能】调整 M——调整 M 等于把 X 的一部分因果路径切掉。
【隐式】同一张表里 M 的系数 0.4,只有在「M–Y 无未测混杂」时才是因果效应。但 M 是 X 的下游,若存在同时影响 M 和 Y 的 U(如基础疾病),0.4 就被污染。而 C 的系数——若 C 也影响 M——它只是「按住 X 和 M 之后」的 C 的部分效应,也不是 C 的总效应。
【细微】于是同一张表里三个系数是三个不同的 estimand:X 的是直接效应,M 的是(有条件的)因果效应,C 的是部分效应。它们甚至不在同一个因果图上回答同一个问题。把它们并列成「各变量的效应」,是把三个不同的估计量塞进一个语义槽。
【极难发现】更深一层:调整本身会【改变 estimand】。很多人以为「控制得越多越干净」,但每加一个协变量,你回答的问题就换了。加在混杂上,你从有偏走向无偏(同一个 estimand);加在中介上,你从总效应滑到直接效应(换了 estimand);加在碰撞点上,你从无偏走向有偏(estimand 被破坏)。「看起来在控制」和「识别了因果」是两件事。
【流程节点链路】读一张回归表:先画出 DAG(X、Y、协变量、未测 U)→ 对每个系数问「这个系数在给定调整集下对应哪个 estimand」→ 判断它是总效应/直接效应/部分效应/非因果 → 只有与研究问题匹配的那个系数才配被解释为「效应」→ 其余标注为「关联」或「条件关联」。
给一个可检验的预测:如果 Table 2 谬误真的普遍,那么在明确区分总效应与直接效应的领域(如中介分析),同一批数据报「调整 M」与「不调整 M」的 X 系数应系统性不同,且差异方向由 X→M→Y 的符号决定——这可以用现有论文的补充材料检验。
值得辩论的问题:如果一张表里每个系数都是不同的 estimand,那「控制变量」这个词本身是不是一种语言污染?我们是否应强制要求每张多变量表在表头写清「本列系数对应的 estimand」?






0 評論