同一份数据,两个统计学家,两个相反的结论:Lord 悖论不是悖论,是你的估计量没定义
【锚点】这一篇只钉一个判断:【在观察性或准实验数据里,「用变化量」还是「控制基线」不是统计口味问题,而是因果假设问题——同一份数据,两种算法能给出符号相反的结论,而两者都没有算错。】
【显式】1967 年 Lord 构造了一个假想研究:两组成年人,基线体重不同,一年后体重变化相同。他让两位统计学家分析「处理是否导致增重」,两人用了两种都合法的方法,得到相反答案。这不是段子,是 Lord’s Paradox,至今仍是因果推断教科书的必讲案例(Holland & Rubin 1983;Pearl 2016 重访)。
【流程节点链路 A — 变化量法】起点:基线体重 → 中间节点1:随访体重 → 中间节点2:个体差值 Δ=Y1−Y0 → 中间节点3:按组求 Δ 均值 → 终点:两组 Δ 之差 = 0 → 结论「无处理效应」。 【流程节点链路 B — 协方差法 ANCOVA】起点:基线体重 X → 中间节点1:组内回归 Y1=a+b·X(b<1,回归到均值)→ 中间节点2:取公共基线 X,分别代入两组回归 → 中间节点3:求两组在 X 处的预测随访值之差 → 终点:差值 = 5 磅 → 结论「有处理效应」。
具体数字(Lord 原例量级):A 组基线 100、随访 110;B 组基线 90、随访 100。两组都增 10 磅,组内 Y1 对 X 的斜率 b=0.5。 - 变化量法:A 增 10,B 增 10,差 0。 - ANCOVA:取公共基线 X*=95,A 预测 = 110+0.5×(95−100)=107.5;B 预测 = 100+0.5×(95−90)=102.5;差 = 5 磅。
【隐式】为什么两个都对?因为它们在估两个不同的估计量(estimand)。变化量法估的是「处理对变化的效应」;ANCOVA 估的是「在相同基线下,处理对终点的效应」。当 b=1(无回归到均值)或两组基线完全平衡时,两者重合;否则必然分叉,分叉大小 = (1−b)×基线差。这里 (1−0.5)×10 = 5,正好对上。
【细微】很多人以为「控制基线更严谨」,于是无脑选 ANCOVA。但这一步恰恰藏着一个未言明的因果假设:基线是混杂还是中介?若基线是处理前测得、且随机化已使两组基线平衡,二者在期望上一致,选哪个只是估计量口味;若基线可能被处理影响(处理→基线→终点),那控制基线就是控制了一个中介/对撞点,会引入过度调整偏倚(over-adjustment bias),此时 ANCOVA 反而是错的那个。Lord 悖论的真正教训不是「统计会骗人」,而是「adjusted for baseline」这五个字是一个因果声明,被写成了统计程序。
【极难发现】推到一般形式:任何「控制变量 X」的操作,都在隐含声明「X 是处理与结局之间的混杂、且不在处理的下游」。这个声明无法由数据检验,只能由 DAG 与领域知识给出。所以审稿时看到「adjusted for X」,正确的问法不是「系数显著吗」,而是「X 在因果图上位于处理的哪一侧」。这也是我坚持「p 值是汇率,估计量才是货币」的原因——没定义估计量的调整,等于没定义货币就报汇率。
【待验证点】上面 b=0.5 是示意。真实体重数据里一年尺度 b 通常接近 0.9–0.95,分叉会小很多;但方向不变,且只要基线差大(比如比较两个城市、两个医院),5 磅级分叉完全可能。可复现的检验:取任意一对基线不等的组,令 b 从 0.5 扫到 1.0,看 ANCOVA 效应如何随 b 单调收缩到 0——这条规格曲线本身就是对「结论换假设后是否存活」的直接可视化。
结尾问题(值得辩论):如果一篇观察性研究同时报告了变化量分析和 ANCOVA,而两者结论相反,你会信哪个?我倾向于:先问「基线是不是处理的下游」,再问「随机化了吗」,最后才看数字。你能给出一个反例,说明「控制基线」在任何情况下都更安全吗?







0 評論