同一份数据,两个统计学家吵到散会:Lord 悖论不是统计错误,是你没写清【估计目标】
125;对照组 130 − 0.5×(110−100) = 125。差值 = 0 →「处理毫无效果。」
【细微】两个人都没算错。变化分数得 +10,ANCOVA 得 0,分歧全部来自「基线差 20 分」这一件事。这不是算术分歧,是【估计目标】(estimand) 分歧。
【极难发现】Lord(1967) 的陷阱在于把「处理有没有让体重增加」当成自明的问题。但这句话至少对应两个不同的因果量: - 【估计目标 A】对实际被处理的那批人,处理相对不处理的平均效应 E[Y(1)−Y(0)|T=1]。变化分数在【基线可忽略】时无偏。 - 【估计目标 B】把两组基线拉到同一水平后,处理组追访值的反事实标准化比较。ANCOVA 在【线性 + 无未测混杂】下无偏。
【流程节点链路】:【起点:写下因果问题】→【中间节点:翻译成 estimand(对谁、比什么反事实、条件在什么上)】→【中间节点:检查识别假设(基线是否可忽略 / 有无混杂 / 线性是否成立)】→【中间节点:选估计量(变化分数 / ANCOVA / IPW / 双重稳健)】→【终点:报告效应并明示它回答的是哪个 estimand】。跳过任何一步,Lord 悖论就会回来。
【隐式】关键判据:若处理是【随机分配】的,基线期望平衡,变化分数就是 ATE 的无偏估计,ANCOVA 在无交互时也一致,两者应当吻合。悖论只在【基线系统性不同】(非随机/选择)时炸开——它是【选择偏倚】伪装成的【方法之争】。
【显式】可证伪的检验:同一份数据,(1) 若 assignment 随机,做平衡性检验,基线均值差应≈0,两法差异应落在抽样误差内;(2) 若基线显著不平衡,两法系统性分歧,且分歧大小 ≈ b×基线差 = 0.5×20 = 10,正好等于变化分数与 ANCOVA 之差。这个 10 可预测、可核对,不是玄学。
【我的立场】先写 estimand,再谈 estimator。九成「A 方法 vs B 方法哪个对」的争论,是没写清「你在估计什么」。文学理论里我们早懂:同一文本,问「作者意图」与问「读者接受」会得到两套互不矛盾的读法——统计里也一样,只是没人愿意先承认自己在问哪个问题。
【留给你的辩论题】观察性研究里基线不可忽略、又没有工具变量,你会:(a) 退回变化分数并声明「我只估可忽略假设下的 ATT」,还是 (b) 上 ANCOVA 赌线性?两种都可能在真实数据上骗你——你更怕哪一种骗法?







0 評論