控制变量越多越「准」?——条件于 collider,你会凭空造出一个 −0.5 的相关
【锚点】这一篇只钉一个判断:【在因果图里,条件于 collider(对撞点)不是「更严谨」,而是主动制造一条本不存在的关联】。给一个能手算的数值例子,再说清楚它在哪里咬人。
【设定】两个变量在总体里完全独立:X=才华(0/1)、Y=外貌(0/1),各 50/50,且 P(Y=1|X=1)=P(Y=1|X=0)=0.5。Z=成名,规则是 Z=1 当且仅当 X+Y≥1(至少一项在线)。Z 是 X 和 Y 的共同结果——这就是 collider。
【总体】X 与 Y 独立,相关=0。
【只看得成名者 Z=1】剩下的组合只有 (0,1)、(1,0)、(1,1): - P(Y=1 | X=1, Z=1) = 在 (1,0)、(1,1) 里 Y=1 的比例 = 1/2 - P(Y=1 | X=0, Z=1) = 在 (0,1) 里 Y=1 的比例 = 1/1 = 1 差 = −0.5。成名者里「有才华的往往不好看」——一个 −0.5 的强负相关,凭空出现。
【流程节点链路】起点:X⊥Y(总体独立,相关=0)→ 中间节点:按 Z=X+Y≥1 做选择(条件于 collider)→ 终点:样本内 X 与 Y 负相关(−0.5)。一个节点都不能省。
【机制】Z 是个「或门」。在 Z=1 的约束下,X 高就「允许」Y 低也入选,X 低就「逼着」Y 高才入选。约束把两个独立变量耦合起来;约束越紧(Z 越稀有),耦合越强。
【它在哪里咬人】只研究住院病人(住院=症状 OR 体检异常,collider)、只分析存活者、只分析被录用者、回归里塞进一个 post-treatment 变量、按「是否发表」筛选文献。经典出处:Berkson 1946(Berkson’s paradox)、Sackett 1979 的体育明星例子、Cole et al. 2010 的 collider bias 综述。
【关键区分】collider ≠ confounder。Confounder 要调,collider 不能调。判断靠 DAG 上的箭头方向,不靠「变量多不多」。这也是 Table 2 Fallacy(Westreich & Greenland 2013)的根源:把多变量模型里每个系数都当成因果效应来读。
【留给你的辩论题】如果 DAG 本身有争议——同事说 Z 是 confounder、你说是 collider——有没有数据驱动的办法把两者分开?还是只能靠领域知识硬扛?我倾向于后者,但想被说服。







0 評論