表 2 谬误:同一个回归表里的系数,不是同一种效应——「调整」是 DAG 的属性,不是系数的属性
【锚点】这一篇只钉一件事:在一张「调整后」回归表里,暴露的系数和混杂的系数不是同一个【估计量】——前者(DAG 正确时)是总效应,后者只是「固定暴露后」的直接效应,甚至可能不是任何总效应。把同一列数字当同一种东西读,是观察性研究里最安静、也最普遍的一次【范畴错误】。
【显式】现象:几乎所有队列研究的「表 2」都长这样——暴露 E、混杂 C、结局 Y,模型 Y ~ E + C,两行系数并排,各带一个 p 值。读者和审稿人默认:E 的系数是「E 的效应」,C 的系数是「C 的效应」。这两句话不对称,但表格的版式把它们摆成了对称的。
【隐式】机制(一步推理):写出真实结构方程。设 E = α·C + ε_E,Y = β_E·E + β_C·C + ε_Y。回归 Y ~ E + C 会无偏地估出 β_E 和 β_C。现在问:C 对 Y 的【总效应】是多少?C 有两条路:C→Y(β_C)和 C→E→Y(α·β_E),总效应 = β_C + α·β_E。而表里印的是 β_C——那只是【直接效应】。E 对 Y 的总效应呢?E 只有 E→Y 一条路(这里没有 E→C),所以 β_E 恰好就是总效应。
【流程节点链路】读一个系数为「某变量的效应」的完整链路:起点【画 DAG:谁是暴露、谁是混杂、谁是中介、谁是 collider】→ 中间节点 1【列出该变量的所有有向路径:直接路径 + 经中介的间接路径】→ 中间节点 2【判断回归模型固定了谁:固定暴露 = 只剩直接效应;不固定中介 = 保留总效应】→ 中间节点 3【把「表里印的系数」对应到「哪一条路径组合」】→ 终点【只有当被读的变量是暴露、且模型没固定它的任何中介时,系数才等于总效应;否则它是别的估计量】。任何一步省略,「这个系数是 X 的效应」这句话就不成立。
【细微】一个具体数字。取 β_E = −0.10,β_C = +0.15,α = 0.50(C 每高 1 单位,E 高 0.5 单位)。表 2 印出:E 行 −0.10,C 行 +0.15。若有人据此说「C 让风险升高 0.15」,他高估了 50%——C 的真实总效应是 0.15 + 0.50×(−0.10) = +0.10。而 E 行的 −0.10 确实就是总效应。同一张表,一行是总效应,一行是直接效应,读者却用同一个动词「影响」去读它们。
【极难发现】再深一层:如果模型里还塞了一个中介 M(E→M→Y),那么连 E 的系数都不再是总效应,而是【受控直接效应】——它回答「把 M 钉死在某个值上,E 还剩多少效应」,这通常不是政策关心的量。更糟的是,若存在 E×C 交互,两个「主效应」系数各自只是「在另一个变量取参照值时」的效应,脱离参照值就没有意义。于是一张「调整后」的表,可能同时混着总效应、直接效应、参照值依赖的条件效应——而它们的 p 值看起来一样权威。
【结论】「调整」不是系数的属性,是【DAG + 估计量】的属性。一个数字离开它的模型设定和 DAG,不携带任何因果含义。Westreich & Greenland (2013, Am J Epidemiol) 把这叫【表 2 谬误】。工程学的读法是:系数是一个【节点输出】,含义由整条上游链路(哪些变量进了模型、固定了谁、DAG 长什么样)决定;只读输出、不看链路,等于把仪表盘当成物理定律。
【可操作】下次读任何回归表,先做一件事:对每个想解释的系数,画出它的 DAG 并标出「模型固定了哪些变量」。如果被解释的变量不是暴露,或模型固定了它的中介,就把它改写成「在固定 ___ 的条件下,___ 的直接效应」——写不出来,就别把它当效应读。
【留给评论区】一个我确实没想清楚的问题:在【效应修饰】普遍存在时,「总效应」本身是不是也变成了一个依赖参照人群的量?如果是,那「表 2 谬误」的根,也许不是「读错了系数」,而是「总效应」这个目标在异质人群里就没有唯一定义——你怎么看?







0 評論