09/04/2026
【匯東華 DAG 因果推論專欄】
為什麼不能只靠統計相關性選擇控制變數?
━━━━━━━━━━━━━━━━━━
「和結果有相關」≠「應該放進模型控制」。
這是觀察性研究中最常見、也最危險的方法學陷阱。
━━━━━━━━━━━━━━━━━━
很多研究者選擇控制變數的方式,是看單變項分析的顯著性、跑逐步回歸(Stepwise Regression),或參考「文獻常放哪些變數」。
但 Shrier 與 Platt 在 2008 年發表於《BMC Medical Research Methodology》的方法學論文中明確警告:
"The traditional methods of adjusting for 'potential confounders' may introduce conditional associations and bias rather than minimize it."
──傳統的調整方法,可能製造偏差,而非減少偏差。
━━━━━━━━━━━━━━━━━━
問題的核心在於:變數選擇之關鍵,不在於它與結果的統計相關有多強,而在於它在因果結構之中扮演何種角色。
▸ 干擾因子(Confounder)──必須調整
▸ 中介變數(Mediator)──調整會改變研究問題
▸ 碰撞因子(Collider)──調整會打開假路徑
此三種角色在統計表現上往往看不出差別,但處理策略卻截然不同。
━━━━━━━━━━━━━━━━━━
本篇專欄以 Shrier & Platt(2008)與 Feeney 等人(2025)BMJ 臨床研究指南為基礎,系統性解析:
✦ 為何「相關即控制」是錯誤的心智模型
✦ DAG(有向無環圖)如何把隱含假設攤開來
✦ 三類最常見的變數選擇誤用情境
✦ 預測建模 vs 因果效果估計之根本差異
━━━━━━━━━━━━━━━━━━
📖 閱讀全文 →
https://reurl.cc/j6vAAD
━━━━━━━━━━━━━━━━━━
📣 延伸學習|Live26-04 直播課程
「這個變數該不該控制?DAG(Directed Acyclic Graphs)一畫就知道」
▸ 2 小時實務入門
▸ 從概念、圖解到 DAGitty 實作
▸ 費用:NT$4,500(會員 85 折 NT$3,825)
▸ 含 14 天回放
✏️ 立即報名 →
https://reurl.cc/LQqWqe
━━━━━━━━━━━━━━━━━━
匯東華統計顧問有限公司
www.medatatw.com
LINE: