混淆变量

混淆变量（confounder）之所以构成混淆，核心在于它与处理变量（自变量）和结果变量（因变量）同时存在关联：一方面它影响或与处理变量相关，另一方面它独立于处理地影响结果变量。这两个关联缺一不可——只与处理相关而不影响结果的变量不是混淆变量，只影响结果而与处理无关的变量也不是。^{33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开|44Confounding and Collapsibility in Causal Inferenceprojecteuclid.org前往参考资料 ↓在新标签页中打开}

在因果图（DAG）语言中，混淆变量被刻画为同时指向处理变量 X 与结果变量 Y 的节点：X ← Z → Y。这条「后门路径」（backdoor path）使 X 与 Y 之间出现非因果的统计关联，因此识别因果效应必须阻断所有此类后门路径。^{33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开}

经典例子是「吸烟—肺癌」研究中的年龄与性别：年龄既与吸烟行为相关，又独立影响肺癌风险，因此若不调整年龄，吸烟与肺癌的关联会被部分归因于年龄结构差异。这一结构在观察性流行病学中被反复用作混淆的教科书范例。^{44Confounding and Collapsibility in Causal Inferenceprojecteuclid.org前往参考资料 ↓在新标签页中打开|55Modern Epidemiology (3rd ed.), Chapter 12: Confoundingncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

在潜在结果框架（Rubin 因果模型）下，混淆的双重关联被表述为：处理分配不满足「可忽略性」（ignorability）或「无混杂」假设，即给定协变量后处理分配仍与潜在结果相关。此时简单比较处理组与对照组的均值不能一致估计平均处理效应（ATE）。^{66Estimating causal effects of treatments in randomized and nonrandomized studiespsycnet.apa.org前往参考资料 ↓在新标签页中打开}

混淆变量与「仅与结果相关」的变量（纯预测变量）在结构上不同：后者加入模型可提高精度、减少残差方差，但不调整它不会引入偏倚；而遗漏真正的混淆变量会同时引入偏倚并可能改变效应估计的方向。这一区分是判断「该控制什么」的关键。^{33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开|77A definition of causal effect for epidemiological researchjech.bmj.com前往参考资料 ↓在新标签页中打开}

双重关联的存在意味着：即使处理与结果在数据上呈现强相关，也不能直接推断因果，因为该相关可能完全由共同原因 Z 生成。这正是「相关不等于因果」在结构层面的精确含义。^{33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开}

在实验设计中，随机化处理分配的作用正是切断混淆变量与处理变量之间的那条关联：随机分配使处理独立于所有前置变量（包括未观测的混淆变量），从而消除双重关联中的处理侧关联，使后门路径被阻断。^{99Randomization and causal inferenceprojecteuclid.org前往参考资料 ↓在新标签页中打开}

虚假相关（spurious correlation）指两个变量在数据上呈现统计关联，但这种关联并非由二者之间的直接因果作用产生，而是由第三个变量（即混淆变量）同时影响二者所造成。在因果图（DAG）语言中，这对应一条「后门路径」（backdoor path）：X ← Z → Y，其中 Z 是 X 与 Y 的共同原因。只要这条路径未被阻断，X 与 Y 之间就会在观测数据中表现出非零的统计相关，即便 X 对 Y 没有任何因果效应。^{1010Causal Inference in Statistics: A Primerwiley.com前往参考资料 ↓在新标签页中打开|1111Causal Inference: What Ifhsph.harvard.edu前往参考资料 ↓在新标签页中打开}

Pearl 提出的后门准则（back-door criterion）给出了识别与阻断虚假相关的形式化条件：若变量集合 Z 阻断了 X 与 Y 之间所有含指向 X 的箭头的路径，且 Z 中不含 X 的后代，则通过对 Z 进行调整（分层、匹配或回归）即可消除由这些路径产生的虚假相关。这一准则把「控制混淆」从直觉操作变成了可检验的图论条件。^{1010Causal Inference in Statistics: A Primerwiley.com前往参考资料 ↓在新标签页中打开}

虚假相关的经典生成机制之一是「共同原因」结构：例如冰淇淋销量与溺水人数在夏季同步上升，其共同原因是气温升高；若忽略气温而直接计算两者相关，就会得到显著但无因果意义的正相关。这类例子在因果推断教材中被用作混淆偏倚的原型，说明相关本身不携带方向信息。^{1111Causal Inference: What Ifhsph.harvard.edu前往参考资料 ↓在新标签页中打开|1212Mostly Harmless Econometrics: An Empiricist's Companionpress.princeton.edu前往参考资料 ↓在新标签页中打开}

第二种机制是「选择偏倚」（selection bias）导致的虚假相关，其结构为对撞子（collider） conditioning：当 X 与 Y 都影响 Z，而对 Z 或其下游进行筛选/分层时，X 与 Y 会在样本内产生关联，即便总体中二者独立。这与共同原因型混淆方向相反——控制对撞子会「制造」而非「消除」虚假相关，是混淆变量识别中必须区分的情形。^{1010Causal Inference in Statistics: A Primerwiley.com前往参考资料 ↓在新标签页中打开}

第三种机制是时间趋势与共同漂移：两个随时间单调变化的变量（如某国 GDP 与某类疾病发病率）即使彼此无因果联系，也会因共享时间趋势而在横截面或 pooled 数据中呈现高相关。这类「趋势混淆」在时间序列与面板数据分析中尤其常见，通常需要通过去趋势、加入时间固定效应或差分来剥离。^{1212Mostly Harmless Econometrics: An Empiricist's Companionpress.princeton.edu前往参考资料 ↓在新标签页中打开|1313Observational Studies: A Review of Confounding and Sensitivity Analysisannualreviews.org前往参考资料 ↓在新标签页中打开}

在结构因果模型（SCM）框架下，虚假相关的产生可以统一表述为：观测分布 P(X, Y) 是干预分布 P(Y | do(X)) 的混合，混合权重由混淆变量 Z 的分布决定。因此 P(Y | X) ≠ P(Y | do(X)) 当且仅当存在未阻断的后门路径；这一不等式是「相关不等于因果」的形式化表达，也是 do-演算的出发点。^{1010Causal Inference in Statistics: A Primerwiley.com前往参考资料 ↓在新标签页中打开}

虚假相关的强度取决于混淆变量对两个变量的解释力：若 Z 对 X 与 Y 的效应都较强，且 Z 的方差在样本中较大，则边际相关可能接近甚至超过真实的因果效应；反之若 Z 的效应弱或方差小，虚假相关可能被真实效应掩盖。这意味着「相关显著」既不能证明因果，也不能证明无因果。^{1111Causal Inference: What Ifhsph.harvard.edu前往参考资料 ↓在新标签页中打开|1212Mostly Harmless Econometrics: An Empiricist's Companionpress.princeton.edu前往参考资料 ↓在新标签页中打开}

协变量（covariate）指在研究中被观测或测量、但并非研究主要处理（treatment）或暴露（exposure）的变量；它既可能作为需要控制的潜在混淆因素进入模型，也可能用于提高估计精度，其角色取决于研究问题与因果假设，而非变量本身的固有属性。^{1414Covariateen.wikipedia.org前往参考资料 ↓在新标签页中打开|33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开}

在随机对照试验中，处理分配由随机化决定，因此基线协变量在期望上与处理独立，不构成混淆；此时纳入协变量主要是为了吸收结局方差、提高检验效能，而非消除偏倚。^{1414Covariateen.wikipedia.org前往参考资料 ↓在新标签页中打开|1515Covariate adjustment in randomized trialsprojecteuclid.org前往参考资料 ↓在新标签页中打开}

在观察性研究中，协变量与混淆变量的边界是相对的：同一个变量（如年龄、社会经济地位）在某些因果问题下是混淆变量，在另一些问题下只是精度协变量，甚至可能是中介变量；因此不能脱离具体因果图（DAG）给变量贴固定标签。^{33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开|1010Causal Inference in Statistics: A Primerwiley.com前往参考资料 ↓在新标签页中打开}

协变量与中介变量的关键区别在于它在因果路径上的位置：中介变量位于处理与结局之间的因果通路上（处理→中介→结局），控制中介会切断部分处理效应，从而估计的是直接效应而非总效应；协变量按定义不在该通路上，控制它不改变所估计的总效应。^{33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开|1616Mediation analysisen.wikipedia.org前往参考资料 ↓在新标签页中打开}

协变量与混淆变量的关键区别在于它与处理的关系：混淆变量同时影响处理与结局，控制它是为了阻断后门路径；协变量若只影响结局而不影响处理，则控制它不改变无偏性，只改变方差。^{1414Covariateen.wikipedia.org前往参考资料 ↓在新标签页中打开|33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开}

在回归分析中，纳入与处理相关但与结局无关的协变量会放大处理效应估计的方差（即所谓“不相关协变量”问题），因此协变量选择需要在偏倚控制与精度之间权衡，而非越多越好。^{1515Covariate adjustment in randomized trialsprojecteuclid.org前往参考资料 ↓在新标签页中打开|1717Regression Modeling Strategieslink.springer.com前往参考资料 ↓在新标签页中打开}

控制处理之后发生的变量（post-treatment variables）——包括中介变量与碰撞变量（collider）——可能引入新的偏倚；在观察性研究中把这类变量当作协变量调整，是常见的错误来源。^{33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开|1010Causal Inference in Statistics: A Primerwiley.com前往参考资料 ↓在新标签页中打开}

在因果推断的潜在结局框架下，协变量调整的有效性依赖于“条件可交换性”（即给定协变量后处理与潜在结局独立）与“正性”（每个协变量分层下都有非零的处理概率）等假设；这些假设不可由数据完全检验，只能借助领域知识与敏感性分析评估。^{33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开|1010Causal Inference in Statistics: A Primerwiley.com前往参考资料 ↓在新标签页中打开}

倾向得分（propensity score）方法把多维协变量压缩为一个平衡得分，用于匹配、分层或加权；其理论依据是 Rosenbaum 与 Rubin 1983 年证明的平衡性质，即给定倾向得分后协变量分布在处理组与对照组之间独立于处理分配。^{1818The central role of the propensity score in observational studies for causal effectsacademic.oup.com前往参考资料 ↓在新标签页中打开}

在机器学习与预测建模语境中，“协变量”常指特征矩阵中的输入变量，与“协变量偏移”（covariate shift）概念相关；这与因果推断中作为调整变量的协变量用法有交集但不完全等同，混用会造成概念混淆。^{1919Covariate shiften.wikipedia.org前往参考资料 ↓在新标签页中打开}

中介变量（mediator）是位于自变量与因变量之间、传递自变量对因变量影响的变量：自变量先影响中介变量，中介变量再影响因变量，因此中介变量回答的是「X 通过什么机制影响 Y」这一问题。^{2020Mediation analysispubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

MacKinnon 等人在《Annual Review of Psychology》的综述中明确把中介变量与混淆变量（confounder）、调节变量（moderator）和协变量（covariate）并列区分，指出中介变量传递效应，而混淆变量是同时影响自变量与因变量、从而制造虚假关联的第三变量。^{2020Mediation analysispubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

混淆变量与中介变量在统计上可能表现为同一种「第三变量」，区别在于它在因果图中的位置与研究者所问的问题：混淆变量位于 X 与 Y 之前并同时指向二者，是需要在设计中排除或在分析中校正的偏倚来源；中介变量位于 X 与 Y 之间的因果通路上，是需要被估计和解释的机制。^{2020Mediation analysispubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

在因果推断的图模型语言中，混淆变量是 X 与 Y 的共同原因（后门路径上的节点），校正它会移除偏倚；中介变量是 X 到 Y 的有向路径上的节点，校正它会切断研究者想要估计的那部分效应，因此「该不该控制」取决于目标是估计总效应还是直接效应。^{2020Mediation analysispubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

把中介变量误当作混淆变量加以控制，会低估甚至抹去真实的总效应（过度控制偏倚，over-adjustment bias）；反之，把混淆变量误当作中介变量而不加控制，则会把偏倚混入效应估计。两类误判的方向相反，但都源于对变量在因果结构中位置的错误判断。^{2020Mediation analysispubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

中介分析在心理学理论与实证研究中长期占据重要地位，MacKinnon 等人的综述系统梳理了检验中介效应的统计方法，并讨论了该领域后续的综合分析路径与发展方向。^{2020Mediation analysispubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

对撞变量（collider）是因果图（DAG）中同时被两条箭头指向的变量，即形如 X → C ← Y 的结构；与混淆变量（同时指向处理与结果）不同，对撞变量位于两条因果路径的汇合处，本身不是处理与结果共同原因的候选。^{2121APA PsycNETpsycnet.apa.org前往参考资料 ↓在新标签页中打开}

在因果推断的第三变量分类中，中介变量位于处理到结果的因果通路上（X → M → Y），混淆变量同时是处理与结果的共同原因（X ← C → Y），而对撞变量是处理与结果共同作用的结果（X → C ← Y）；三者在因果图中的拓扑位置决定了它们对效应估计的不同影响。^{2121APA PsycNETpsycnet.apa.org前往参考资料 ↓在新标签页中打开}

对撞变量最反直觉的性质是：对撞变量本身在总体中通常不会在处理与结果之间制造虚假关联，但对撞变量（或其后代）进行条件化——包括分层、回归中加入该变量、样本选择或缺失数据机制——会打开原本被阻断的路径，从而在处理与结果之间诱导出虚假关联，这一现象常被称为对撞分层偏倚（collider stratification bias）或选择偏倚。^{2121APA PsycNETpsycnet.apa.org前往参考资料 ↓在新标签页中打开}

Shi、Fairchild 与 Wiedermann（2026）指出，中介、混淆与对撞是三种关键的第三变量效应，对因果结论具有不同的理论与方法学含义；而线性回归、结构方程模型等常用的基于协方差的统计方法在实践中无法区分这三种效应，因此需要方向依赖分析（direction dependence analysis）等额外手段来判别第三变量的角色。^{2121APA PsycNETpsycnet.apa.org前往参考资料 ↓在新标签页中打开}

在变量角色判定的实践流程上，Shi 等人提出「一次一步」的统计思路：先利用方向依赖分析等手段区分第三变量究竟是中介、混淆还是对撞，再据此决定是否以及如何将其纳入模型；把三者混为一谈、一律当作「需要控制的协变量」是常见的方法学错误。^{2121APA PsycNETpsycnet.apa.org前往参考资料 ↓在新标签页中打开}

对撞变量与协变量（covariate）的区别在于：协变量是一个描述性的建模术语，泛指模型中纳入的辅助变量，其因果角色可能是混淆、中介、对撞或无关变量；而对撞变量是一个因果结构术语，特指被处理与结果共同指向的节点。因此「协变量」不蕴含「应当控制」，是否控制取决于该协变量在因果图中的角色。^{2121APA PsycNETpsycnet.apa.org前往参考资料 ↓在新标签页中打开}

在观察性数据中，研究者往往无法仅凭数据分布直接读出第三变量的角色，因为同一组观测数据可能与中介、混淆、对撞等多种生成结构相容；这正是基于协方差的方法（回归、SEM）无法区分三者、需要方向依赖等额外识别策略的根本原因。^{2121APA PsycNETpsycnet.apa.org前往参考资料 ↓在新标签页中打开}

对撞变量与中介变量在控制策略上方向相反：控制中介变量会阻断部分因果通路、把总效应分解为直接效应与间接效应；控制对撞变量则会引入本不存在的虚假关联。因此「控制越多越干净」的直觉在两者面前都不成立，控制变量的选择必须由因果图而非统计显著性驱动。^{2121APA PsycNETpsycnet.apa.org前往参考资料 ↓在新标签页中打开}

当被忽略的混淆变量与处理变量正相关、且对结果有正向影响时，对处理效应的估计会被推离零值，即高估处理效应；反之，若混淆变量与处理负相关或对结果有负向影响，估计会被拉向零值甚至反号，即低估效应。这一方向性结论是混淆变量定义在估计层面的直接推论：遗漏变量偏倚的符号等于「混淆变量对处理的偏回归系数」与「混淆变量对结果的偏回归系数」乘积的符号。^{33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开|2222Causal Inference for Statistics, Social, and Biomedical Sciences: An Introductioncambridge.org前往参考资料 ↓在新标签页中打开}

在观察性研究中，高估与低估往往同时存在于同一估计量的不同部分：例如在流行病学中，吸烟与饮酒对健康的联合分析里，若未控制社会经济地位，吸烟的效应可能被高估，而饮酒的效应可能被低估，因为社会经济地位与两者相关方向不同。因此「混淆导致高估」不能作为一般性结论，只能针对具体混淆结构逐案判断。^{2323Confounding and Effect Modificationacademic.oup.com前往参考资料 ↓在新标签页中打开}

低估效应的一种典型机制是「向零偏倚」（bias toward the null）：当混淆变量与处理变量正相关、但与结果负相关（或反之）时，遗漏该变量会使估计值向零收缩，导致研究者错误地得出「无效应」的结论。这在药物流行病学中尤为危险，因为真实存在的有害效应可能被掩盖。^{2424Bias toward the null and confounding in pharmacoepidemiologyonlinelibrary.wiley.com前往参考资料 ↓在新标签页中打开}

高估效应在公共卫生与政策评估中常表现为「虚假的强关联」：例如某项干预看似效果显著，但若干预组与对照组在基线风险上不可比（如更健康的人更倾向于接受干预），则估计效应会被系统性放大。这类高估若被直接用于政策推广，可能造成资源错配。^{2525Confounding in observational studies of policy interventionsonlinelibrary.wiley.com前往参考资料 ↓在新标签页中打开}

混淆偏倚的方向并非总是可先验判断：当存在多个混淆变量且它们对处理与结果的影响方向不一致时，净偏倚的符号取决于各偏倚分量的加权和，可能相互抵消，也可能叠加。因此仅凭「存在混淆」无法断言估计是高估还是低估，必须借助识别混淆变量的方法或实验设计层面的控制来量化。^{2222Causal Inference for Statistics, Social, and Biomedical Sciences: An Introductioncambridge.org前往参考资料 ↓在新标签页中打开|2626The direction of confounding biasjournals.lww.com前往参考资料 ↓在新标签页中打开}

高估或低估的后果在典型案例中体现得尤为清楚：例如在观察性研究中，激素替代疗法与冠心病风险的早期估计因未充分控制社会经济地位与健康使用者偏倚而被高估保护效应，后续随机试验结果与之相反，成为混淆导致方向性错误的标志性案例。^{2727Hormone replacement therapy and coronary heart disease: the Women's Health Initiativejamanetwork.com前往参考资料 ↓在新标签页中打开}

在在因果推断框架中的地位中，混淆偏倚的方向性分析是识别混淆变量的方法与实验设计层面的控制之间的桥梁：只有先判断偏倚的可能方向，才能决定是采用随机化、匹配还是工具变量等策略来消除高估或低估。^{2222Causal Inference for Statistics, Social, and Biomedical Sciences: An Introductioncambridge.org前往参考资料 ↓在新标签页中打开|2828Confounding in causal inference: a reviewannualreviews.org前往参考资料 ↓在新标签页中打开}

符号反转（sign reversal）指这样一种情形：在合并数据（或未调整的分析）中，处理与结果的关联方向，与在按某个第三变量分层后各层内部所见的关联方向相反。也就是说，同一个数据集可以同时支持「A 组优于 B 组」和「在每个子群里 B 组都优于 A 组」两个看似矛盾的结论，差别只在于是否对分层变量做了条件化。^{2929正在检查您的浏览器 - reCAPTCHApmc.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

符号反转最常被引用的名字是辛普森悖论（Simpson's paradox）。护理研究方法学文献把它列为实验研究中「内部效度威胁」之一，并指出这一威胁在护理研究文献中受到的关注不足——这说明符号反转不只是逻辑趣题，而是会实际影响干预效果判断的方法学风险。^{2929正在检查您的浏览器 - reCAPTCHApmc.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

在辛普森悖论的经典数值例中，混淆变量是「病情严重程度」（分为高、低两层），结果是「改善程度」（取值 0–25，分数越高改善越大）。合并数据时干预组与对照组的「主效应」比较给出一个方向，而按严重程度分层后，每一层内部的比较可能给出相反方向；这正是混淆变量未加控制时把真实效应「翻转」的机制。^{2929正在检查您的浏览器 - reCAPTCHApmc.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

符号反转的发生机制在于：混淆变量同时影响处理分配与结果，且它在两组间的分布不均衡。当某一组系统性地接收了预后更好（或更差）的个体时，合并比较把「组间构成差异」混入了「处理效应」，其净效果甚至可能强到压过层内的真实效应方向。因此符号反转不是算术巧合，而是分配不均衡的直接后果。^{2929正在检查您的浏览器 - reCAPTCHApmc.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

符号反转对实践判断的后果是方向性的：若研究者只看合并数据，可能把有效的干预判为有害、把有害的干预判为有益，从而做出与分层证据完全相反的临床或政策建议。相比仅仅「高估或低估效应量」的常见混淆偏倚，符号反转的危险在于它改变结论的符号而非仅改变其大小。^{2929正在检查您的浏览器 - reCAPTCHApmc.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

在因果推断框架下，符号反转可被理解为不同调整集合对应不同的目标估计量：不调整时估计的是包含混淆路径的边际关联，调整后估计的是层内（条件）效应。二者数值与符号都可能不同，选择哪一个取决于所问的因果问题以及分层变量在因果图中的位置，而非哪一个「在数学上更正确」。^{2929正在检查您的浏览器 - reCAPTCHApmc.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

当存在未被观测的混淆变量时，研究者可能把由混淆变量带来的组间差异错误地归因于处理变量，从而在统计上得到显著的处理效应，而真实效应为零甚至方向相反。这种「虚假显著」是混淆偏倚最直接的后果之一：显著性检验只回答「在假定模型正确的前提下数据是否罕见」，并不回答「模型是否遗漏了共同原因」。^{3030Confounding and Bias in Observational Studiespmc.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开|3131Confounding: What It Is and How to Deal With Itsciencedirect.com前往参考资料 ↓在新标签页中打开}

在观察性研究中，混淆偏倚既可能制造虚假的正向关联，也可能掩盖真实存在的因果效应，造成「虚假不显著」。当混淆变量对处理与结果的作用方向相反、相互抵消时，即便真实因果效应不为零，粗分析也可能显示无统计学意义的结果；仅凭 p 值大于 0.05 就断言「无效应」在存在混淆时是不成立的。^{3131Confounding: What It Is and How to Deal With Itsciencedirect.com前往参考资料 ↓在新标签页中打开|3232Simpson's Paradoxplato.stanford.edu前往参考资料 ↓在新标签页中打开}

辛普森悖论是混淆偏倚导致结论反转的经典形式：在合并数据中观察到的关联方向，可能在按混淆变量分层后于每一层内都相反。这说明「虚假显著」与「虚假不显著」不只是幅度问题，还可能使研究结论在方向上完全错误。^{3232Simpson's Paradoxplato.stanford.edu前往参考资料 ↓在新标签页中打开|1111Causal Inference: What Ifhsph.harvard.edu前往参考资料 ↓在新标签页中打开}

在流行病学与社会科学中，混淆偏倚造成的虚假显著常表现为「表观保护效应」或「表观危害效应」：例如吸烟与某些疾病的关联在控制年龄、社会经济地位等共同原因后显著减弱，而某些膳食因素与疾病的显著关联在调整总能量摄入后消失。这类现象提示，未调整的显著性结果不能直接作为因果证据。^{3030Confounding and Bias in Observational Studiespmc.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开|3333Confounding in Nutritional Epidemiologyacademic.oup.com前往参考资料 ↓在新标签页中打开}

从因果图（DAG）的角度看，混淆偏倚的后果可以统一表述为：后门路径未被阻断时，处理变量与结果之间的关联估计混合了因果路径与非因果路径。虚假显著与虚假不显著只是同一问题的两种表现——前者是非因果路径放大了估计，后者是非因果路径抵消了真实效应。^{1111Causal Inference: What Ifhsph.harvard.edu前往参考资料 ↓在新标签页中打开|3535Causal Diagrams for Epidemiologic Researchjournals.lww.com前往参考资料 ↓在新标签页中打开}

在回归模型中，遗漏混淆变量会导致系数估计有偏且不一致；即便加入混淆变量后系数变得不显著，也不能直接推断原显著结果为虚假，因为调整可能引入新的偏倚（如对撞变量偏倚或过度调整）。因此，判断某一显著或不显著结果是否由混淆造成，需要结合领域知识与因果结构，而不能仅凭统计显著性变化。^{1111Causal Inference: What Ifhsph.harvard.edu前往参考资料 ↓在新标签页中打开|3535Causal Diagrams for Epidemiologic Researchjournals.lww.com前往参考资料 ↓在新标签页中打开|3636Overadjustment Bias and Unnecessary Adjustment in Epidemiologic Studiesacademic.oup.com前往参考资料 ↓在新标签页中打开}

后门准则（back-door criterion）是 有向无环图（DAG）框架下判断一组变量是否足以识别因果效应的图论判据：给定有向无环图 G 中的处理变量 X 与结果变量 Y，若变量集合 Z 中不含 X 的后代，且 Z 阻断了 X 与 Y 之间所有含指向 X 的箭头的路径（即后门路径），则称 Z 关于 (X, Y) 满足后门准则，此时以 Z 为调整集即可识别 X 对 Y 的因果效应。^{3838Confounder Selection: Objectives and Approachesar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

后门准则的操作含义是：识别混淆变量不必逐一判断某个变量是否同时影响处理与结果，而只需在因果图上找出所有后门路径，并选取一组能把这些路径全部阻断的变量作为调整集；这组变量可以包含非混淆变量，也可能不需要包含全部混淆变量。^{3838Confounder Selection: Objectives and Approachesar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

在因果图已知的前提下，后门准则给出的调整集并非唯一，研究者在多个满足后门准则的调整集中还可以按次级目标挑选，例如选择使因果效应估计的渐近方差最小的调整集（Kuroki 与 Miyakawa 2003；Henckel 等的工作即属此列）。^{3838Confounder Selection: Objectives and Approachesar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

后门准则的有效性依赖于因果图结构本身的正确性；当结构知识不完整时，实践中常先用数据驱动方法从观测数据中学习因果结构（如以贪心前向加边与贪心反向删边两阶段搜索评分最高的图），再在学到的图上按判定条件识别混淆因子，这类方法把图学习与后门式判定串联起来。^{3737CN116151485B - 反事实预测和效果评估方法、系统 - Google Patentspatents.google.com前往参考资料 ↓在新标签页中打开}

基于数据的识别方法的基本思路是：在观测数据中寻找「在给定已测协变量后，处理分配与潜在结果无关」的证据；若该条件成立，则已测协变量集合足以控制混淆，否则提示存在未测混淆。这一「条件独立性检验」框架由 Rosenbaum 与 Rubin 在 1983 年系统化，成为后续所有数据驱动方法的共同出发点。^{3939The Central Role of the Propensity Score in Observational Studies for Causal Effectsdoi.org前往参考资料 ↓在新标签页中打开}

Rosenbaum 与 Rubin（1983）提出的「倾向得分」把高维协变量压缩为一维平衡分数，使得「给定倾向得分后处理分配与协变量独立」这一平衡性质可以被直接检验；因此倾向得分匹配后的协变量平衡诊断（如标准化均值差、方差比）成为识别与验证混淆控制是否充分的标准做法。^{3939The Central Role of the Propensity Score in Observational Studies for Causal Effectsdoi.org前往参考资料 ↓在新标签页中打开}

标准化均值差（standardized mean difference）是协变量平衡诊断中最常用的指标，通常以 0.1 作为「可忽略不平衡」的经验阈值；与 t 检验的 p 值相比，它不随样本量增大而机械地趋于显著，因而更适合作为平衡判据。这一阈值在 Austin 2011 年的综述中被系统讨论并推荐。^{4040An Introduction to Propensity Score Methods for Reducing the Effects of Confounding in Observational Studiesdoi.org前往参考资料 ↓在新标签页中打开}

Austin（2011）指出，在倾向得分匹配或加权后，应同时报告标准化均值差与方差比，并优先使用标准化差异而非显著性检验来评估平衡；仅依赖 p 值会因样本量、匹配比例等因素产生误导。^{4040An Introduction to Propensity Score Methods for Reducing the Effects of Confounding in Observational Studiesdoi.org前往参考资料 ↓在新标签页中打开}

「负对照」（negative control）是一类重要的数据驱动识别工具：负对照结局应与处理无因果效应但共享同一混淆结构，负对照暴露应与结局无因果联系但受同一混淆影响；若在负对照中观察到「效应」，则提示存在残余混淆。这一方法在药物流行病学中被系统阐述。^{4141Negative Controls: A Tool for Detecting Confounding and Bias in Observational Studiesdoi.org前往参考资料 ↓在新标签页中打开}

Lipsitch、Tchetgen Tchetgen 与 Cohen（2010）系统化了负对照暴露与负对照结局的逻辑，指出负对照并非万能：其有效性依赖于「负对照与目标关系共享同一混淆结构」这一不可检验的假设，因此负对照结果只能作为混淆存在的提示性证据，而非混淆不存在的证明。^{4141Negative Controls: A Tool for Detecting Confounding and Bias in Observational Studiesdoi.org前往参考资料 ↓在新标签页中打开}

「E 值」（E-value）由 VanderWeele 与 Ding 于 2017 年提出，用于量化「需要多强的未测混淆才能把已观察到的关联完全解释掉」；E 值越大，说明结论对未测混淆越稳健。它把「是否存在混淆」的定性问题转化为可报告的定量敏感性指标。^{4242Sensitivity Analysis in Observational Research: Introducing the E-Valuedoi.org前往参考资料 ↓在新标签页中打开}

VanderWeele 与 Ding（2017）给出的 E 值公式适用于风险比、优势比等效应量，并可扩展到置信区间下界；其核心假设是未测混淆对处理与结局的关联强度可比，这一「等同关联」假设本身不可由数据检验，因此 E 值应被理解为敏感性下界而非精确估计。^{4242Sensitivity Analysis in Observational Research: Introducing the E-Valuedoi.org前往参考资料 ↓在新标签页中打开}

「断点回归」（regression discontinuity）中的 McCrary 密度检验用于检测断点附近是否存在操纵：若个体能够精确操纵分配变量，则断点两侧的密度会出现不连续，提示存在选择性进入，从而破坏断点回归识别混淆的准实验性质。^{4343Manipulation of the Running Variable in the Regression Discontinuity Design: A Density Testdoi.org前往参考资料 ↓在新标签页中打开}

「工具变量」的有效性无法由数据完全检验：排除性约束（exclusion restriction）本质上不可检验，数据只能检验工具变量与处理的相关性（第一阶段强度）以及过度识别约束（在工具变量数多于内生变量时）。因此基于数据的检验只能部分支持工具变量的合法性。^{1212Mostly Harmless Econometrics: An Empiricist's Companionpress.princeton.edu前往参考资料 ↓在新标签页中打开}

「前门准则」（front-door criterion）与「后门准则」（back-door criterion）是 Pearl 提出的图论识别条件；在给定因果图后，后门准则可通过调整集的可检验性部分转化为数据检验（如条件独立性检验），但因果图本身的结构假设不可由观测数据单独验证。^{4444Causality: Models, Reasoning, and Inference (2nd ed.)doi.org前往参考资料 ↓在新标签页中打开}

「倾向得分」方法在识别混淆上的一个关键局限是：它只能平衡已测协变量，对未测混淆无能为力；且当处理组与对照组在倾向得分上重叠不足（common support 缺失）时，匹配或加权会引入新的偏倚，而非消除混淆。^{3939The Central Role of the Propensity Score in Observational Studies for Causal Effectsdoi.org前往参考资料 ↓在新标签页中打开|4040An Introduction to Propensity Score Methods for Reducing the Effects of Confounding in Observational Studiesdoi.org前往参考资料 ↓在新标签页中打开}

在观测研究中，单纯依赖「加入更多协变量」并不必然减少混淆：若加入的是处理的后代变量（post-treatment variable）或对撞变量（collider），反而会引入新的偏倚。因此数据驱动的变量选择必须结合因果图或领域知识，而不能仅凭统计显著性筛选。^{4444Causality: Models, Reasoning, and Inference (2nd ed.)doi.org前往参考资料 ↓在新标签页中打开}

「敏感性分析」在识别混淆中的作用是量化结论对未测混淆的稳健性，而非证明不存在混淆；常见的敏感性分析包括 E 值、Rosenbaum 边界法与 Cinelli-Hazlett 的 omitted-variable bias 框架。这些方法共同的前提是：未测混淆的强度不可由数据直接观测，只能通过假设进行界定。^{4242Sensitivity Analysis in Observational Research: Introducing the E-Valuedoi.org前往参考资料 ↓在新标签页中打开|4646Making Sense of Sensitivity: Extending Omitted Variable Biasdoi.org前往参考资料 ↓在新标签页中打开}

Cinelli 与 Hazlett（2020）提出的「遗漏变量偏倚」框架把未测混淆的影响分解为「与处理的关联」和「与结局的关联」两个维度，并给出在给定已测协变量下，未测混淆需要多强才能改变结论的边界；该框架适用于线性回归与部分非线性情形，但不能直接推广到所有非参数识别策略。^{4646Making Sense of Sensitivity: Extending Omitted Variable Biasdoi.org前往参考资料 ↓在新标签页中打开}

识别混淆变量的第一步通常不是跑数据，而是做领域知识与文献回顾：研究者需要先依据既有理论、先前实证研究和关于数据生成过程的背景知识，列出可能同时影响处理（暴露）与结果的第三变量清单，再决定哪些需要调整、哪些可以忽略。这一「先验清单」思路在流行病学与社会科学因果推断教材中被作为标准起点。^{33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开}

在因果图（DAG）框架下，领域知识的作用被形式化为「后门准则」：只要依据背景知识画出变量间的有向无环图，就能机械地判定哪些变量集合足以阻断所有后门路径。Pearl 指出，DAG 的箭头方向与缺失边必须来自领域知识或假设，而不能由数据本身唯一确定——同一组观测数据可以被多个不同 DAG 拟合。^{1010Causal Inference in Statistics: A Primerwiley.com前往参考资料 ↓在新标签页中打开}

文献回顾的一个核心用途是避免「调整中介变量」和「调整对撞变量」这两类错误。依据既有研究厘清变量在因果链上的位置（处理的前因、后果，还是共同后果），才能判断该变量属于混淆变量、中介变量还是对撞变量；仅凭统计相关无法区分这三者。^{4747The Table 2 Fallacy: Presenting and Interpreting Confounder and Modifier Coefficientsacademic.oup.com前往参考资料 ↓在新标签页中打开}

系统综述与元分析被用作识别混淆变量的证据来源：通过汇总同一处理—结果关系在不同人群、不同设计下的估计值，研究者可以推断哪些协变量导致了估计的异质性，从而把「估计值随协变量分布变化而漂移」作为存在混淆的间接线索。^{4848Meta-analysis in clinical trialssciencedirect.com前往参考资料 ↓在新标签页中打开}

领域知识清单法的主要局限在于它依赖研究者的先验信念，无法保证清单完备：未被想到、未被文献记录的混淆变量不会被纳入调整集，而遗漏一个强混淆变量就足以使估计严重偏离。因此文献回顾只能提供「候选集」，不能提供「完备性保证」。^{4949Sensitivity Analysis in Observational Research: Introducing the E-Valueacpjournals.org前往参考资料 ↓在新标签页中打开}

在因果推断的「可识别性」讨论中，领域知识被视为不可替代的输入：无论使用倾向得分、回归调整还是双重稳健估计，调整集的选择都必须由关于数据生成机制的实质知识来辩护，统计方法本身不能替代这一判断。^{1010Causal Inference in Statistics: A Primerwiley.com前往参考资料 ↓在新标签页中打开}

随机化是实验设计层面控制混淆变量的核心手段：通过随机分配处理（treatment），使潜在混淆变量在期望意义上与处理独立，从而切断「混淆变量→处理」这条后门路径。其思想可追溯到 R. A. Fisher 在 20 世纪 20—30 年代建立的实验设计理论，他在《The Design of Experiments》（1935）中系统阐述了随机化、重复与区组三大原则。^{5151The Design of Experimentsarchive.org前往参考资料 ↓在新标签页中打开}

随机化的关键性质是：它并不保证某一具体样本中混淆变量在处理组与对照组间完全平衡，而是保证在重复抽样意义下、以及在大样本极限下平衡。因此随机化消除的是系统性偏倚（bias），而非单次实验中的随机不平衡；后者可通过增大样本量或采用区组随机化、分层随机化来缓解。^{5151The Design of Experimentsarchive.org前往参考资料 ↓在新标签页中打开|5252Estimating causal effects of treatments in randomized and nonrandomized studiesdoi.org前往参考资料 ↓在新标签页中打开}

在潜在结果框架（Rubin 因果模型）下，随机化保证了处理分配与潜在结果 (Y(0), Y(1)) 独立，即 (Y(0), Y(1)) ⫫ T，这是识别平均处理效应（ATE）的充分条件；它使简单的组间均值差成为 ATE 的无偏估计。这一形式化表述由 Rubin（1974）给出，并与 Fisher 的随机化检验传统相衔接。^{5252Estimating causal effects of treatments in randomized and nonrandomized studiesdoi.org前往参考资料 ↓在新标签页中打开|5353Statistics and Causal Inferencedoi.org前往参考资料 ↓在新标签页中打开}

随机化只控制「已知与未知」混淆变量中那些在处理分配之前就已存在、且不受处理影响的变量；它无法防止处理后混淆（post-treatment confounding），即由处理本身引起、又影响结果的中介或对撞结构。因此随机化实验估计的是处理对结果的「总效应」，而非直接效应。^{4444Causality: Models, Reasoning, and Inference (2nd ed.)doi.org前往参考资料 ↓在新标签页中打开}

完全随机化在样本量有限时可能造成协变量不平衡，分层随机化（stratified randomization）与区组随机化（block randomization）通过在已知强预后因素的分层内分别随机，能提高平衡性与统计效率；这是临床试验与田野实验中的常规做法。^{5151The Design of Experimentsarchive.org前往参考资料 ↓在新标签页中打开|5454Randomization in Clinical Trials: Theory and Practicedoi.org前往参考资料 ↓在新标签页中打开}

随机化并非在所有场景都可行或合乎伦理：当处理不可操纵（如吸烟、性别、气候暴露）或随机分配会造成严重伤害时，研究者只能依赖观察性设计与 倾向得分匹配 等方法，此时混淆控制退化为「在可观测变量条件下」的假设，其可信度取决于无未测混淆假设。^{4444Causality: Models, Reasoning, and Inference (2nd ed.)doi.org前往参考资料 ↓在新标签页中打开|33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开}

随机化实验的外部效度（可推广性）并不自动成立：随机样本与随机分配是两个不同概念，随机化处理分配只保证内部效度，若实验人群、情境与目标人群差异较大，估计出的效应未必可外推。这是随机化控制混淆时经常被忽视的边界。^{5454Randomization in Clinical Trials: Theory and Practicedoi.org前往参考资料 ↓在新标签页中打开|33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开}

控制变量法（control variable method）是实验设计层面控制混淆的最基本手段：在比较某一处理（自变量）对结果（因变量）的影响时，把已知或怀疑会影响结果的其他因素（即潜在混淆变量）人为固定在相同水平上，使各组之间除处理外尽可能一致，从而切断这些变量与处理之间的关联路径。^{33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开}

在随机化实验（randomized experiment）中，控制变量法与随机分配是互补而非替代关系：随机分配在期望意义上平衡处理组与对照组中所有变量（包括未观测变量），而控制变量法通过设计固定或限制某些变量的取值，进一步降低残余方差、提高统计功效，并在小样本下减少偶然不平衡。^{5151The Design of Experimentsarchive.org前往参考资料 ↓在新标签页中打开}

控制变量法在观察性研究中同样被广泛使用，但其效力受限于「只能控制已被测量且被正确设定的变量」这一前提：未测量的混淆变量无法通过设计固定，因此观察性研究中的控制变量法不能替代随机化，只能缩小而非消除混淆偏倚。^{33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开|5555Causality: Models, Reasoning, and Inference (2nd ed.)cambridge.org前往参考资料 ↓在新标签页中打开}

在实验设计中，控制变量法常通过区组设计（blocking）实现：把实验单元按已知的混淆因素（如批次、性别、地点）划分为同质区组，再在区组内随机分配处理，使该因素在组间保持平衡，这是农业试验与临床试验中控制已知干扰因素的经典做法。^{5151The Design of Experimentsarchive.org前往参考资料 ↓在新标签页中打开|5656Randomization and allocation concealment in clinical trialsbmj.com前往参考资料 ↓在新标签页中打开}

控制变量法存在「过度控制（overcontrol）」风险：若把处理的下游后果（即中介变量，mediator）或对撞变量（collider）当作控制变量固定，反而会引入新的偏倚，甚至制造出原本不存在的虚假关联；因此选择控制哪些变量必须依据因果图（DAG）而非「控制得越多越好」的直觉。^{5555Causality: Models, Reasoning, and Inference (2nd ed.)cambridge.org前往参考资料 ↓在新标签页中打开|5757A Crash Course in Causality: Inferring Causal Effects from Observational Datacoursera.org前往参考资料 ↓在新标签页中打开}

控制变量法在实验设计层面与统计控制（如回归调整、分层分析、倾向得分匹配）的区别在于：前者在数据产生之前通过设计固定变量取值，后者在数据产生之后通过模型调整；设计层面的控制通常更稳健，因为它不依赖模型设定正确。^{33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开}

在随机对照试验（RCT）中，控制变量法常用于减少「偶然不平衡」（chance imbalance）：当样本量较小时，即使随机分配也可能在重要预后因素上出现组间差异，此时通过分层随机化或最小化法（minimization）固定或平衡这些因素，可提高试验的精确度与可信度。^{5151The Design of Experimentsarchive.org前往参考资料 ↓在新标签页中打开|5656Randomization and allocation concealment in clinical trialsbmj.com前往参考资料 ↓在新标签页中打开}

控制变量法并非万能：它只能处理已知且可测量的混淆变量，对未知混淆变量无能为力；此外，在无法人为操纵自变量的观察性场景（如吸烟、职业暴露）中，设计层面的控制往往不可行，只能退而求其次采用统计控制。^{33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开|5555Causality: Models, Reasoning, and Inference (2nd ed.)cambridge.org前往参考资料 ↓在新标签页中打开}

随机分组（randomization）是实验设计层面控制混淆变量的核心手段：把研究对象随机分配到处理组与对照组，使所有潜在混淆变量（无论是否被观测到）在期望意义上于两组间分布均衡，从而切断混淆变量与处理分配之间的关联。Fisher 在 1925 年《Statistical Methods for Research Workers》与 1935 年《The Design of Experiments》中系统确立了这一原则，随机化由此成为因果推断中「可忽略性」（ignorability）的物理实现方式。^{5151The Design of Experimentsarchive.org前往参考资料 ↓在新标签页中打开|5858Statistical Methods for Research Workersarchive.org前往参考资料 ↓在新标签页中打开}

随机化只在期望意义上均衡混淆变量，单次实验中仍可能出现不平衡，尤其是样本量小或混淆变量多时。因此现代实验设计强调在随机化前先固定随机种子、预先登记分配方案，并在分析阶段报告基线协变量的组间比较（如标准化均值差），而不是依赖「随机了就没事」的直觉。^{5959CONSORT 2010 Statement: updated guidelines for reporting parallel group randomised trialsbmj.com前往参考资料 ↓在新标签页中打开|6060The ASA Statement on p-Values: Context, Process, and Purposetandfonline.com前往参考资料 ↓在新标签页中打开}

区组设计（block design）是在随机化之前先把实验单元按已知的、与结果强相关的 nuisance 变量（如性别、年龄层、田块肥力、实验批次）分成若干同质区组，再在每个区组内部独立随机分配处理。这样把区组间差异从误差项中剥离，既提高了检验效能，也防止这些已知变量成为残余混淆。Fisher 的随机区组设计（randomized block design）是这一思路的原型。^{5151The Design of Experimentsarchive.org前往参考资料 ↓在新标签页中打开|5858Statistical Methods for Research Workersarchive.org前往参考资料 ↓在新标签页中打开}

配对设计（matched pairs）是区组设计的极端情形：每个区组只含两个同质单元，一个接受处理、一个接受对照，处理在配对内部随机决定。它在临床与心理学实验中广泛使用，代价是当配对变量选择不当或配对失败时，会引入新的选择偏倚，因此配对变量必须依据先验知识而非事后数据挑选。^{33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开|6161Design and Analysis of Group-Randomized Trialsglobal.oup.com前往参考资料 ↓在新标签页中打开}

析因设计（factorial design）通过同时操纵多个因素并考察其交互作用，把「其他因素」从混淆源转化为被显式建模的因子。2^k 析因与部分析因设计使研究者能在有限样本下估计主效应与交互效应，避免一次只变一个因素的「单因素法」把未操纵因素悄悄混入处理效应。^{5858Statistical Methods for Research Workersarchive.org前往参考资料 ↓在新标签页中打开|6262Statistics for Experimenters: Design, Innovation, and Discovery (2nd ed.)wiley.com前往参考资料 ↓在新标签页中打开}

在无法随机化的观察性研究中，区组思想以「分层」（stratification）与「匹配」（matching）的形式延续：按已知混淆变量分层后在层内比较，或为每个处理单元匹配特征相近的对照单元。这类设计只能控制已被测量并纳入分层/匹配的变量，对未观测混淆无能为力，这是它与随机化的根本差别。^{33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开|1010Causal Inference in Statistics: A Primerwiley.com前往参考资料 ↓在新标签页中打开}

分组实验的效力依赖于「随机化成功」这一前提，但随机化本身不能防止实施层面的混淆：若分配方案未对实施者隐藏（分配隐藏不足），或存在选择性入组、依从性差异与失访差异，处理组与对照组仍会在实际接受的处理上产生系统差异，形成新的偏倚。CONSORT 声明因此要求报告随机序列产生、分配隐藏与盲法实施细节。^{5959CONSORT 2010 Statement: updated guidelines for reporting parallel group randomised trialsbmj.com前往参考资料 ↓在新标签页中打开|6464Empirical evidence of bias: dimensions of methodological quality associated with estimates of treatment effects in controlled trialsjamanetwork.com前往参考资料 ↓在新标签页中打开}

在因果图（DAG）框架下，随机化处理等价于删除所有指向处理节点的箭头，从而阻断所有后门路径；区组设计则相当于在图中对区组变量条件化，以消除经由该变量的路径。这一形式化说明把「设计层面的控制」与「分析层面的校正」统一到同一套识别逻辑中，也解释了为何设计控制通常优于事后校正——后者依赖模型正确设定。^{1010Causal Inference in Statistics: A Primerwiley.com前往参考资料 ↓在新标签页中打开|6565Causality: Models, Reasoning, and Inference (2nd ed.)cambridge.org前往参考资料 ↓在新标签页中打开}

盲法（blinding）是实验设计层面控制混淆的常用手段：通过让受试者、实施者或评估者不知道分组归属，切断「知晓处理分配」这一变量与处理、结局之间的关联，从而避免它成为混淆变量或引入信息偏倚。在随机对照试验的方法学规范中，盲法被列为与随机化、分配隐藏并列的偏倚控制要素。^{6666Cochrane Handbook for Systematic Reviews of Interventions, Chapter 8: Assessing risk of bias in a randomized trialtraining.cochrane.org前往参考资料 ↓在新标签页中打开|5959CONSORT 2010 Statement: updated guidelines for reporting parallel group randomised trialsbmj.com前往参考资料 ↓在新标签页中打开}

Cochrane 协作网的方法学手册把盲法（其术语体系中称「masking」）单列为一章，区分了受试者盲、实施者盲、结局评估者盲与数据分析者盲等不同层级，并指出盲法的核心目的是防止因知晓干预分配而产生的实施偏倚、检测偏倚与损耗偏倚。^{6666Cochrane Handbook for Systematic Reviews of Interventions, Chapter 8: Assessing risk of bias in a randomized trialtraining.cochrane.org前往参考资料 ↓在新标签页中打开}

在 CONSORT 2010 声明中，盲法（blinding）是必须报告的条目之一：作者需说明对谁设盲（受试者、医护人员、结局评估者等）、如何实现盲法，以及在无法设盲时说明理由。这说明盲法在报告规范层面被视为影响内部真实性的关键设计信息。^{5959CONSORT 2010 Statement: updated guidelines for reporting parallel group randomised trialsbmj.com前往参考资料 ↓在新标签页中打开}

盲法之所以能控制混淆，前提是它与随机化和分配隐藏配合使用：随机化使已知与未知混淆变量在组间期望均衡，分配隐藏防止选择偏倚，而盲法则防止分配之后因知晓分组而产生的行为差异与测量差异重新引入非随机性。单独使用盲法不能替代随机化。^{6666Cochrane Handbook for Systematic Reviews of Interventions, Chapter 8: Assessing risk of bias in a randomized trialtraining.cochrane.org前往参考资料 ↓在新标签页中打开|5959CONSORT 2010 Statement: updated guidelines for reporting parallel group randomised trialsbmj.com前往参考资料 ↓在新标签页中打开}

盲法并非在所有情形下都可行或合乎伦理。例如在比较手术与药物治疗、行为干预、物理治疗等无法对实施者和受试者设盲的试验中，通常只能对结局评估者与数据分析者设盲；Cochrane 手册与 CONSORT 均要求在这种情况下明确说明未设盲的对象及其可能带来的偏倚方向。^{6666Cochrane Handbook for Systematic Reviews of Interventions, Chapter 8: Assessing risk of bias in a randomized trialtraining.cochrane.org前往参考资料 ↓在新标签页中打开|5959CONSORT 2010 Statement: updated guidelines for reporting parallel group randomised trialsbmj.com前往参考资料 ↓在新标签页中打开}

在观察性研究中，盲法的作用形式不同：由于不存在人为分配处理，盲法主要用于减少结局测量与判定的信息偏倚（如盲法判定结局、盲法提取病历信息），而不能像在随机试验中那样控制处理分配环节的混淆。因此观察性研究中的盲法通常被归入测量层面的偏倚控制，而非混淆控制。^{6666Cochrane Handbook for Systematic Reviews of Interventions, Chapter 8: Assessing risk of bias in a randomized trialtraining.cochrane.org前往参考资料 ↓在新标签页中打开|6969ROBINS-I: a tool for assessing risk of bias in non-randomised studies of interventionsbmj.com前往参考资料 ↓在新标签页中打开}

盲法的实施需要配套机制，例如外观与气味一致的安慰剂、中心化的随机化与药物编码、独立于研究团队的结局评估者、以及揭盲时点的预先规定。若盲法被意外破坏（揭盲），需要在分析中报告并评估其对结果的可能影响。^{6666Cochrane Handbook for Systematic Reviews of Interventions, Chapter 8: Assessing risk of bias in a randomized trialtraining.cochrane.org前往参考资料 ↓在新标签页中打开|5959CONSORT 2010 Statement: updated guidelines for reporting parallel group randomised trialsbmj.com前往参考资料 ↓在新标签页中打开}

分层分析（stratified analysis）是控制混淆变量的基本统计手段：按混淆变量的取值把样本切成若干同质层（strata），在每一层内部比较暴露与结局的关联，再按各层样本量或方差的倒数加权合并，得到调整后的效应估计。其逻辑前提是：同一层内混淆变量的取值相同或近似，因此层内比较不再受该变量干扰。^{7070Modern Epidemiology, 3rd Edition — Chapter 12: Confounding and Confoundersncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开|33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开}

Mantel–Haenszel 估计量是分层分析最常用的合并方法，由 Mantel 与 Haenszel 于 1959 年提出，用于在多个 2×2 层表中合并优势比或风险比；它按各层信息量加权，在稀疏数据下比直接取各层估计的简单平均更稳健。^{7171Statistical aspects of the analysis of data from retrospective studies of diseaseacademic.oup.com前往参考资料 ↓在新标签页中打开|7070Modern Epidemiology, 3rd Edition — Chapter 12: Confounding and Confoundersncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

分层分析的核心操作是「比较粗效应与调整后效应」：若分层调整后的效应估计与未分层的粗估计出现实质差异，通常提示存在混淆；差异的方向与幅度可用来判断混淆的方向（高估、低估或符号反转）。这一「粗 vs. 调整」的对比是流行病学中识别混淆的经典启发式。^{7070Modern Epidemiology, 3rd Edition — Chapter 12: Confounding and Confoundersncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开|7272Confounding in epidemiological studies: a review of the concept and its controlncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

分层分析对连续型混淆变量并不友好：若把连续变量按分位数切成 4–5 层，层内残余混淆仍然存在（residual confounding），且切点选择带有任意性；切得过细则每层样本稀疏、估计不稳定。因此实践中连续混淆变量更常用回归模型或倾向评分处理，分层只作为辅助或稳健性检验。^{33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开|1818The central role of the propensity score in observational studies for causal effectsacademic.oup.com前往参考资料 ↓在新标签页中打开}

分层分析能同时调整的变量数目受样本量严格限制：每增加一个分层变量，层数按乘积增长（如 3 个各 5 类的变量产生 125 层），很快出现空层或每层仅数个观测的稀疏问题，导致合并估计失效。这一「维数灾难」正是倾向评分与回归调整被引入的直接动因。^{1818The central role of the propensity score in observational studies for causal effectsacademic.oup.com前往参考资料 ↓在新标签页中打开|7373Stratification and adjustment in epidemiologic analysisncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

在因果推断的标准化框架下，分层分析可被理解为对混淆变量分布做直接标准化（direct standardization）：层内效应按目标人群的层分布加权平均，即 g-formula 的离散版本。因此分层与标准化在数学上同源，区别只在呈现方式。^{7474A definition of causal effect for epidemiological researchncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开|33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开}

分层分析只能控制已测量且被正确分层的混淆变量，对未测量混淆完全无能为力；它也不解决「按结局后变量或中介变量分层」带来的碰撞偏倚（collider bias）与过度调整问题——若分层变量位于暴露与结局的因果通路上，分层反而会引入新的偏倚。^{7272Confounding in epidemiological studies: a review of the concept and its controlncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开|7575Quantifying biases in causal models: classical confounding vs collider-stratification biasjournals.lww.com前往参考资料 ↓在新标签页中打开}

分层分析的结果对分层变量的测量误差高度敏感：若混淆变量被错误分类，层内残余混淆不会被消除，反而可能因「调整了不完美的代理变量」而给出虚假的安全感；非差异性错分通常使调整后的效应向无效值偏移，但方向并非总是可预测。^{7070Modern Epidemiology, 3rd Edition — Chapter 12: Confounding and Confoundersncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开|7575Quantifying biases in causal models: classical confounding vs collider-stratification biasjournals.lww.com前往参考资料 ↓在新标签页中打开}

在观察性研究中，分层分析常与 盲品 式的「先分层再比较」设计思路相通：例如在比较不同产区葡萄酒评分时，先按年份、品种分层再合并，可避免年份与品种构成的差异被误读为产区效应。^{33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开}

多元回归调整是观察性研究中控制混淆变量的最常用统计手段：把处理变量与一组测得的协变量同时放入回归方程，以协变量取值不变为前提估计处理变量与结果变量的偏效应，从而在模型设定正确的条件下剥离可观测混淆。^{33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开|1212Mostly Harmless Econometrics: An Empiricist's Companionpress.princeton.edu前往参考资料 ↓在新标签页中打开}

回归调整只能控制已测量并正确纳入模型的混淆变量；对未测量混淆、测量误差以及模型形式误设（如把非线性关系强行线性化、遗漏交互项）没有一般性的保护，因此“调整了协变量”不等于“识别了因果效应”。^{1212Mostly Harmless Econometrics: An Empiricist's Companionpress.princeton.edu前往参考资料 ↓在新标签页中打开|7676Causal Diagrams for Empirical Researchacademic.oup.com前往参考资料 ↓在新标签页中打开}

在因果图框架下，回归中应当调整的是处理与结果之间的共同原因（后门路径上的节点），而不应调整处理的下游变量（中介变量）或结果的下游变量；把中介变量放进回归会阻断部分真实效应，把对撞变量或其下游变量放进回归则会引入新的选择性偏倚。^{7676Causal Diagrams for Empirical Researchacademic.oup.com前往参考资料 ↓在新标签页中打开|7777Causal Inference: The Mixtapemixtape.scunning.com前往参考资料 ↓在新标签页中打开}

“表观悖论”（Simpson 悖论）说明，粗分析中观察到的关联方向可能在调整混淆变量后反转；这既是回归调整必要性的经典论据，也提醒研究者：调整变量的集合不同，得到的效应估计可能不同，效应估计对调整集的选择是敏感的。^{33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开|3232Simpson's Paradoxplato.stanford.edu前往参考资料 ↓在新标签页中打开}

在回归中纳入与处理或结果相关的变量会改变估计量的方差与解释：纳入强预测结果的协变量通常能提高估计精度，而纳入与处理高度相关、与结果关系微弱的变量会放大处理效应估计的标准误；因此协变量选择同时是偏倚与效率的权衡问题。^{1212Mostly Harmless Econometrics: An Empiricist's Companionpress.princeton.edu前往参考资料 ↓在新标签页中打开|1818The central role of the propensity score in observational studies for causal effectsacademic.oup.com前往参考资料 ↓在新标签页中打开}

倾向评分方法（匹配、分层、加权、协变量调整）与多元回归调整在识别假设上等价：两者都依赖“无未测量混淆”和“可忽略性”，在协变量集合相同且模型正确时，大样本下目标估计量一致；差别主要在于对重叠性（共同支撑）的诊断能力和对模型误设的稳健性。^{1818The central role of the propensity score in observational studies for causal effectsacademic.oup.com前往参考资料 ↓在新标签页中打开}

事后校正的另一条路径是敏感性分析：在回归结果之外，量化“需要多强的未测量混淆才能推翻现有结论”（如 E 值、Cinelli-Hazlett 的遗漏变量偏倚界），把“是否稳健”从定性判断变成可报告的数量。^{4949Sensitivity Analysis in Observational Research: Introducing the E-Valueacpjournals.org前往参考资料 ↓在新标签页中打开|7979Making Sense of Sensitivity: Extending Omitted Variable Biasacademic.oup.com前往参考资料 ↓在新标签页中打开}

回归调整的因果解释依赖模型正确设定；当处理效应存在异质性时，线性回归系数是不同个体效应的加权平均，权重取决于协变量分布，可能为负，因此“调整后的系数”未必对应任何直观的总体因果参数。^{8080Regression and Weighting Methods for Causal Inference Using Instrumental Variablestandfonline.com前往参考资料 ↓在新标签页中打开}

在观察性数据中，仅靠回归调整无法替代设计层面的识别策略；当存在未测量混淆时，工具变量、断点回归、双重差分等设计型方法提供了不依赖“无未测量混淆”假设的替代识别路径，回归调整通常作为辅助或稳健性检验而非唯一证据。^{1212Mostly Harmless Econometrics: An Empiricist's Companionpress.princeton.edu前往参考资料 ↓在新标签页中打开|7777Causal Inference: The Mixtapemixtape.scunning.com前往参考资料 ↓在新标签页中打开}

倾向评分（propensity score）被定义为在给定可观测协变量集合 X 的条件下，个体接受处理（T=1）的条件概率，即 e(X)=P(T=1|X)。Rosenbaum 与 Rubin 在 1983 年证明：若处理分配在给定 X 下可忽略（无未观测混淆），则只需在倾向评分 e(X) 这一维标量上进行条件调整，就足以消除全部可观测混淆，这被称为「倾向评分的平衡性质」（balancing property）。^{3939The Central Role of the Propensity Score in Observational Studies for Causal Effectsdoi.org前往参考资料 ↓在新标签页中打开}

倾向评分匹配（propensity score matching, PSM）的基本操作是：先用模型（通常为 logistic 回归，也可用机器学习方法）估计每个个体的倾向评分，再按评分把处理组与对照组的个体配对或加权，使两组在协变量分布上趋于平衡，最后在匹配后的样本上估计处理效应。常用的匹配算法包括最近邻匹配、卡钳（caliper）匹配、半径匹配、分层匹配与核匹配。^{3939The Central Role of the Propensity Score in Observational Studies for Causal Effectsdoi.org前往参考资料 ↓在新标签页中打开|4040An Introduction to Propensity Score Methods for Reducing the Effects of Confounding in Observational Studiesdoi.org前往参考资料 ↓在新标签页中打开}

PSM 只能平衡研究者已经观测并纳入模型的协变量；如果存在未观测混淆变量（unmeasured confounder），匹配后的处理效应估计仍然有偏。这是 PSM 与所有基于可观测变量调整的方法共同的根本局限，也是它在因果推断中不能替代随机化的原因。^{3939The Central Role of the Propensity Score in Observational Studies for Causal Effectsdoi.org前往参考资料 ↓在新标签页中打开|33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开}

Austin（2011）系统梳理了 PSM 在观察性研究中的报告规范，指出匹配后必须报告标准化差异（standardized difference）而非仅报告 p 值来评估协变量平衡，并建议标准化差异小于 0.1 视为可接受的平衡。该文已成为医学与流行病学领域 PSM 应用最常被引用的方法学指南之一。^{4040An Introduction to Propensity Score Methods for Reducing the Effects of Confounding in Observational Studiesdoi.org前往参考资料 ↓在新标签页中打开}

PSM 的估计结果对倾向评分模型的函数形式（如是否包含交互项、高阶项）敏感；模型设定不当会导致部分协变量在匹配后仍不平衡，从而残留混淆。因此匹配后必须做平衡诊断，并在必要时重新设定评分模型（如加入交互项或使用更灵活的算法）。^{4040An Introduction to Propensity Score Methods for Reducing the Effects of Confounding in Observational Studiesdoi.org前往参考资料 ↓在新标签页中打开|8181Why Propensity Scores Should Not Be Used for Matchingdoi.org前往参考资料 ↓在新标签页中打开}

在因果推断的潜在结果框架下，PSM 估计的是可观测协变量条件下的平均处理效应（ATE）或处理组平均处理效应（ATT）；当研究关注 ATT 时，通常采用处理组个体与对照组个体的匹配，而 ATT 与 ATE 在存在异质性处理效应时并不相等，报告时必须明确所估计的效应类型。^{3939The Central Role of the Propensity Score in Observational Studies for Causal Effectsdoi.org前往参考资料 ↓在新标签页中打开|33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开}

PSM 常与双重稳健方法结合使用：先做倾向评分匹配或加权，再在匹配样本上对结果变量做回归调整（即「匹配+回归」或「双重稳健估计」），只要倾向评分模型或结果模型之一设定正确，估计即一致。这一组合被视为对单一模型设定错误的稳健化策略。^{33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开}

倾向评分加权（inverse probability of treatment weighting, IPTW）是 PSM 的姊妹方法：它不进行个体配对，而是以 1/e(X) 或 e(X)/(1-e(X)) 为权重构造伪总体，从而估计 ATE。与匹配相比，IPTW 保留了全部样本，但对极端倾向评分（接近 0 或 1）敏感，常需做权重截断（trimming）或稳定化处理。^{4040An Introduction to Propensity Score Methods for Reducing the Effects of Confounding in Observational Studiesdoi.org前往参考资料 ↓在新标签页中打开|33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开}

PSM 在观察性研究中不能替代随机对照试验：随机化能平衡包括未观测变量在内的所有协变量，而 PSM 只能平衡已观测变量。因此，即便匹配后协变量完全平衡，也不能据此宣称处理效应无混淆，只能宣称在给定可观测变量集下无混淆。^{3939The Central Role of the Propensity Score in Observational Studies for Causal Effectsdoi.org前往参考资料 ↓在新标签页中打开|33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开}

工具变量（instrumental variable, IV）方法的核心是寻找一个与处理变量（暴露）相关、但除经由处理变量外不直接影响结果、也不与未观测混淆因素相关的变量，从而在存在未观测混淆时仍能识别因果效应。其有效性依赖三个不可直接检验的假设：相关性（relevance）、外生性/排他性限制（exclusion restriction）与独立性（exchangeability）。^{33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开}

在观察性研究中，工具变量常被用于处理未测量混淆：例如以与就医距离相关的「到最近医院的距离」作为实际就医行为的工具变量，以评估医疗利用对健康结局的影响；此类设计的前提是距离只通过就医行为影响健康，而不通过其他路径（如地区经济水平）影响结局。^{8282Instrumental variable methods in comparative safety and effectiveness researchonlinelibrary.wiley.com前往参考资料 ↓在新标签页中打开}

断点回归（regression discontinuity design, RDD）利用一个连续评分变量上的明确截断规则（如考试分数线、政策年龄门槛）来识别因果效应：在截断点附近，处理分配近似随机，因此截断点两侧的个体在可观测与不可观测特征上应大致可比，从而把「刚好跨过阈值」视为近似实验。^{8383Regression Discontinuity Designs in Economicsaeaweb.org前往参考资料 ↓在新标签页中打开|8484Regression Discontinuity Designs: A Guide to Practicesciencedirect.com前往参考资料 ↓在新标签页中打开}

RDD 的识别依赖「局部随机化」假设：个体不能精确操纵评分变量以选择是否接受处理。若存在操纵（如考生通过关系修改分数），断点附近的比较将失效；McCrary 密度检验与协变量连续性检验是常用的诊断手段。^{8383Regression Discontinuity Designs in Economicsaeaweb.org前往参考资料 ↓在新标签页中打开|8585Manipulation of the Running Variable in the Regression Discontinuity Design: A Density Testsciencedirect.com前往参考资料 ↓在新标签页中打开}

工具变量与断点回归都属于「设计导向」（design-based）的因果识别策略，与倾向得分匹配、回归调整等「模型导向」方法不同：它们不要求观测并控制全部混淆变量，而是借助外部变异（工具或阈值）来绕开未观测混淆。这一区分在 因果推断 框架中被反复强调。^{1212Mostly Harmless Econometrics: An Empiricist's Companionpress.princeton.edu前往参考资料 ↓在新标签页中打开}

工具变量估计量（如两阶段最小二乘 2SLS）在弱工具（工具与处理变量相关性很弱）情形下会产生严重偏倚与不可靠的置信区间；Stock–Yogo 临界值与第一阶段 F 统计量是判断弱工具的常用诊断，一般建议 F 值明显高于 10 的经验门槛。^{8686Testing for Weak Instruments in Linear IV Regressionnber.org前往参考资料 ↓在新标签页中打开|8787A Survey of Weak Instruments and Weak Identification in Generalized Method of Momentstandfonline.com前往参考资料 ↓在新标签页中打开}

在实证实践中，工具变量与断点回归常被组合使用或相互印证：例如当政策阈值同时提供了工具变量式的变异时，研究者会比较 2SLS 与 RDD 估计结果的一致性，以增强对识别策略的信心。^{1212Mostly Harmless Econometrics: An Empiricist's Companionpress.princeton.edu前往参考资料 ↓在新标签页中打开|8989Identification and Estimation of Local Average Treatment Effectsjstor.org前往参考资料 ↓在新标签页中打开}

工具变量方法在孟德尔随机化（Mendelian randomization）中被系统化应用：以基因变异作为暴露的工具变量，利用基因在受孕时近似随机分配的特性来规避环境混淆，这一思路已成为流行病学与遗传流行病学中处理未观测混淆的标准设计之一。^{9090Mendelian Randomization: Methods for Causal Inference Using Genetic Variantsroutledge.com前往参考资料 ↓在新标签页中打开}

在声音情绪（vocal emotion）实验中，若被试需在不同背景噪音条件下朗读或听辨语句，背景噪音水平常与目标情绪类别系统性地共变：例如愤怒、恐惧等高唤醒情绪多在“无噪音/低噪音”条件下录制，而中性或悲伤语句被安排在“有噪音”条件下，此时背景噪音就成为情绪与声学特征（如基频、能量）之间关系的混淆变量。^{9191Vocal expression of emotion: Acoustic properties of speech are associated with emotional intensity and contextjournals.sagepub.com前往参考资料 ↓在新标签页中打开}

音量（loudness / 声压级）是声音情绪研究中最常被提取的声学参数之一，但它同时受录音增益、麦克风距离与说话人发声努力（vocal effort）影响；若实验未对录音链路的增益做校准或记录，音量差异就可能把“情绪效应”与“设备/设置效应”混在一起，构成典型的测量层混淆。^{9292Praat: doing phonetics by computer (声学分析工具与参数说明)fon.hum.uva.nl前往参考资料 ↓在新标签页中打开}

背景噪音不仅通过掩蔽（masking）降低语音可懂度，还会诱发伦巴德效应（Lombard effect）：说话人在噪音中会不自觉地提高音量、抬高基频并改变频谱倾斜。这意味着“噪音条件”会直接改变被试的发声行为，使噪音成为影响音量这一中介变量的前置变量，而非单纯的干扰项。^{9393The Lombard effect and other noise-induced vocal modifications: a reviewpubs.aip.org前往参考资料 ↓在新标签页中打开}

在情绪语音数据库的构建中，若不同情绪由不同说话人或不同录音场次采集，说话人身份与录音环境就会与情绪标签完全或部分共线（confounded）。此类设计下，分类器学到的“情绪”可能实际是说话人或信道特征，这是情绪语音识别文献中被反复报告的混淆来源。^{9494Emotional speech databases: a review of design and confounding issuessciencedirect.com前往参考资料 ↓在新标签页中打开}

针对上述混淆，实验设计层面的常见控制手段包括：在同一说话人内平衡各情绪与噪音条件的组合（被试内全因子设计）、对录音增益与麦克风距离做标准化并记录、以及在分析时将说话人作为随机效应纳入混合模型，从而把说话人/信道方差与情绪方差分离。^{9595Mixed-effects modeling with crossed random effects for subjects and itemssciencedirect.com前往参考资料 ↓在新标签页中打开}

统计层面，若噪音条件与情绪类别不完全共线，可在回归或混合模型中把背景噪音信噪比（SNR）作为协变量纳入，以估计控制噪音后的情绪效应；但若两者完全共线，则任何统计校正都无法识别情绪效应，只能回到设计层面解决。^{33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开}

在跨语料（cross-corpus）情绪语音识别中，背景噪音与录音信道差异被普遍视为导致性能骤降的主要混淆因素之一；文献中常通过信道补偿、特征归一化或对抗训练来缓解，但这些方法只能减轻而不能消除设计阶段引入的共线。^{9797Cross-corpus acoustic emotion recognition: variances and strategiesieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

咖啡与健康研究中的吸烟混杂是观察性流行病学里被引用最多的混淆案例之一：早期多项队列与病例对照研究发现「喝咖啡者死亡率/冠心病风险更高」，但咖啡饮用者中吸烟者比例显著高于不喝咖啡者，而吸烟本身是这些结局的强危险因素，因此未经调整的关联被吸烟混杂向上偏倚。^{9898Coffee consumption and health: umbrella review of meta-analyses of multiple health outcomesbmj.com前往参考资料 ↓在新标签页中打开|9999Coffee drinking and mortality in 10 European countries: a multinational cohort studyacpjournals.org前往参考资料 ↓在新标签页中打开}

该案例的经典量化证据来自 1970 年代至 1980 年代的大型队列：在调整吸烟后，咖啡与冠心病之间的关联大幅减弱甚至消失。例如在 Framingham 研究等队列中，未调整模型里咖啡饮用与冠心病呈正相关，而控制吸烟包年数后关联不再显著。^{9999Coffee drinking and mortality in 10 European countries: a multinational cohort studyacpjournals.org前往参考资料 ↓在新标签页中打开|100100Coffee and coronary heart disease: a review of the literaturepubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

吸烟与咖啡饮用之间存在强行为学关联：尼古丁会加速咖啡因代谢，吸烟者倾向于摄入更多咖啡因以维持同等效应，这使吸烟成为咖啡摄入量的下游共同原因之一，也使「咖啡摄入量」与「吸烟量」在人群中高度共变。^{101101Caffeine metabolism and smoking: effects of smoking on caffeine clearancepubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开|102102Smoking and coffee drinking: a review of the associationpubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

在因果图（DAG）语言中，该结构可表示为：吸烟 → 咖啡饮用、吸烟 → 健康结局，吸烟是咖啡与结局之间的共同原因（confounder）；若只调整「咖啡摄入量」而不调整吸烟，则咖啡—结局路径被吸烟路径污染，估计值不可解释为因果效应。^{1111Causal Inference: What Ifhsph.harvard.edu前往参考资料 ↓在新标签页中打开}

该案例常被用作「观察性研究必须调整吸烟」的教学范例：在流行病学教材与因果推断教材中，咖啡—吸烟—健康结局被反复用来演示混杂偏倚的方向与量级，并说明为何单变量分析会得出误导性结论。^{1111Causal Inference: What Ifhsph.harvard.edu前往参考资料 ↓在新标签页中打开}

该案例也暴露了「调整过度」的风险：若把吸烟视为中介（咖啡 → 吸烟 → 结局）而加以调整，会引入对总效应的有偏估计；正确做法是依据因果图判断吸烟是混杂还是中介，而非机械地把所有协变量放入模型。^{1111Causal Inference: What Ifhsph.harvard.edu前往参考资料 ↓在新标签页中打开|105105Overadjustment bias and the role of causal diagrams in confounder selectionpubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

在咖啡—吸烟案例中，吸烟的测量误差（自报吸烟量低估）会导致残余混杂，即使统计上「已调整吸烟」，关联仍可能被高估；这提示混杂控制的效果取决于混杂变量测量的准确性。^{106106Measurement error and residual confounding in observational studies of coffee and healthpubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

辛普森悖论指在分组数据中呈现的关联方向（例如某结果在每一层内都偏向某一组），在把各层合并成总体后发生反转或消失的现象；在因果推断语境中，它通常被解释为分层变量本身是一个混淆变量，未加控制时总体比较混合了组间构成差异。^{108108Simpson's paradox and confounding variablesblogs.sas.com前往参考资料 ↓在新标签页中打开}

SAS 博客 The DO Loop 用一个具体例子说明混淆变量如何改变结论：身高与体重的原始相关系数为 0.88，把年龄作为混淆变量做偏相关（对年龄回归后取残差再算相关）后降为 0.7，说明控制混淆变量会实质性改变关联强度。^{108108Simpson's paradox and confounding variablesblogs.sas.com前往参考资料 ↓在新标签页中打开}

Kronman 等人 2010 年发表于《Women's Health Issues》的研究把“养老院居住”作为混淆变量，用以解释美国老年人在 Medicare 利用上的性别差异，并在标题中明确将其称为辛普森悖论的一个实例。^{107107Nursing home residence confounds gender differences in Medicare utilization an example of Simpson's paradoxpubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

该研究指出，美国老年人医疗服务利用上的性别差异可能被养老院居住状况所混淆；Medicare 数据中有若干文件可用于构造养老院居住的度量，作者据此在分析中控制这一分层变量。^{107107Nursing home residence confounds gender differences in Medicare utilization an example of Simpson's paradoxpubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

潜在结果框架（Potential Outcomes Framework, POF）把因果效应定义为同一个体在接受处理与不接受处理两种潜在状态下的结果之差，这一「平行世界」式的定义使因果效应可以被形式化地写成个体层面的对比，而不必依赖处理与结果之间的相关性。^{110110混杂与潜结果框架scipedia.bohrium.com前往参考资料 ↓在新标签页中打开}

在潜在结果框架下，混淆变量被定义为同时影响处理分配（treatment assignment）与结果（outcome）的变量；它制造出处理与结果之间的虚假关联，是观察性研究中估计因果效应的主要障碍。^{110110混杂与潜结果框架scipedia.bohrium.com前往参考资料 ↓在新标签页中打开}

潜在结果框架要从不含随机化的观测数据中识别因果效应，需要依赖可交换性（exchangeability）、正定性（positivity）与一致性（consistency）等核心假设；控制混淆的方法包括回归调整、倾向性得分（propensity score）调整与工具变量等。^{110110混杂与潜结果框架scipedia.bohrium.com前往参考资料 ↓在新标签页中打开}

大量基于潜在结果框架的因果推断模型（CIMs-POF）默认采用「混淆协变量假设」（assumption of Confounding Covariates），即假定协变量集合中全部都是混淆变量；该假设在真实数据中往往难以成立，把非混淆协变量误判为混淆变量会影响因果推断的表现。^{109109Does Misclassifying Non-confounding Covariates as Confounders Affect the Causal Inference within the Potential Outcomes Framework?ar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

潜在结果框架被描述为一种跨学科的通用语言，其应用覆盖医学与药物研发、公共政策评估、生态与环境保护、经济学以及人工智能公平性等领域，用于从混乱的观测数据中理清因果结构。^{110110混杂与潜结果框架scipedia.bohrium.com前往参考资料 ↓在新标签页中打开}

在结构因果模型（Structural Causal Model, SCM）中，混淆变量被形式化为同时指向处理变量 X 与结果变量 Y 的节点（即存在路径 X ← Z → Y），其存在使后门路径 X ← Z → Y 保持开放，从而在仅以 P(Y|X) 做条件时把 Z 对 Y 的效应与 X 对 Y 的效应混在一起。^{111111Causal Diagrams for Empirical Researchacademic.oup.com前往参考资料 ↓在新标签页中打开}

Pearl 提出的后门准则（back-door criterion）给出了识别混淆变量集合的图论判据：若节点集合 Z 中不含 X 的后代，且 Z 阻断了 X 与 Y 之间所有以指向 X 的箭头起始的路径，则通过对 Z 分层调整即可识别 X 对 Y 的因果效应，公式为 P(y|do(x)) = Σ_z P(y|x,z)P(z)。^{111111Causal Diagrams for Empirical Researchacademic.oup.com前往参考资料 ↓在新标签页中打开}

do-演算（do-calculus）由 Pearl 于 1995 年提出，包含三条推理规则（插入/删除观测、动作与观测互换、插入/删除动作），它们构成一个完备的公理系统：只要目标因果效应可由观测数据与因果图识别，就一定能通过有限次应用这三条规则推导出来。^{111111Causal Diagrams for Empirical Researchacademic.oup.com前往参考资料 ↓在新标签页中打开|112112Identifiability of Causal Effects using Do-Calculusarxiv.org前往参考资料 ↓在新标签页中打开}

do-演算的完备性由 Huang 与 Valtorta 于 2006 年给出证明，Shpitser 与 Pearl 于 2006 年独立给出了可识别性算法；这意味着在因果图已知的前提下，「混淆变量是否已被充分调整」可以转化为一个可判定的图论问题，而不再依赖研究者的直觉。^{112112Identifiability of Causal Effects using Do-Calculusarxiv.org前往参考资料 ↓在新标签页中打开}

在 SCM 框架下，混淆变量与「未观测混淆」被区分对待：若 Z 可观测，后门调整即可消除偏倚；若 Z 不可观测，则需要前门准则（front-door criterion）、工具变量或代理变量等替代识别策略，而这些策略的适用条件同样可以用因果图刻画。^{111111Causal Diagrams for Empirical Researchacademic.oup.com前往参考资料 ↓在新标签页中打开}

潜在结果框架（Rubin 因果模型）把混淆定义为处理分配机制不满足可交换性（exchangeability），即 Y(1), Y(0) ⊥̸ X；SCM 的后门准则与潜在结果框架下的条件可交换性（Y(x) ⊥ X | Z）在无因果图歧义时是等价的，两套框架对混淆变量的刻画因此可以互相翻译。^{113113Statistics and Causal Inferencetandfonline.com前往参考资料 ↓在新标签页中打开}

在机器学习与因果推断交叉领域，SCM 与 do-演算被用作「因果表示学习」与「稳定预测」的理论基础：混淆变量被视为导致分布偏移下模型失效的根源，识别并调整混淆变量被形式化为学习不变预测（invariant prediction）的问题。^{114114Invariant Risk Minimizationarxiv.org前往参考资料 ↓在新标签页中打开}

do-演算的三条规则在 1995 年论文中以「causal calculus」之名提出，其符号 do(x) 表示对 X 施加外部干预、切断所有指向 X 的箭头，这一记号此后成为因果推断文献中表示干预的标准写法。^{111111Causal Diagrams for Empirical Researchacademic.oup.com前往参考资料 ↓在新标签页中打开}

「未测量混淆」（unmeasured confounding）指研究者无法观测、因而无法在统计模型中直接调整的混淆变量。它是观察性因果推断中最主要的威胁之一：即使研究者已经调整了所有可测量的协变量，只要仍存在与处理变量和结果变量都相关的未观测因素，基于可观测变量调整的估计量（如回归系数、倾向得分匹配估计）就可能仍然有偏。^{33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开|44Confounding and Collapsibility in Causal Inferenceprojecteuclid.org前往参考资料 ↓在新标签页中打开}

在潜在结果框架下，可忽略性假设（ignorability / unconfoundedness）要求给定协变量后处理分配与潜在结果独立。未测量混淆的存在直接违反这一假设，因此它是混淆变量问题在实践中最难处理的部分：可测量混淆可以通过设计或调整消除，而未测量混淆只能通过敏感性分析、工具变量、断点回归、双重差分等识别策略或更强的设计假设来间接应对。^{33Causal Inference: What Ifmiguelhernan.org前往参考资料 ↓在新标签页中打开|1212Mostly Harmless Econometrics: An Empiricist's Companionpress.princeton.edu前往参考资料 ↓在新标签页中打开}

Rosenbaum 与 Rubin（1983）在提出倾向得分方法时即明确指出，倾向得分只能平衡可观测协变量，无法消除未测量混淆带来的偏倚；他们同时提出用敏感性分析来评估结果对隐藏偏倚的稳健程度。这一限定条件常被后续应用研究忽略。^{1818The central role of the propensity score in observational studies for causal effectsacademic.oup.com前往参考资料 ↓在新标签页中打开}

敏感性分析是应对未测量混淆的主流事后手段。Rosenbaum 边界（Rosenbaum bounds）通过设定两个观测单位在处理分配几率上最大可相差的倍数 Γ，考察在多大 Γ 下推断结论仍成立；E-value 则把风险比等效应量转换为「需要多强的未测量混淆才能把效应解释掉」的尺度，便于跨研究比较。^{115115Observational Studies（第2版，Rosenbaum 边界与敏感性分析）link.springer.com前往参考资料 ↓在新标签页中打开|4949Sensitivity Analysis in Observational Research: Introducing the E-Valueacpjournals.org前往参考资料 ↓在新标签页中打开}

工具变量、断点回归、双重差分等准实验设计被广泛视为缓解未测量混淆的识别策略，但它们各自依赖不可检验的假设：工具变量需满足排他性约束，断点回归需在阈值附近连续，双重差分需满足平行趋势。这些假设一旦不成立，未测量混淆仍会污染估计，因此「用了准实验方法」并不等于「已解决未测量混淆」。^{1212Mostly Harmless Econometrics: An Empiricist's Companionpress.princeton.edu前往参考资料 ↓在新标签页中打开|116116Identification of Causal Effects Using Instrumental Variablestandfonline.com前往参考资料 ↓在新标签页中打开}

未测量混淆的局限还体现在可复现性上：不同研究即使针对同一处理—结果关系，若未测量的混淆结构不同，调整可观测变量后的估计也可能系统性偏离，导致文献间结论不一致，而这种不一致本身无法仅凭现有数据判别是真实异质性还是隐藏偏倚所致。^{2323Confounding and Effect Modificationacademic.oup.com前往参考资料 ↓在新标签页中打开|2626The direction of confounding biasjournals.lww.com前往参考资料 ↓在新标签页中打开}

过度调整偏倚（overadjustment bias）指在因果推断中，为控制混淆而纳入的变量本身是暴露—结局路径上的中介变量（或中介变量的后代），或是由暴露与结局共同导致的对撞变量（collider），从而人为引入或放大偏倚。其核心判据不是「调整得越多越好」，而是被调整变量在因果图中的位置：只有位于暴露与结局之间、且不在暴露→结局路径上的共同原因才应被调整。^{117117Overadjustment Bias and Unnecessary Adjustment in Epidemiologic Studiesjournals.lww.com前往参考资料 ↓在新标签页中打开|118118Causal Diagrams for Epidemiologic Researchjournals.lww.com前往参考资料 ↓在新标签页中打开}

Schisterman、Cole 与 Platt 在 2009 年《Epidemiology》上发表的论文系统提出了「overadjustment bias」这一术语，并将其区分为两类：调整中介变量（mediator）导致的过度调整，以及调整由暴露与结局共同导致的对撞变量（collider）导致的过度调整。该文成为后续方法学讨论的标准引文。^{117117Overadjustment Bias and Unnecessary Adjustment in Epidemiologic Studiesjournals.lww.com前往参考资料 ↓在新标签页中打开}

在因果有向无环图（DAG）框架下，调整中介变量会阻断暴露通过该中介传导至结局的因果路径，使估计量偏离「总效应」而趋近「直接效应」；若研究者本意是估计总效应，这种调整即构成过度调整偏倚。因此「是否应调整某变量」取决于所估计的因果量（总效应还是直接效应），而非变量本身是否与结局相关。^{118118Causal Diagrams for Epidemiologic Researchjournals.lww.com前往参考资料 ↓在新标签页中打开|119119The Table 2 Fallacy: Presenting and Interpreting Confounder and Modifier Coefficientsacademic.oup.com前往参考资料 ↓在新标签页中打开}

调整对撞变量（collider）会在暴露与结局之间打开一条原本被阻断的非因果路径，从而产生选择偏倚或对撞分层偏倚。经典例子是调整「住院」这一由暴露与结局共同导致的变量：在住院人群中分析暴露与结局的关系，会人为制造出二者之间的虚假关联。^{118118Causal Diagrams for Epidemiologic Researchjournals.lww.com前往参考资料 ↓在新标签页中打开|120120Quantifying Biases in Causal Models: Classical Confounding vs Collider-Stratification Biasjournals.lww.com前往参考资料 ↓在新标签页中打开}

在观察性研究中，过度调整偏倚与残余混淆构成一对方向相反的误差来源：前者因调整了不该调整的变量而引入偏倚，后者因遗漏了应调整的变量而残留偏倚。二者不能通过「多调整一些变量以求保险」的策略同时消除，变量选择必须依据因果结构而非统计显著性。^{117117Overadjustment Bias and Unnecessary Adjustment in Epidemiologic Studiesjournals.lww.com前往参考资料 ↓在新标签页中打开|119119The Table 2 Fallacy: Presenting and Interpreting Confounder and Modifier Coefficientsacademic.oup.com前往参考资料 ↓在新标签页中打开}

「调整所有可观测变量」的朴素做法在实证研究中被反复证明有害。Westreich 与 Greenland 在 2013 年提出「表 2 谬误」（Table 2 fallacy）：把同一模型中针对不同暴露、不同结局的回归系数不加区分地解释为因果效应，忽略了每个系数对应的因果结构可能不同，其中就包括对中介变量与对撞变量的误调整。^{119119The Table 2 Fallacy: Presenting and Interpreting Confounder and Modifier Coefficientsacademic.oup.com前往参考资料 ↓在新标签页中打开}

过度调整偏倚并非纯理论问题：在围产期流行病学、社会流行病学与临床研究中，调整出生体重、妊娠期高血压等位于暴露—结局路径上的变量，已被指出会系统性扭曲对总效应的估计。这类案例常被用作教学示例，说明「与结局强相关」不足以构成调整理由。^{117117Overadjustment Bias and Unnecessary Adjustment in Epidemiologic Studiesjournals.lww.com前往参考资料 ↓在新标签页中打开|120120Quantifying Biases in Causal Models: Classical Confounding vs Collider-Stratification Biasjournals.lww.com前往参考资料 ↓在新标签页中打开}

在机器学习与预测建模语境中，过度调整偏倚的对应问题是「泄漏」（leakage）：把结局的后代变量或与结局同时产生的变量纳入特征，会在训练集上得到虚高的预测性能，并在部署后失效。其因果结构与对撞调整同源，只是术语体系不同。^{122122Leakage in Data Mining: Formulation, Detection, and Avoidancedl.acm.org前往参考资料 ↓在新标签页中打开}

过度调整偏倚的识别依赖先验的因果知识而非数据本身：仅凭观测数据无法判断某变量是混淆变量、中介变量还是对撞变量，必须借助领域知识、时序信息或外部实验证据构建因果图。这是该方法学局限的核心——因果图错了，变量选择规则再严谨也无济于事。^{118118Causal Diagrams for Epidemiologic Researchjournals.lww.com前往参考资料 ↓在新标签页中打开|119119The Table 2 Fallacy: Presenting and Interpreting Confounder and Modifier Coefficientsacademic.oup.com前往参考资料 ↓在新标签页中打开}

「与暴露和结局均相关」这一传统操作性标准的一个已知缺陷是：它无法区分真正的混淆变量与对撞变量。若某变量同时是暴露与结局的共同后果，按该标准会被误判为混淆变量并加以调整，从而在暴露与结局之间引入原本不存在的关联（对撞分层偏倚）。^{1111Causal Inference: What Ifhsph.harvard.edu前往参考资料 ↓在新标签页中打开}

在潜在结局框架下，混淆被形式化为「处理组与对照组在潜在结局上的分布不可交换」，操作性检验因此转向检验可交换性假设，而非检验某个具体变量与暴露、结局的相关性。这一转向使混淆的定义依赖于所设定的因果模型，而非仅依赖观测数据中的关联结构。^{1111Causal Inference: What Ifhsph.harvard.edu前往参考资料 ↓在新标签页中打开|124124Confounding in observational studies: definition and controlpubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

由于混淆变量的操作性定义依赖于因果假设，而因果假设本身通常无法仅由观测数据检验，文献中普遍承认：不存在纯数据驱动的、无需背景知识的混淆变量识别程序；任何操作性标准都必须辅以领域知识或设计信息。^{1111Causal Inference: What Ifhsph.harvard.edu前往参考资料 ↓在新标签页中打开|124124Confounding in observational studies: definition and controlpubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

在 experimental-design 层面，随机化通过切断处理分配与潜在混淆变量的关联，使混淆的操作性定义问题在理想情况下被绕开；但在观察性研究中，该问题无法回避，这也是操作性定义争论主要集中在观察性研究领域的原因。^{123123Modern Epidemiology, 3rd Editionncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开|124124Confounding in observational studies: definition and controlpubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}