當「校正了所有變項」反而讓答案更錯：因果推論的暗礁

當「校正了所有變項」反而讓答案更錯：因果推論的暗礁

你已經知道：同一份資料，描述的角度不同就能講出兩個故事。入門篇談的是「混淆（confounding）會讓相關看起來像因果」，於是大家學會了一個直覺——把能想到的變項全部放進迴歸模型「校正」就對了。

但這個直覺在流行病學裡是危險的。請先想一個情境：研究者想知道「孕婦吸菸是否害嬰兒死亡率上升」。攤開大型出生登記資料，做一件看似理所當然的事——只看「低出生體重」的嬰兒，比較媽媽有沒有吸菸。結果竟然出現著名的「出生體重悖論」（birth weight paradox）：在低體重嬰兒裡，吸菸媽媽的嬰兒死亡率反而比較低。難道吸菸是保護因子？

當然不是。問題出在：研究者「控制」了一個本不該控制的變項。這篇進階文章，要帶你看清楚為什麼「校正越多越好」是迷思，以及現代流行病學如何用一套圖形語言（DAG）與反事實框架，把「該調整什麼」這件事從直覺變成可推導的科學。

從「關聯」到「因果」：我們真正想問的是什麼

入門篇反覆提醒「相關不等於因果」，但很少說清楚：因果到底是什麼意思？

現代流行病學採用「潛在結果」（potential outcomes，又稱反事實 counterfactual）的定義。對個體 $i$ 來說，存在兩個可能的結果：

• $Y_i(1)$：若這個人「暴露」（例如吸菸）會發生的結果。
• $Y_i(0)$：若同一個人「未暴露」會發生的結果。

個體因果效應就是 $Y_i(1) - Y_i(0)$。但這裡有個無法迴避的事實——任何一個人，我們最多只能觀察到其中一個結果（一個人不可能同時吸菸又不吸菸）。這被稱為「因果推論的根本問題」（fundamental problem of causal inference）。我們觀察不到個體效應，只能退而求其次，估計族群層次的平均因果效應（average treatment effect）：$E[Y(1)] - E[Y(0)]$。

關鍵在於：在隨機分派的實驗（randomized controlled trial, RCT）裡，因為暴露組與未暴露組在分派前「可交換」（exchangeable），我們觀察到的 $E[Y \mid A=1] - E[Y \mid A=0]$ 才會等於真正的因果效應。但在觀察性研究裡，兩組人本來就不一樣（會吸菸的人也許壓力大、社經地位不同），「關聯」與「因果」之間就出現了裂縫。混淆、選擇偏差、測量誤差，都是讓這道裂縫張開的力量。

DAG：把因果假設畫成一張圖

要判斷「該校正哪些變項」，光靠直覺會出錯（出生體重悖論就是例子）。現代工具是有向無環圖（Directed Acyclic Graph, DAG）。它用箭頭表示「誰是誰的原因」，把研究者腦中的因果假設攤在桌面上，讓「該調整什麼」變成可以從圖的結構讀出來的規則。

DAG 裡有三種基本結構，決定了統計關聯如何沿著路徑流動：

1. 中介鏈（chain）：$A \rightarrow M \rightarrow Y$

$A$ 透過 $M$ 影響 $Y$（$M$ 是中介變項 mediator）。例如吸菸 → 肺部發炎 → 肺癌。如果你「校正」了 $M$，等於把 $A$ 經由 $M$ 的效應切斷，會低估總效應。這就是「過度校正」（overadjustment）的一種。

2. 分叉（fork）：$A \leftarrow C \rightarrow Y$

$C$ 同時是 $A$ 與 $Y$ 的共同原因——這正是混淆因子（confounder）的圖形定義。例如「年齡」同時影響「是否運動」與「心臟病風險」。此時 $A$ 與 $Y$ 之間存在一條「後門路徑」（backdoor path），即使 $A$ 對 $Y$ 沒有因果效應，也會看到關聯。校正 $C$ 可以關閉這條後門，是該做的調整。

3. 對撞（collider）：$A \rightarrow K \leftarrow Y$

$K$ 是 $A$ 與 $Y$ 的共同結果（collider，對撞節點）。在自然狀態下，這條路徑是封閉的——$A$ 與 $Y$ 不會因為 $K$ 而產生關聯。但一旦你「校正 $K$」、或只在某個 $K$ 值的子群裡分析（例如只看低出生體重嬰兒），就會打開這條路徑，憑空製造出虛假關聯。這就是對撞偏差（collider bias）。

三種結構的對比，正好顛覆了入門的直覺：fork 要調整、chain 與 collider 不要調整。「校正越多越好」之所以錯，就是因為它分不清這三者。

看一個例子：出生體重悖論的真相

回到開頭的謎題。畫出 DAG：

• 母親吸菸 $A \rightarrow$ 低出生體重 $K$
• 其他病因（如先天缺陷、胎盤異常）$U \rightarrow$ 低出生體重 $K$
• 母親吸菸 $A \rightarrow$ 嬰兒死亡 $Y$
• 其他病因 $U \rightarrow$ 嬰兒死亡 $Y$（而且 $U$ 對死亡的影響通常更致命）

「低出生體重 $K$」是吸菸與其他病因的共同結果——它是一個對撞節點。當研究者「只看低出生體重的嬰兒」，等於是在對撞點上做了分層（conditioning on a collider）。

直覺上會這樣推理：一個嬰兒體重很低，如果他媽媽沒吸菸，那體重低就更可能是由那些更致命的「其他病因 $U$」造成的；反之，如果媽媽有吸菸，至少有一部分低體重「只是」吸菸造成的、相對沒那麼致命。於是在低體重這個子群裡，「未吸菸」反而和「更嚴重的潛在病因」綁在一起，死亡率就被拉高了。吸菸看起來「保護」嬰兒，純粹是對撞偏差製造的幻覺。

這個例子的教訓很硬：選擇研究對象的方式（只看某子群）本身就是一種「校正」，而且可能引入偏差。它不是計算錯誤，是因果結構被誤解。

選擇偏差，其實也是對撞偏差

對撞偏差不只出現在「刻意分層」，它更常藏在樣本是怎麼被選進來的。

• 住院偏差（Berkson's bias）：在醫院裡研究「疾病 A 與疾病 B 的關聯」。能不能住院（被納入研究）是兩種病的共同結果——病得夠重才會住院。於是在「住院病人」這個樣本裡，A 與 B 會出現本不存在的負關聯。
• 失訪偏差（loss to follow-up）：長期追蹤研究中，若「暴露」與「結果」都會影響一個人是否中途退出，那麼「留在研究裡」就是一個對撞節點，只分析留下來的人會產生偏差。
• 自我選擇樣本：網路問卷裡「願意填問卷的人」可能同時受暴露與健康狀況影響，這也是同一種結構。

把選擇偏差視為「在對撞節點上分層」的統一觀點，是現代流行病學的一大進步（Hernán、Greenland 等人的工作）。它讓「樣本代表性」這個老問題，有了可以用 DAG 推導、而非只能憑經驗喊的處理方式。

M-bias：為什麼「多校正一個無害變項」也可能出錯

入門生最容易踩的最後一個雷叫做 M-bias。考慮這張像字母 M 的圖：

$$A \leftarrow U_1 \rightarrow K \leftarrow U_2 \rightarrow Y$$

這裡 $K$ 是某個你「順手」測量到、看起來和暴露、結果都沾點邊的變項（例如某個基因標記、某個前測指標）。注意：$K$ 不是混淆因子——它不在 $A \rightarrow Y$ 的後門路徑上，原本這條路徑是封閉的（因為 $K$ 是對撞點）。

但若你抱著「校正越多越安全」的心態把 $K$ 放進模型，就會打開這條對撞路徑，讓 $A$ 與 $Y$ 之間憑空長出關聯——明明 $A$ 對 $Y$ 沒有任何因果效應，你卻會估出一個顯著的「效應」。

M-bias 之所以陰險，是因為光看資料、看相關係數，你分不出 $K$ 是「該調整的混淆因子」還是「不該碰的對撞點」——唯有靠領域知識畫出 DAG 才能判斷。這也是為什麼資料科學裡「把所有特徵丟進去讓模型自己決定」的做法，在因果推論場景是不適用的：統計學無法從關聯結構裡反推因果方向，那需要你帶進來的科學假設。

不是所有差異都是「偏差」：效應修飾

最後談一個常被和混淆搞混的概念——效應修飾（effect modification）或交互作用（interaction）。

混淆是「需要被移除的偏差」；效應修飾則是「真實存在、值得報告的現象」。當暴露對結果的效應，在不同次族群裡大小不同，就叫效應修飾。例如：

• 某疫苗對年輕人保護力 90%，對 65 歲以上長者只有 60%——年齡是效應修飾因子。
• 黃麴毒素對肝癌的效應，在 B 型肝炎帶原者身上遠大於非帶原者——這是經典的生物學交互作用。

這裡藏著一個尺度的陷阱：效應修飾依「測量尺度」而定。同一份資料，用「相對風險」（ratio scale）看可能沒有交互作用，用「風險差」（difference scale，即可歸因風險）看卻有——反之亦然。這在公共衛生上極為重要：制定族群層級介入時，我們在意的是「能避免多少病例」（絕對尺度），而臨床上常用相對尺度。報告交互作用時，必須講清楚你用的是哪一種尺度，否則又會掉回「同一份資料兩個故事」的老坑。

動手試試：判斷該不該校正

給你一個 DAG，試著判斷「研究 $A \rightarrow Y$ 的因果效應時，下列變項該不該放進迴歸模型」：

題目：$A \rightarrow Y$；$A \leftarrow C \rightarrow Y$；$A \rightarrow M \rightarrow Y$；$A \rightarrow K \leftarrow Y$。

• $C$：該調整。它是混淆因子（fork），不調整會留下後門路徑。
• $M$：不要調整。它是中介變項（chain），調整會切掉一部分真實的因果效應，低估總效應（除非你刻意要做中介分析、拆解直接與間接效應，那是另一個目標）。
• $K$：絕對不要調整。它是對撞點，調整會憑空製造偏差。

只有正確識別這三種角色，你的迴歸係數才能解讀為因果效應。這套判準有個正式名稱叫「後門準則」（backdoor criterion）：找出一組變項，能關閉所有後門路徑、同時不打開任何對撞路徑、不擋住因果路徑，就是該調整的最小充分集。

重點回顧

• 因果的定義是反事實：平均因果效應 $E[Y(1)] - E[Y(0)]$，而我們對每個人只看得到一半，因此觀察性研究的「關聯」與「因果」之間天生有裂縫。
• 「校正越多越好」是迷思。DAG 的三種結構決定一切：分叉（混淆）要調整、中介鏈不要調整（會低估）、對撞點絕不能調整（會製造偏差）。
• 對撞偏差統一了選擇偏差：只看子群、住院樣本、失訪、自我選擇問卷，本質都是「在對撞節點上分層」，會打開虛假關聯。出生體重悖論就是最著名的案例。
• M-bias 警告我們：光看資料無法判斷一個變項是混淆因子還是對撞點，只有靠領域知識畫 DAG 才能決定——這是因果推論和純預測模型的根本分野。
• 效應修飾是真實現象、不是偏差，但它依測量尺度（相對 vs 絕對）而定，報告時務必說清楚尺度。

深入探討（研究所視角）

若你打算往流行病學或生物統計研究所走，這篇文章只是現代因果推論的入口。值得進一步追的方向有：

目標試驗模擬（target trial emulation）。 Hernán 與 Robins 主張，任何觀察性研究都應先明確寫出「如果我能做一個 RCT，它的納入條件、暴露定義、分派時點、追蹤起點會是什麼」，再用觀察資料去「模擬」這個理想試驗。這套框架直接消解了許多隱性偏差（特別是「不朽時間偏差」immortal time bias），已成為藥物流行病學的方法學主流。

處理「時變混淆」的 g-methods。 當暴露隨時間變化、而混淆因子同時又被前一期暴露影響時（例如愛滋病治療中，CD4 數值既影響是否用藥、又被先前用藥改變），傳統迴歸會同時造成「調整不足」與「過度調整」的兩難。Robins 發展的 g-formula、邊際結構模型（marginal structural models, 透過反機率加權 IPTW 估計）與 g-estimation，是處理這類縱貫資料的標準工具，也是進階生統課程的核心。

敏感度分析與 E-value。 觀察性研究永遠無法排除「未測量的混淆」。VanderWeele 提出的 E-value，量化「要有多強的未測量混淆，才足以推翻你觀察到的關聯」，讓研究者誠實面對因果結論的脆弱程度，現已被多本頂尖醫學期刊建議或要求報告。

工具變數與自然實驗。 當無法隨機分派時，借用一個「只透過暴露影響結果、不走其他路徑」的工具變項（如孟德爾隨機化 Mendelian randomization 用基因型當工具），可在較弱的假設下逼近因果效應，是遺傳流行病學近十年的爆發領域。

這些方法共同的精神是：統計從來不能單獨產生因果結論，它需要你帶進可被檢驗、可被畫出來的科學假設。 DAG 與反事實框架的價值，不在於給出更複雜的數學，而在於逼迫研究者把「我假設世界如何運作」誠實寫下來——這正是把「兩個故事」收斂回「一個可辯護的因果主張」的關鍵一步。