.png){kind=icon}
研究技能
混杂变量：它是什么，以及如何识别
本文介绍了混杂变量的定义、形成原因及识别方法，并通过咖啡、吸烟与心脏病的虚构数据，说明混杂变量如何造成虚假相关。文章还比较了混杂变量、中介变量和碰撞变量的区别，解释了随机化、匹配、分层和回归分析等控制方法，并总结了相关局限性与常见错误，帮助学生和研究人员更准确地判断变量之间的关系，避免错误推断因果关系。
混杂变量是一个隐藏的第三因素，它可能会让你误以为两者之间存在实际上并不存在的联系。它也可能掩盖真实存在的联系。让我们用简单的语言来解释。
它是什么意思？
想象一下，你正在研究两件事。第一件是你要检验的原因，称为自变量。第二件是你要测量的结果，称为因变量。
混杂变量是与这两者都有关联的第三个因素。它本身也会改变结果，而且它并不是位于两者之间的一个中间步骤。
你可能还会听到它的其他名称，例如潜在变量、隐藏变量或第三变量问题。这三个条件必须全部成立。如果缺少其中任何一个条件，它就不是混杂变量。
一个带有数字的简单示例
这些数字是为了帮助理解这一概念而虚构的，并非真实的研究数据。
想象有 1,000 个人。我们追踪他们的咖啡摄入量和心脏病情况。
群体 | 人数 | 心脏病病例数 | 风险 |
吸烟且喝咖啡的人 | 400 | 80 | 20% |
吸烟但不喝咖啡的人 | 100 | 20 | 20% |
不吸烟且喝咖啡的人 | 100 | 5 | 5% |
不吸烟且不喝咖啡的人 | 400 | 20 | 5% |
现在，让我们看看所有人整体的情况。喝咖啡的人中，500 人里有 85 人患有心脏病，占 17%。不喝咖啡的人中，500 人里有 40 人患有心脏病，占 8%。咖啡似乎有害。
但如果分别观察每个吸烟群体，就会发现咖啡摄入量没有带来任何变化。吸烟者无论是否喝咖啡，患病率都是 20%。不吸烟者无论是否喝咖啡，患病率都是 5%。
那么，发生了什么？在这组数据中，吸烟者喝咖啡更多，而吸烟会增加患病风险。吸烟就是混杂变量。这种虚假的联系通常被称为虚假相关。
像这样将人们分成不同群体的做法称为分层。这是发现这一问题最简单的方法之一。
阅读真实研究时，请检查作者如何处理混杂变量。简短的研究论文摘要可以帮助你快速找到研究方法部分。
如何识别混杂变量
选择一个可能的第三因素，并将其称为 C。然后问自己四个问题：
C 是否与原因有关联？
C 本身是否会影响结果？
原因是否会产生 C？如果是，C 可能是中介变量。
原因和结果是否都会产生 C？如果是，C 就是一个碰撞变量。不要对它进行调整。
如果答案依次是“是、是、否、否”，那么你就找到了一个混杂变量。
这里有一个实用技巧：在各个因素之间画出箭头。混杂变量的箭头会分别指向原因和结果。
混杂变量、中介变量和碰撞变量
这三个概念经常被混淆。箭头可以帮助区分它们。
类型 | 箭头模式 | 含义 | 是否需要调整？ |
混杂因素 | C 指向原因和结果 | 一个共同原因，造成虚假的关联 | 通常需要 |
中介变量 | 原因导致 M，随后 M 导致结果 | 解释原因如何产生作用 | 如果想估计总效应，则不需要 |
碰撞变量 | 原因和结果都指向 X | 调整可能产生虚假的关联 | 不需要 |
以下是每种情况的一个例子。
炎热天气会增加冰淇淋销量和游泳事故。天气就是混杂变量。
大量使用社交媒体会减少与朋友相处的时间，而这会导致孤独感。与朋友相处的时间减少就是中介变量，因为它位于因果路径中。
才能和外貌都有助于一个人成为名人。如果只研究名人，这两者之间可能会呈现出一种奇怪的关联。这就是碰撞变量偏差。
对中介变量进行调整可能会抹去你想要测量的部分效应。对碰撞变量进行调整则可能引入原本不存在的偏差。
外部变量和控制变量有什么区别？
外部变量是任何可能改变结果的外部因素。混杂变量是一种与原因也存在关联的外部变量。
控制变量是指你有意保持不变或加以控制的变量。处理混杂变量后，它就成为一个控制变量。
如何控制混杂变量
你可以在两个阶段采取措施。
收集数据之前：
随机化：通过随机分配将参与者分到不同组。这能使已知和隐藏的混杂因素大致均匀地分布在各组中。这也是实验在证明因果关系方面优于观察性研究的主要原因。
限制：只研究一个群体，例如不吸烟者。
匹配：根据年龄和性别等特征，将相似的人配对。
收集数据之后：
分层：在不同群体内部进行比较，例如上表所示。
回归：将混杂变量加入模型，以分离出它的影响。
倾向评分：一种可以同时平衡多个特征的方法。
请在查看结果之前确定混杂变量。事后选择变量容易引入偏差。
控制混杂变量无法解决的问题
没有任何方法是完美的。以下是其中的局限。
你无法调整未测量的混杂变量，因为你从未记录过它们。粗略的测量仍会留下残余混杂。与每天吸烟的包数相比，仅仅区分“是否吸烟”会隐藏许多信息。调整过多变量也可能带来负面影响。
如果没有随机化，你可以降低风险，但永远无法证明风险已经完全消除。一种名为 E 值的工具可以估算隐藏因素需要具有多强的影响力，才能解释掉某项研究结果。
常见错误
将每个额外变量都称为混杂变量
在调整中介变量后，仍然将其称为混杂变量
认为回归分析可以消除所有混杂因素
忘记相关性不等于因果关系
想寻找自己研究主题的相关研究吗？文献帮助是查找论文的好地方。
最后的想法
混杂变量很容易被忽略，但忽略它们可能会付出很大代价。画出箭头，回答四个问题，并诚实地说明哪些因素无法测量。这样才能让你的因果关系结论建立在可靠的基础上。
常见问题
混杂变量和自变量有什么区别？
自变量是你选择用来检验因果关系的原因。混杂变量则是你原本没有计划研究的外部因素，它会扭曲两者之间的联系。
混杂变量和中介变量有什么区别？
混杂变量先于原因，并产生虚假的联系。中介变量位于原因和结果之间，用来解释原因如何产生作用。
可以彻底消除混杂变量吗？
无法保证。随机对照实验最接近这一目标。在其他研究中，你可以减少混杂，但无法证明它已完全消除。
为什么混杂变量很重要？
它会威胁研究的内部效度。你可能会将结果归因于错误的原因，也可能忽略真实存在的原因。
什么是 Canyam？
Canyam让你能够搜索超过 6500 万篇研究论文，并阅读由 AI 生成的简短摘要。