有向无环图的常见错误

有向无环图（DAG）就像一张因果假设地图，展示你认为哪些变量会影响哪些变量。最常见的错误是调整那些看起来像混杂因素、实际上却会引入偏倚的变量，尤其是碰撞变量，也就是由另外两个变量共同导致的变量。当你控制一个碰撞变量时，就会在它的原因之间制造出虚假关联，导致碰撞偏倚。另一个常见错误是控制所有暴露前变量，这可能让你无意中调整了碰撞变量。正确的做法是：先根据相关领域的知识，找出所有会导致暴露、结局或入选研究的变量，再用有向无环图判断，调整哪些变量能阻断引入偏倚的路径，同时避免打开新的路径。 试试这样：把一个变量纳入调整集之前，先问问自己，它会不会是这个系统中另外两个原因的共同结果。

使用有向无环图时，错误通常来自三个方面：误解因果结构、依赖数据而不是因果假设，以及用过于简单的规则来选择混杂因素。

最危险的错误是对碰撞变量进行条件化，也就是在分析中控制它。碰撞变量有两个或更多箭头指向它，表示它由多个其他变量共同导致。当你通过分层、匹配或回归调整来控制碰撞变量时，就会打开一条连接其原因的后门路径，制造出原本不存在的虚假关联。如果碰撞变量经由两个未测量变量，处在连接暴露与结局的路径上，这种情况就叫作 M 型偏倚。即使碰撞变量在时间上早于暴露，调整它仍然可能引入偏倚。

第二个主要错误是控制所有暴露前变量。有时，这条规则会被教成“调整治疗前测量到的所有变量”。这个方法行不通，因为它可能让你无意中调整了碰撞变量。你应该使用析取原因准则：控制导致暴露、导致结局或同时导致两者的变量，但要排除已知的工具变量。工具变量会导致暴露，却与结局没有其他联系；调整它们可能放大未测量混杂因素带来的偏倚。

第三个错误是根据统计关联来画图，而不是根据因果假设。有向无环图中的箭头代表的是干预时会存在的因果关系，而不是数据中的相关性。即使两个变量之间存在因果箭头，如果不同效应在人群中相互抵消，它们在统计上仍可能相互独立。反过来，数据中的关联也可能误导你对因果结构的判断。

最后，许多有向无环图遗漏了重要节点，比如入选研究的过程或未测量变量。加入一个入选节点，可以帮助你理清人们是如何进入分析的，以及以入选为条件进行分析是否会引入偏倚，例如只分析存活者。未测量变量也应该明确画出来，让隐藏的假设显现出来。

关于有向无环图常见错误的研究，发现了一些在应用研究中反复出现的系统性问题。Suzuki 等人（2019）记录了十种常见错误，包括没有区分节点所代表的是随机变量还是变量的实际取值、不理解省略箭头意味着作出了“没有效应”这一强假设，以及忽略有向无环图描述的是期望意义上的混杂，而不是随机分配中实际出现的混杂 [1]。Greenland（2003）表明，碰撞变量分层偏倚可能与经典混杂一样严重，但它常常被忽视，因为传统的混杂因素选择标准——与暴露有关、与结局有关、不在因果路径上——并不能防止研究者调整碰撞变量 [2]。VanderWeele（2019）将用于选择混杂因素的析取原因准则形式化，并指出，控制暴露或结局的原因，同时排除工具变量，可以同时防范 M 型偏倚和调整不足；相比之下，共同原因准则过于保守，而治疗前准则又过于宽泛 [3]。Tennant 等人（2021）回顾了使用有向无环图的研究，发现各研究的报告方式差异很大。许多研究没有报告未测量变量、入选节点或最小充分调整集等关键信息，限制了这些图的透明度和实用性 [4]。

有向无环图本身也有一些固有限制，而这些限制可能被误认为是使用者的错误。有向无环图是非参数的：它能表示因果效应是否存在，却不能表示效应有多大、具有怎样的函数形式，或是否因人而异。它也无法区分期望意义上的混杂（系统性偏倚）与实际出现的混杂（随机化或抽样造成的偶然不平衡）。有向无环图需要你完整了解因果结构，但现实中很少能做到；如果图中编码的假设有误，你对如何控制混杂的判断也会出错。有些偏倚，例如以共同结果为条件而产生的选择偏倚，即使用有向无环图表示，也无法与混杂偏倚清楚地区分开来。此外，有向无环图假定因果关系是静态的。对存在反馈或暴露随时间变化的纵向过程建模时，需要为每个时间点分别设置节点。