碰撞点条件化

碰撞点条件化是一种常见错误，会在原因和结果之间制造出虚假的联系。当你根据某个因素筛选数据，而这个因素又是你所研究的原因和结果的共同产物时，就会出现这种情况。比如，一所大学想知道某个专题研讨班能否提高薪资，却只调查向学校捐过款的人，结果就会有偏差。这是因为捐款既受到高薪资的影响（有能力捐款），也受到参加过研讨班的影响（心怀感激），于是，只看捐款者这个群体，就会得出误导性的联系。

试试这样：问问自己，你正在分析的群体，是否是根据一个可能同时受到你所研究的“原因”和“结果”影响的因素筛选出来的。

碰撞点条件化是一种不易察觉、却影响很大的错误，会导致一类特定的选择偏差。这种偏差并非来自隐藏的共同原因，也就是混杂，而是来自为分析而选择或筛选数据这一行为本身。

原理是：如果你根据某个变量筛选数据，而这个变量又是你所研究的原因和结果的共同结果，也就是“碰撞点”，就可能制造出一种在总体人群中并不存在的统计联系。这种“对碰撞点进行条件化”的行为，会打开一条虚假的、没有因果关系的统计路径。

伯克森悖论就是一个经典例子。如果研究者只研究住院患者，可能会发现两种原本无关的疾病之间存在虚假联系。患者可能因为疾病甲病情严重而住院，也可能因为疾病乙病情严重而住院。因此，在住院患者这个群体中，没有疾病甲的人更可能是因为疾病乙而住院的。这样，两种疾病之间就出现了虚假的统计关联。

另一个例子是研究知名演员的才华与美貌。成名往往是因为才华出众、容貌出众，或者两者兼具。如果你只研究知名演员，就是在根据碰撞点筛选样本。在这个群体里，你可能会发现，最漂亮的演员反而才华较少。因为一个人如果缺乏才华，却依然成了名，那他就一定有格外出众的容貌。这就人为制造出了才华与美貌此消彼长的关系，而这种关系在总体人群中并不存在。

碰撞点条件化是结构因果模型中的一个基本概念，用来识别在什么情况下，选取数据子集会引入非因果关联，也就是碰撞点偏差。[1]

• 当分析根据某个选择变量限制样本，而这个变量又是处理与结果的共同结果，也就是“碰撞点”时，就会产生这种偏差。这种条件化操作会在处理与结果之间打开一条虚假的统计路径。[2]（2004）
• 在某些研究设计中，这类偏差是一项重大威胁。例如，在以医院为基础的病例对照研究中，样本选择取决于同时与暴露和结果有关的因素；在纵向研究中，参与者退出可能同时受到处理与结果的影响。[3]（2014）
• 研究者使用有向无环图（DAG）画出所假设的因果关系，并借助图示应用这一原理，在分析前发现潜在的选择偏差。[4]（2020）

这一原理的主要局限在于，它依赖正确设定的因果图。如果你假设的变量间因果关系有误，应用这一原理得出的指导也会有误。此外，它只能指出可能存在偏差，无法量化偏差的大小或判断其方向。在高度复杂的系统中，要识别每个相关变量及其与选择机制的关系，实际操作起来可能根本做不到。