外觀
Statistics › 實驗設計 › 干擾、偏誤與效度
干擾、偏誤與效度 (Confounding, Bias & Validity)
核心問題:這個研究量到的真的是我想量的嗎?(內部效度)結論能推廣到其他情境嗎?(外部效度)
干擾 (Confounding)
干擾變數同時與處理(暴露)和結果有關,製造出虛假的關係或扭曲真實效果。
text
干擾因子 (C)
↙ ↘
處理 (X) ──?──▶ 結果 (Y)經典例子:鞋子越大的孩子閱讀能力越好。干擾因子是年齡:年紀大的孩子腳大、閱讀也好。控制年齡後關聯消失。
python
import numpy as np
import pandas as pd
import statsmodels.formula.api as smf
rng = np.random.default_rng(42)
age = rng.normal(10, 2, 200)
df = pd.DataFrame({"age": age,
"shoe": 0.8 * age + rng.normal(0, 0.5, 200),
"reading": 3 * age + rng.normal(0, 2, 200)})
df["shoe"].corr(df["reading"]) # ≈ 0.96:強相關
smf.ols("reading ~ shoe", data=df).fit().params # 鞋子「效果」很大
smf.ols("reading ~ shoe + age", data=df).fit().params # 控制年齡後 ≈ 0處理干擾的方法
| 方法 | 適用 | 做法 |
|---|---|---|
| 隨機化 | 實驗 | 已知與未知干擾因子隨機分散到各組 |
| 限制 (restriction) | 皆可 | 只納入干擾因子的某一水準(例如只看 50 歲以上) |
| 配對 (matching) | 觀察研究 | 依干擾因子配對病例與對照 |
| 統計調整 (adjustment) | 皆可 | 把干擾因子放進模型當共變數 |
| 分層 (stratification) | 皆可 | 在每層內分別分析,再合併(Mantel-Haenszel) |
| 傾向分數 (propensity score) | 觀察研究 | 以「接受處理的機率」配對或加權 |
統計調整只能處理已測量的干擾因子;隨機化是唯一能處理未測量干擾因子的方法,這是實驗優於觀察研究的核心理由。
生資最常見的干擾:批次效應 (Batch Effect)
不同處理批次、定序機台、日期、試劑批號造成的系統性差異。
| 情況 | 後果 | 對策 |
|---|---|---|
| 批次與生物條件完全混淆(對照全在批次 1、處理全在批次 2) | 無法分辨生物效果與批次效果,任何方法都救不回來 | 設計階段就讓每批次包含各組樣本(區集化 + 隨機化) |
| 批次與條件部分交錯 | 可校正 | 把 batch 放進模型(如 DESeq2 design = ~ batch + condition),或 ComBat / limma removeBatchEffect(後者僅用於視覺化) |
| 未知的批次 | 隱藏的變異 | SVA(surrogate variable analysis)估計潛在因子 |
用 PCA 檢查:樣本若依批次而非生物條件分群,就是警訊。完全混淆時設計矩陣不滿秩的 R 範例見 RNA-seq 實驗設計;eQTL 用 PEER factors / 表現量 PCs 移除隱藏變異,見 eQTL。
干擾、中介、碰撞:用 DAG 判斷該調整什麼
| 角色 | 結構 | 該不該調整 |
|---|---|---|
| 干擾因子 (confounder) | X ← C → Y | ✅ 要調整,否則有偏 |
| 中介變數 (mediator) | X → M → Y | ❌ 估計總效果時不要調整,否則會移除你想估計的部分效果 |
| 碰撞變數 (collider) | X → K ← Y | ❌ 不要調整;調整或依它篩選樣本會製造虛假關聯 |
碰撞偏誤的例子:只分析住院病人(住院同時受疾病 A 與疾病 B 影響)時,兩種疾病會看起來負相關(Berkson's paradox)。畫出因果圖(directed acyclic graph, DAG)再決定共變數,比「把能放的變數都放進模型」可靠。
Simpson's Paradox
合併資料的趨勢,在分組後消失或反轉。經典腎結石資料:
| 結石大小 | 處理 A 治癒率 | 處理 B 治癒率 |
|---|---|---|
| 小 | 93%(81/87) | 87%(234/270) |
| 大 | 73%(192/263) | 69%(55/80) |
| 合併 | 78%(273/350) | 83%(289/350) |
A 在兩個子群都較好,合併後卻較差。原因:較難治的大結石病人多半接受 A;結石大小同時影響處理選擇與結果(干擾)。
python
d = pd.DataFrame({"size": ["Small", "Small", "Large", "Large"], "trt": ["A", "B", "A", "B"],
"cured": [81, 234, 192, 55], "total": [87, 270, 263, 80]})
d.assign(rate=d.cured / d.total) # 分層
d.groupby("trt")[["cured", "total"]].sum().pipe(lambda g: g.cured / g.total) # 合併真實案例:UC Berkeley 入學資料、COVID 疫苗效果報告、棒球打擊率。一定要依重要子群分層檢查。
偏誤類型 (Types of Bias)
偏誤是系統性誤差,讓估計值一致地偏離真值。與隨機誤差不同,增加資料無法修正偏誤。
| 偏誤 | 說明 | 預防 |
|---|---|---|
| 選擇偏誤 (selection) | 基線時各組就不同(非隨機分派、非隨機抽樣) | 隨機化 |
| 流失偏誤 (attrition) | 退出者與完成者不同 | 意向治療分析 (intention-to-treat, ITT) |
| 觀察者偏誤 (observer) | 評估者知道分組而影響判讀 | 盲化 |
| 反應偏誤 (response) | 社會期望、迎合研究者 | 匿名、中性措辭 |
| 回憶偏誤 (recall) | 病例與對照回憶過去的方式不同 | 客觀紀錄、前瞻性資料 |
| 確認偏誤 (ascertainment) | 某組被更徹底地檢查 | 標準化診斷準則 |
| 霍桑效應 (Hawthorne) | 知道被觀察而改變行為 | 盲化、自然情境 |
| 存活者偏誤 (survivorship) | 只看到「存活下來」的樣本 | 納入所有起始樣本 |
| 不朽時間偏誤 (immortal time) | 把處理開始前的存活時間算給處理組 | 見 存活分析核心概念 |
| 趨中迴歸 | 極端值重測時自然往平均靠 | 對照組 |
盲化 (Blinding)
| 類型 | 誰不知道分組 | 何時需要 |
|---|---|---|
| 單盲 (single-blind) | 受試者 | 受試者行為可能影響結果 |
| 雙盲 (double-blind) | 受試者 + 結果評估者 | 多數臨床試驗、主觀結果 |
| 三盲 (triple-blind) | + 資料分析者 | 分析決策可能引入偏誤 |
| 開放 (open-label) | 無 | 無法盲化(如手術試驗) |
不盲化時,評估者可能不自覺地高估處理組分數;實驗室中,影像判讀、細胞計數、病理評分都應盲化。
效度框架 (Validity)
| 效度 | 問題 | 主要威脅 |
|---|---|---|
| 內部效度 (internal) | 處理真的造成觀察到的差異嗎? | 干擾、選擇偏誤、流失 |
| 外部效度 (external) | 結果能推廣到研究之外嗎? | 樣本不具代表性、情境不真實 |
| 統計結論效度 (statistical conclusion) | 統計推論正確嗎? | 檢定力不足、假設違反、多重檢定 |
| 建構效度 (construct) | 量測真的捕捉到想要的概念嗎? | 操作化不佳、觀察者偏誤 |
內部效度的威脅(Campbell & Stanley)
| 威脅 | 說明 |
|---|---|
| 歷史 (history) | 前後測之間發生外部事件 |
| 成熟 (maturation) | 受試者隨時間自然改變 |
| 測驗效應 (testing) | 做過前測讓後測表現變好 |
| 工具 (instrumentation) | 量測工具或標準在研究中改變(例如換了定序平台) |
| 統計迴歸 | 極端基線分數自然往平均移動 |
| 選擇 (selection) | 各組基線就系統性不同 |
| 流失 (attrition) | 非隨機退出 |
有對照組的隨機化實驗能一次控制上述所有威脅(流失除外),這就是隨機化實驗內部效度最強的原因。
內部 vs 外部效度的取捨:嚴格控制的實驗室實驗內部效度高、外部效度低;真實世界的觀察研究相反。實用性試驗 (pragmatic trial) 與田野實驗 (field experiment) 嘗試兼顧,業界 A/B 測試通常自然達到這種平衡。