Skip to content

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。