做数据分析时，"多放几个控制变量"听起来总没错。但 Statistical Rethinking 2026 课程（Statistical Rethinking Course 2026）第 6 章会用模拟实验狠狠打脸这个直觉：控制错变量，会让你的结论比不控制时更糟。本文带你用 DAG（有向无图）一眼分辨哪些是"好控制"、哪些是"坏控制"，并附课程仓库中的全部配套脚本与作业路径。

为什么"控制越多变量越严谨"是危险直觉？

很多统计软件教程建议"把所有可能变量都塞进模型"。这在预测时也许问题不大，但如果你要做的是因果推断——回答"X 是否导致 Y"——那么每个控制变量都相当于对因果路径做了一次手术：切错了地方，真正的因果效应会被你亲手切断。

课程把这个问题拆解成一句话：

控制变量的价值，取决于它在因果图（DAG）中的结构位置，而不是它和 Y 的相关程度。

三种基本结构决定了一切的对错：

📌 下面逐一展开，全部概念都能在课程仓库的讲义脚本里找到对应代码。

好控制：控制 Fork 结构中的混杂变量

什么是混杂（confound）

当存在共同原因 C 同时影响 X 和 Y 时，即使 X 与 Y 毫无因果关系，数据也会显示两者相关。这就是"叉形结构"造成的伪相关。

课程用一个经典案例演示：美国各州离婚率与华夫饼连锁店密度高度相关——显然不是华夫饼导致离婚。真正原因是婚姻率（Marriage）：婚姻越多，离婚绝对数越多，同时大城市连锁餐厅也更密集。这是一个标准的X ← C → Y结构。

控制婚姻率或平均结婚年龄这类 fork 变量后，"华夫饼→离婚"的虚假关系消失。对应的讲义脚本在 05_elemental_confounds.r，其中用WaffleDivorce数据集拟合了Divorce ~ Marriage + MedianAgeMarriage模型，演示了控制后回归系数如何收敛。

✅经验法则第一条：凡是同时影响"处理"和"结果"的变量（共同原因），控制它是好控制。

坏控制之一：治疗后变量（中介变量）

这是最容易被踩的坑。

如果真实因果路径是X → Z → Y（Z 是中介，mediator），Z 是 X 作用于 Y 的必经通道。此时在回归中加入 Z：

• 你并没有"调整"什么，而是切断了 X 效应的一部分；
• 估计出的 X 系数只代表"绕过 Z 的剩余效应"，不再是总因果效应。

课程脚本 06_simulations_bad_controls.r 的第一段就模拟了这种情况：真实设定中 X 对 Y 无直接影响（bZY=0），效应全部经由 Z 传递。结果：

• 不控制 Z 的模型：正确估计出 X 的总效应；
• 控制 Z 后的模型：X 的系数坍塌到 0 附近——真实因果效应被你自己"控制没了"。

⚠️经验法则第二条：只测量于"处理后"、又影响 Y 的变量，控制它会低估因果效应。想知道中介机制，请用中介分析，而不是硬塞进回归。

坏控制之二：对撞变量（collider）与病例对照偏倚

结构X → Z ← Y中，Z 是 X 和 Y 的共同结果，称为对撞点（collider）。

反直觉的地方在于：不对撞点做任何处理时，X 和 Y 完全独立；一旦你"只看 Z 满足某个条件的人"，X 和 Y 就会凭空出现相关。

课程脚本 05_elemental_confounds.r 给出了一个绝妙的现实例子：科研项目评审。200 份提案各有一个"新闻性"（newsworthiness）和一个"可信度"（trustworthiness），两者本来不相关。评审只看"综合分"最高的 10% 后，在入选者中——新闻性和可信度出现了负相关：一个维度得分低，就必须靠另一个维度补。这就是对撞偏倚。

同样的结构还藏在病例对照研究里：只研究"患者"（Y 发生的子样本），会让本来独立的暴露变量 X 与混杂因素 Z 产生虚假关联。06_simulations_bad_controls.r 的第二段模拟表明，控制对撞变量后，模型会放大并不存在的偏差。

课程还制作了对撞偏倚的动画演示脚本 06_breen_collider_animation.R：祖孙三代教育水平的案例中，按父母收入分层后，祖辈教育对孩子教育的"效应"会随分层条带漂移——视觉上直观展示了控制对撞点如何制造伪效应。

⚠️经验法则第三条：凡是 X 和 Y 的"共同结果"，控制它、或按它筛选样本，都会凭空制造关联。

坏控制之三、四：精度寄生虫与偏差放大器

后两种坏控制更隐蔽，因为被控制的变量和 X 甚至 Y 看起来都"不相关"。

精度寄生虫（precision parasite）

一个与 X 弱相关、与 Y 无关系的噪声变量 Z：控制它不会引入偏差，但会消耗自由度、吃掉估计精度。06_simulations_bad_controls.r 的第三段模拟显示：真实效应为 1，加入精度寄生虫后，X 系数的后验分布明显变宽——点估计还算对，但区间变胖，检验效力下降。

偏差放大器（bias amplifier）

更糟的情形：Z 与 X 弱相关，但 Z 与你漏掉的真实混杂 U相关。此时 Z 本身无害，控制它反而把残余混杂"放大"进 X 的系数——偏差比不控制时还大。脚本中第四段模拟（bXY=0却仍出现系统性偏差）正是这个机制。

⚠️经验法则第四条：与 X 弱相关的变量不是"安全变量"，它与潜在混杂的隐藏关联可能成为偏差放大器。控制变量的取舍必须画 DAG，不能只看相关系数。

如何判断该不该控制：DAG 三步检查法

把上面的规则浓缩成一张操作清单，配合课程脚本 06_DAG_animations.r（基于dagitty包的路径分析动画）使用效果更佳：

1. 画出 DAG：标出 X、Y 和所有候选控制变量 C 的箭头方向；
2. 检查路径：
   • C 是 fork（X ← C → Y）→控制，这是唯一"好控制"的结构；
   • C 在因果管道上（X → C → Y）→不控制，除非你只想要直接效应；
   • C 是对撞点（X → C ← Y）→不控制，且检查样本是否按 C 筛选过；
3. 警惕弱相关变量：相关系数接近 0 不等于因果无害，它可能是精度寄生虫或偏差放大器。

📊 补充：课程第 10 周还会讲授敏感性分析（Confounds & Sensitivity Analysis），教你在无法观测混杂时量化"要多强的混杂才能推翻结论"，与本章内容配套学习。

动手练习：作业与配套资源

仓库按周组织了作业题与参考答案，好控制与坏控制部分重点做这两份：

其他参考资料：

• 全部讲义脚本目录：scripts/（含第 6 章 DAG 动画、对撞偏倚模拟等）
• 作业目录：homework/（Section A 与 Section B 的题目与部分参考答案）
• 课程整体说明与课表：README.md

核心要点回顾 🎯

• 好控制只有一种结构：fork（共同原因），控制它消除混杂；
• 治疗后变量（中介）：控制它会切断真实效应，导致低估；
• 对撞变量：控制它、或按它筛选样本，会凭空制造虚假关联；
• 弱相关变量：可能是精度寄生虫（损失精度）或偏差放大器（放大偏差）；
• 判断工具永远是 DAG，而不是相关系数。

一句话总结：在因果分析中，控制变量的"数量"不重要，"位置"才重要。画好 DAG，再动回归。