因果推論:統計學之父為什麼替香菸辯護
目錄
1957 年,Ronald Fisher 投書《英國醫學期刊》。他是現代統計學的奠基人,隨機對照實驗的方法就是他奠定的
當時吸菸和肺癌的關聯已經很明顯。Fisher 提醒大家還有兩種可能
第一種,結果其實才是原因。早期的癌症,或癌變前的慢性發炎,會讓人更想抽菸
第二種,吸菸和肺癌彼此沒有因果,兩者都受同一個原因影響,那個原因是基因
他同時是菸草業的顧問
邏輯上沒有漏洞,結論卻是錯的
這篇講五種搞錯因果的方式,Fisher 一封信就用了兩種
19. 干擾因子(Confounding Factor)
Fisher 的第二種可能,統計上叫干擾因子:有一個第三者,在背後同時推動兩邊
沒有人能抽籤決定誰要抽三十年的菸,所以這個第三者很難排除。1959 年,Cornfield 和同事想到一個繞路的算法
吸菸者得肺癌的風險是不吸菸者的 9 倍。假設香菸無辜,真正致癌的是某種「荷爾蒙 X」。吸菸者裡有荷爾蒙 X 的比例,至少要是不吸菸者的 9 倍,才解釋得了這個差距
不用抓到那個第三者,可以算出它要多誇張才說得通
找不到這麼誇張的第三者,Fisher 的第二種可能就站不住了
20. 反向因果(Reverse Causality)
犯罪多的地方,警察也多。只看相關,會得出警察製造犯罪的結論
方向是反的,犯罪多才派警察。要拆開這件事,需要一個跟犯罪無關的理由把警察派過去
1994 年 7 月,布宜諾斯艾利斯的猶太互助協會(AMIA)大樓遭到炸彈攻擊。政府派警察 24 小時駐守全市的猶太機構
Di Tella 和 Schargrodsky 2004 年比較了攻擊前後的汽車竊案。有警察駐守的街區少了大約 75%,隔一兩條街就沒有效果
警察派到哪裡,這次由炸彈決定,跟竊案沒有關係
21. 對撞偏誤(Collider Bias)
為什麼帥的人個性常常很差?
數學家 Ellenberg 2014 年在 Slate 上寫過一篇文章,標題就問這個。他畫了一個正方形,所有男人都在裡面,橫軸外表,縱軸個性。你願意約會的只有右上角那個三角形:夠帥,或個性夠好,或兩樣都有。在那個三角形裡,長得越帥的人,個性的門檻越低
外表和個性本來沒有關係。篩過一次之後,就出現了負相關
兩件事一起決定誰進樣本,這個一起決定的點叫對撞點(Collider)。在對撞點上做篩選,原本無關的兩件事就會看起來有關
吸菸媽媽生的低體重兒,死亡率比不吸菸媽媽生的低體重兒還低。Hernández-Díaz 和同事 2006 年解開了這件事:嬰兒體重過輕有很多原因,有些比吸菸致命得多,例如先天缺陷。只看低體重兒,等於拿吸菸跟那些更致命的原因比
2020 年 4 月,法國的 Miyara 團隊發現 343 個住院的新冠病人裡,每天抽菸的只有 4.4%。法國一般人是 25.4%
尼古丁會不會保護人?
Griffith 和同事的模擬指出,住院本身就是篩選,吸菸和新冠都可能把人送進醫院,光靠這道篩選就做得出假的保護效果。法國高等公共衛生委員會認為,最可能的解釋是病歷少記了抽菸
法國後來真的做了隨機試驗,218 個加護病房的病人,一半貼尼古丁貼片,一半貼安慰劑。第 28 天的死亡率,28% 對 28%
論文的結論是 There is no indication to use nicotine in this situation(沒有理由在這種情況下使用尼古丁)
22. 虛假相關(Spurious Correlation)
1926 年,統計學家 Yule 算了英格蘭和威爾斯 1866 到 1911 年的兩條數列:英國國教婚禮佔全部婚禮的比例,和死亡率。相關係數 0.9512
Yule 的評語是 the correlation is simply sheer nonsense(這個相關純屬胡說)
兩條線都隨時間往下走,這樣就夠了
2000 年,Robert Matthews 發表了一篇正經的論文,標題叫 Storks Deliver Babies (p = 0.008)(鸛鳥送子)。歐洲 17 個國家,鸛的數量和出生人數的相關係數 0.62
國家越大,鸛越多,嬰兒也越多
p 值很漂亮,鸛還是沒有送嬰兒
23. 中介變數謬誤(Mediation Fallacy)
Pearl 有個假想的例子:假設吸菸只透過焦油致癌。研究者想做得嚴謹,把焦油放進模型「控制」起來,也就是只比較焦油一樣多的人。吸菸的效果就不見了
香菸看起來無害
把路堵起來,再宣布路上沒有車
控制變數聽起來總是比較嚴謹。該控制哪些,要先知道它在因果路徑上的位置
吸菸致癌這件事,從來沒有人做過隨機試驗,抽籤決定誰要抽三十年的菸
靠的是 Cornfield 那種算法,還有一層一層排除其他解釋
你相信的事情裡,有多少是這樣相信的?