📊 statistics

Lord's 'paradox' explained: the 50-year warning on the use of 'change scores' in observational data

本文通过证明由于存在截然不同的偏差，无论是变化评分比较还是基线调整后的随访比较，都无法可靠地估计观测数据中的因果效应，从而解决了洛德（Lord）长达50年的悖论，并强调了明确研究问题以及使用如g-方法等先进因果推断方法的至关重要性。

原作者： Peter W. G. Tennant, Georgia D. Tomova, Eleanor J. Murray, Kellyn F. Arnold, Matthew P. Fox, Mark S. Gilthorpe

发布于 2026-01-27

📖 1 分钟阅读☕ 轻松阅读

原作者： Peter W. G. Tennant, Georgia D. Tomova, Eleanor J. Murray, Kellyn F. Arnold, Matthew P. Fox, Mark S. Gilthorpe

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

洛德悖论（Lord's Paradox）解析：用通俗易懂的语言解释

巨大的谜团：两位统计学家，两个答案

想象一下，一所大学想要了解食堂的食物是否会导致学生体重增加，或者男孩和女孩的增重情况是否不同。他们在九月（学期开始时）和六月（学期结束时）分别称量了每个人的体重。

他们聘请了两名统计学家来分析数据。

统计学家 A 观察的是体重的“变化量”。他发现，平均而言，男孩和女孩在九月的体重相同，在六月的体重也相同。他的结论是：“没有任何变化。饮食和性别都不起作用。”
统计学家 B 观察的是“最终”体重，但根据初始体重进行了调整。他发现，对于初始体重相同的学生，男孩比女孩变得更重。他的结论是：“即使在起始体重相同的情况下，男孩的增重也明显高于女孩。”

这就是洛德悖论。为什么两个聪明的人在看完全相同的数据时，却得出了截然相反的结论？

论文的解决方案：这不是魔术，而是一个陷阱

本文作者认为，这并不是什么神奇的谜团。实际上，这是一个警告信号。这两位统计学家使用的统计方法在观测性数据（即人们并非被随机分配到组别中的数据，例如男孩对比女孩）中是有缺陷的。

论文解释说，“变化”是一个复杂概念。要理解它，可以想象一个变量（如体重）的变化是由三种原因引起的：

“习惯”因素（内生变化）： 因为你的起点而自动发生的事情。如果你本来就很重，你可能会自然地保持较重，或者仅仅因为存在而增加一点重量。
“噪声”因素（随机变化）： 随机的波动，比如你在摇晃的秤上称重，或者由于睡眠不足导致的波动。
“真实”因素（外生变化）： 某种新事物产生的实际影响，比如饮食或我们正在研究的暴露因素。

目标： 我们想要测量的是“真实”因素。我们想知道：在排除掉初始体重的影响后，饮食是否真的导致了体重的变化？

为什么统计学家 A 失败了（“变化值”陷阱）

统计学家 A 使用的是变化值（Change Score）。这就像是在计算：最终体重 - 初始体重。

类比： 想象你正在试图观察一株植物的生长情况。你测量植物在开始和结束时的状态，然后用结束时的数值减去开始时的数值。

问题所在： 如果“暴露因素”（如性别）导致了初始体重较高，这种方法就会失效。
论文的解释： 当你减去初始体重时，你无意中减去了暴露因素本身产生的影响。如果身为男孩会让你初始体重更高，而你又减去了那个初始体重，你实际上是在“抵消”掉你试图测量的东西。
结果： 统计学家 A 得出了“零变化”的结果，因为数学运算把真实的效应给抵消掉了。论文指出，这种方法在观测性研究中是危险的，因为它经常会掩盖真相，甚至给出错误的答案（比如声称某种药物有效，而实际上无效，或者反之亦然）。

为什么统计学家 B 也有缺陷（“调整”陷阱）

统计学家 B 使用的是 ANCOVA（基于基线的随访分析）。这就像是在说：“让我们比较男孩和女孩，但前提是他们的初始体重必须完全相同。”

类比： 想象你正在测试一种新的肥料是否有效。你观察两株高度相同的植物。但是，你的尺子有点弯曲（测量误差）。

问题所在： 在现实生活中，我们的“初始体重”测量并不完美。它们带有“噪声”（比如摇晃的秤）。
论文的解释： 当你试图针对一个略有偏差的初始测量值进行调整时，数学计算就会变得混乱。这种方法往往会高估效应。看起来男孩增加的体重比实际更多，是因为初始测量中的“噪声”破坏了调整过程。
结果： 统计学家 B 发现了一个巨大的差异，但论文指出，由于测量误差和其他隐藏因素（如运动习惯）未被考虑在内，这个差异可能被夸大了。

结论：一个持续 50 年的警告

论文得出结论：对于观测性数据，这两种方法都不完美。

变化值法（Change Scores）（统计学家 A）倾向于低估或掩盖效应，特别是当暴露因素影响初始点时。
调整法（Adjustment Methods）（统计学家 B）由于测量误差和隐藏的混杂因素，倾向于高估效应。

“完美”的情况：
论文指出，如果这是一个随机对照试验（例如人们被随机分配到不同组别的药物试验），两种方法都能正常工作并得出相同的答案。只有在“观测性”环境下（即组别如男孩与女孩是预先存在的且存在初始差异），才会出现这种悖论。

给所有人的启示

这个持续了 50 年的谜题给出的主要教训是：在处理现实世界的数据时，分析“变化”要非常小心。

明确定义你的问题： 你到底想要测量什么？
不要迷信简单的减法： 如果各组的起始点不同，仅仅通过“前后相减”往往会产生误导。
不要迷信简单的调整： 如果你的测量不精确，或者存在影响结果的隐藏因素（如运动习惯），仅仅通过“调整”初始值并不是万能的解决方法。

论文并没有为所有情况提供一个“万能钥匙”，但它向科学家们发出警告：我们在观察“变化”时最常用的两种方法往往会产生相反方向的偏差，从而导致我们看到的这种令人困惑的“悖论”。

技术摘要：洛德“悖论”解析：关于在观测数据中使用“变化分数”的50年警告

问题陈述
弗雷德里克·洛德（Frederick Lord）于1967年提出的困境，即所谓的洛德“悖论”（Lord's paradox），揭示了观测数据科学中一个持久存在的问题：两种看似合理的统计方法在估计暴露对结局“变化”的影响时，可能会得出截然不同、甚至符号相反的结果。第一种方法（方法1）比较不同暴露组之间的平均“变化分数”（即随访结果与基线结果之差， $\Delta Y = Y_1 - Y_0$ ）。第二种方法（方法2）在以基线结局为条件的情况下比较组间的随访结局（例如，协方差分析，ANCOVA）。尽管文献长期以来一直在争论这些方法是在回答不同的问题，还是其中一种方法更优越，但本文认为，该悖论的产生是因为当应用于暴露并非随机化的观测数据时，这两种方法都容易受到截然不同的、方向相反的偏倚影响。

方法论与概念框架
作者通过解构“变化”的定义并映射纵向数据中的因果路径来解决这一悖论。他们提出，一个变量随时间的变化（ $Y_1 - Y_0$ ）由三个截然不同的组成部分驱动：

内生变化（Endogenous Change）： 来自基线实例（ $Y_0$ ）的自相关，代表预设的过程。
随机变化（Random Change）： 瞬时随机变异，包括经典的测量误差。
外生变化（Exogenous Change）： 非随机、非内生的变化（ $C_Y$ ），这部分可能受基线变量的调节。

作者假设，在大多数因果探究中，真正的目标估计量是暴露（ $X$ ）对外生变化的影响。他们利用有向无环图（DAGs）来阐明变量关系如何决定适当的估计量：当 $X$ 导致 $Y_0$ 时（如洛德原始示例中性别影响基线体重），目标是 $X$ 在固定 $Y_0$ 水平下对 $Y_1$ 的受控直接效应。

为了演示偏倚的机制，作者推导了两种方法之间的数学关系。他们表明，变化分数分析实际上是从随访结局中减去了一个项 $[1 - \beta_1]Y_0$ 。在暴露与 $Y_0$ 相关联的观测场景中（如洛德的案例中性别影响基线体重），这个减法项会引入偏倚，除非满足严格的假设（平行趋势和无预期效应）。相反，以基线为条件的随访分析方法（ANCOVA）试图通过减去 $Y_0$ 的线性函数来隔离外生变化。然而，如果 $Y_0$ 测量不精确（导致回归稀释和估计值膨胀）或存在非线性关系，该方法则容易产生偏倚。

作者通过模拟复制洛德原始场景（性别、基线体重、随访体重）的数据来验证其理论主张。他们还模拟了存在或不存在瞬时经典测量误差以及时变混杂因素（体力活动）的情景。

关键结果
模拟结果和理论分析得出以下发现：

方向相反的偏倚： 在缺乏随机化的情况下，两种方法产生的估计值具有方向相反的偏倚。当暴露导致或被基线结局导致时，变化分数分析倾向于产生稀释或无效的估计（甚至出现符号相反的系数）；而以基线为条件的随访分析在基线变量存在测量误差时，倾向于产生膨胀的估计。
测量误差的角色： 基线结局的不精确测量是 ANCOVA 方法的一个关键偏倚来源。作者证明，使用多个基线测量值可以减少这种偏倚，尽管可能无法完全消除。
时变混杂因素： 当存在一个由暴露引起并同时影响基线和随访结局的时变混杂因素（例如体力活动）时，仅对基线进行控制是失效的。在这种情况下，标准的 ANCOVA 或变化分数模型会产生偏倚估计，此时需要使用 g-方法（如 g-计算）来恢复真实的因果效应。
特定条件下的等价性： 作者指出，当变化分数模型也以基线为条件进行控制时，变化分数分析与以基线为条件的随访分析在数学上是等价的，前提是两者满足相同的假设。

意义与结论
本文结论认为，洛德的“悖论”并非统计学上的奇闻轶事，而是关于在观测数据中使用变化分数的根本性警告。作者断言，在没有满足特定（且通常是不可检验的）假设的情况下，这两种方法都不是估计暴露对外生变化影响的普遍“正确”方法。

这项工作的核心意义在于明确了：

在暴露影响基线结局（或反之）的观测数据中，变化分数通常是不恰当的，因为它们由于减法项的固有偏倚，无法隔离外生变化。
ANCOVA 并非万灵药；它对基线变量的测量误差和时变混杂因素高度敏感。
明确的研究问题至关重要。 研究人员必须清晰定义其感兴趣的是总效应、直接效应还是外生变化，并认识到在非随机化设置中，标准的“变化”分析往往无法估计这些目标。

作者建议，变化分数分析应主要保留给自然实验或暴露是外生的随机试验。在观测设置中，研究人员应优先建立明确的因果模型，利用多重基线测量来减轻测量误差，并采用 g-方法等高级方法来处理时变混杂因素。