M4-019Medium偏差与因果 · Bias & causality

什么是 Collider 偏差?为什么“控制更多变量”反而可能错?

What is collider bias, and why can controlling for more variables be wrong?
💡 考场高分一句话答案:

控制一个同时受处理与结果影响的变量(对撞点)会制造虚假关联;因此不是控制越多越好。

Conditioning on a variable caused by both treatment and outcome creates a spurious association. So more controls is not automatically better.

📌 核心考察要点 (Key Points)

  • 结构:$T\to C\leftarrow Y$,$C$ 为对撞点;条件于 $C$ 会让 $T$ 与 $Y$ 产生虚假相关
  • 产品实例:只分析“完成购买”的用户($C$),广告曝光($T$)与满意度($Y$)可能出现虚假负相关
  • 判据:画 DAG,区分混杂(要控制)、中介(不要控制)、对撞(不要控制)
  • 常见误操作:把“是否活跃”“是否留存”当控制变量——它们往往是结果变量
  • Structure: $T\to C\leftarrow Y$; conditioning on $C$ induces a false $T$–$Y$ relationship
  • Product example: analysing only users who completed purchase can create a spurious negative correlation between ad exposure and satisfaction
  • Rule: draw the DAG and separate confounders (control), mediators (do not control), colliders (do not control)
  • Common mistake: controlling for 'is active' or 'retained', which are usually outcomes

⚖️ 业务权衡与取舍 (Trade-offs & Calibration)

这是“大数据 + 多控制变量”时代最常见的因果错误。一个实用的自检问题:“这个变量是在处理之后才决定的吗?”如果是,它可能是中介或对撞,控制它会引入偏差。

⚠️ 常见高频面试陷阱与避坑指南

  • 把所有可用变量都放进回归“控制掉”
  • 控制中介变量后声称“直接效应为 0”

🔍 大厂面试官连环追问 (Follow-ups)

  • 如何用 DAG 判断该控制哪些变量?
  • 后门准则是什么?

嫌字多看太累?进入苏格拉底式对话推演实验室

零打字负担,以大厂考官真实困境切入,通过点选直觉选项暴露思维盲区,手把手推导 Why。

💬 开启对话式破冰 ➔
⚡
想检验本题的肌肉记忆?进入 3 阶闪卡主动回忆盲测
隐藏答案遮罩,自测:审题锚点 ➔ 数理公式机理 ➔ 工业标杆代码与连环追问。3 分钟攻破认知盲区!
🎯 立即在闪卡中盲测此题➔