Loading AI tools
来自维基百科，自由的百科全书
對撞因子（英語：Collider），有時又稱為反向分叉（英語：inverted forks），[1]在統計學和圖模式中，是指同時被兩個以上的變數影響的變數，而這些影響對撞因子的變數之間不見得有因果關係。因為在環路圖上會顯示為有兩個以上箭頭指入的節點，所以稱為對撞因子。[2]
對撞因子不會直接造成影響它的變數之間出現相關，以路徑分析或環路圖的術語來說，對撞因子會「阻斷」兩個變數間的路徑。然而，想要了解變數間的因果關係時，對撞因子非常重要，因為在設計實驗、挑選樣本或統計分析時，如果有意或無意間控制了對撞因子，會造成自變數（X）和應變數（Y）之間出現沒有實際因果關係的偽關係，稱為選擇偏誤或伯克森悖論，如果控制對撞因子後造成相反的相關性，稱為辛普森悖論。用環路圖的術語來說，控制對撞因子會「開啟」 X 和 Y 之間的路徑，而造成偏誤。[3][4][5]
對撞因子有時會和其他因子混淆。
干擾因子同時影響自變數和應變數，在環路圖上顯示為分叉向外的箭頭。干擾因子應該要控制。[6]
中介變項受自變數影響，並影響應變數，在環路圖上箭頭一進一出。如果要研究的問題是「X是否會影響Y」，則不應控制。如果研究的問題是「X是否能夠直接影響Y」，則需要控制。[6]
在二次世界大戰期間，沃德·亞伯拉罕發現盟軍飛回來的飛機中，機翼上有最多彈痕，機尾和引擎最少。他提議補強最少彈痕的地方，而不是中彈最多的地方。因為這些飛機可以飛回來，表示中彈的位置不重要，其他位置中彈的飛機都沒能飛回來，所以才沒有觀察到那些位置中彈。「有彈痕的位置」和「重要的位置」是兩個變因，「是否被擊落」是對撞因子，因為「沒被擊落」的條件已經自動被控制了，所以變因之間出現負相關。這種現象稱作倖存者偏差，在臨床醫學研究中是重要的偏誤：如果只看在醫院裏的病人、或是沒死的病人，容易得出錯誤的結論。[7]
再以籃球為例，如果只看 NBA 球員，會發現身高比較高的人得分率沒有比較高。這是因為身高矮還能進 NBA 的人必然是用其他優勢補足了身高的弱勢。「身高」為自變數，「籃球得分率」為應變數，「是 NBA 球員」是對撞因子。
其他可能的例子：
Seamless Wikipedia browsing. On steroids.
Every time you click a link to Wikipedia, Wiktionary or Wikiquote in your browser's search results, it will show the modern Wikiwand interface.
Wikiwand extension is a five stars, simple, with minimum permission required to keep your browsing private, safe and transparent.
