私たちはすべて、考えられるすべての潜在的な交絡因子を重回帰モデルに含めることで、非ランダム化予測子Xと結果の間の因果リンクを確立しようとする観察研究に精通しています。このように、すべての交絡因子を「制御する」ことにより、関心のある予測子の効果を分離します。
主に私の統計学のクラスのさまざまな教授によって行われたオフハンドの発言に基づいて、私はこの考えにますます不快感を抱いています。それらはいくつかの主要なカテゴリーに分類されます。
1.考え、測定する共変量のみを制御できます。
これは明らかですが、実際に最も有害で乗り越えられないものなのでしょうか。
2.このアプローチは、過去にugい間違いを引き起こしました。
たとえば、Petitti＆Freedman（2005）は、何十年にもわたって統計的に調整された観察研究が、心臓病のリスクに対するホルモン補充療法の効果に関する悲惨な誤った結論に至った経緯について議論しています。後のRCTでは、ほぼ逆の効果が見つかりました。
3.予測変数と結果の関係は、共変量を制御すると奇妙に動作する可能性があります。
Yu-Kang Tu、Gunnell、＆Gilthorpe（2008） は、主のパラドックス、シンプソンのパラドックス、サプレッサー変数など、いくつかの異なる症状を議論しています。
4.単一モデル（重回帰）で共変量を適切に調整し、同時に予測結果の関係をモデル化することは困難です。
傾向スコアや交絡因子の層別化などの方法の優位性の理由としてこれを聞いたことがありますが、本当にそれを理解しているかはわかりません。
5. ANCOVAモデルでは、対象の共変量と予測子が独立している必要があります。
もちろん、対象の予測変数と相関しているため、交絡因子を正確に調整します。したがって、モデルは、必要なときに正確なインスタンスで失敗するようです。議論は、調整はランダム化試験でのノイズ低減にのみ適しているということです。Miller＆Chapman、2001年は素晴らしいレビューを与えます。
だから私の質問は：
- これらの問題や私が知らないその他の問題はどれほど深刻ですか？
- 「すべてをコントロールする」研究を見たとき、私はどれほど恐れるべきでしょうか？
（この質問が議論の領域にあまり深く入り込んでいないことを望み、それを改善するための提案を喜んで誘います。）
編集：新しい参照を見つけた後、ポイント5を追加しました。