我最近幾年最喜歡的論文之一包含了這個圖表。 它顯示了控制三種不同類型變數的影響：混淆變數、碰撞變數和中介變數。 對於混淆變數，控制是有益的。對於其他變數，通過控制會破壞你的結果。

如果你有帶有測量誤差的變數，你可能會遇到另一個問題變數：代理變數。 代理變數可能會使所有這些扭曲變得更糟，並且更難處理。

這篇論文提出了一個簡單的觀察：統計控制需要因果證明。這實際上就是標題。 他們給出了幾個基於DAG的例子。考慮這個：教育娛樂是混淆變數還是中介變數？你應該控制它，還是這會使你的估計產生偏差？

這始終是你必須考慮的事情，但坦白說，從因果關係的角度來思考統計控制是非常例外的。 許多論文會做一些事情，比如控制不相關的下游變量（代理變量），或者他們無意中控制了中介變量。這是常態！

我的文章討論了許多有關控制使用和濫用的問題。 例如，它指出，為了使傾向評分與實驗相匹配，可能需要大量的數據和努力：

它指出，某一特定的發現可能並不意味著它所說的那樣：

這顯示即使是因果推斷的黃金標準——隨機對照試驗（RCT）——也需要正確執行，否則你將陷入一種情況，讓你的效應估計被膨脹，結論也會錯誤。