发布日期:|最后更新日期

快速回答: 因果比较研究设计比较了在研究者未指定的特征(例如是否有运动模式)上已经存在差异的群体,并询问结果在他们之间有何不同。1 由于没有人对分组进行随机化,组与组之间的差异可能反映其他基线差异,因此请按以下顺序进行计划:在查看结果之前定义组,使用标准化差异检查基线平衡,选择调整,并报告效应量及其区间。2,3 所研究的案例是一篇开放获取论文(CC BY 4.0的(BMC 肌肉骨骼疾病 2026):60 名老年男性,30 名患有动态膝外翻,30 名未患动态膝外翻,在 R 中重新绘制和重新计算。组间差异从 g = 1.43 到 2.83 不等,但各组的基线身高不同,并且打印的基线检验统计量与其自身的均值和标准差不匹配。4

因果比较研究:研究设计是什么

凤凰城大学研究小组的演示文稿引用了百科全书的定义:因果比较设计是在事件发生后,通过比较两组或多组个体,来寻找自变量和因变量之间的关系,它也被称为事后研究。<sup> 1 </sup> 该演示文稿将其与两种相邻的研究方法进行了对比,如表格所示。名称中的“因果”一词承诺的内容远超该设计所能提供的:演示文稿指出,因果比较研究和相关性研究都无法明确地断言是否存在真正的因果关系,<sup> 1</sup>而我们案例的作者也指出,由于他们采用的是横断面研究设计,因此无法推断因果关系。 <sup> 4</sup>关于事后研究的标签以及帮助读者判断因果关系的报告要素,请参阅我们的指南《事后研究:设计原理及其局限性》。

左右滑动即可查看每一列。

工艺设计谁组成这些团体比较的对象是什么?
实验研究者操纵实验组中的自变量。操纵组和对照组的结果。
因果比较由于事件已经发生,受试者已经分组完毕。两个或多个组对因变量进行分组。
相关性一群人,并非因该事件而形成任何团体。该组内各变量之间的关系。

这三行文字是对牌组的转述,牌组本身又引用了《研究设计百科全书》;我们并未阅读过这本百科全书本身。

如何规划一项因果比较研究:五个决策

表格列出了数据收集前需要记录的五项决策。这五步框架是我们提出的;右侧一栏显示了下方案例的具体做法以及每条规则的来源。4、2、3

左右滑动即可查看每一列。

决策写下来经办案件是如何处理的
1. 定义分组分组规则、适用对象和适用时间。膝外翻是指下蹲过程中膝关节相对于第二趾的内侧移位,由一名训练有素的检查员在三次试验中至少两次观察到该现象,则判定为存在膝外翻。作者指出,缺乏盲法和未进行正式的信度分析是本研究的局限性。
2. 选择结果每个问题对应一个指标及其方法。改进的 Romberg 时间(睁眼和闭眼)、计时起立行走测试、基于摄影测量法的膝关节本体感觉误差和 16 项跌倒效能国际量表。
3. 检查基线平衡背景变量的标准化差异,而非 p 值。表 1 使用 t 检验比较了年龄、身高、体重和 BMI;我们在下面重新计算了标准化差异。
4. 选择调整是否进行匹配、加权、协变量调整,以及原因。作者采用独立 t 检验,未进行任何调整;他们限制了纳入标准(60 至 70 岁的男性,无跌倒史,无规律运动)。
5. 报告大小和间隔效应量(95% 置信区间),加上设计无法显示的部分。本文报告了 t、df 和 p。对冲 g 和区间是我们计算的。

匹配法、协方差分析或倾向得分:选择一种调整方法

Austin 将倾向得分定义为在观察到的基线协变量条件下,治疗分配的概率,并称之为平衡得分:在得分相同的受试者中,所测量的基线协变量在两组中具有相似的分布。<sup> 2</sup>他描述了基于倾向得分的四种方法:匹配、分层、逆概率加权和协变量调整。 <sup> 2 </sup> 同一篇文章指出,关键假设是所有影响分配和结果的变量都已被测量,并且这一假设也是基于回归的方法的基础。<sup> 2 </sup> 协方差分析(ANCOVA)也有其自身的局限性。Miller 和 Chapman 认为,ANCOVA 是一种被广泛误用的方法,用于处理潜在协变量上的实质性组间差异,并且在许多情况下,没有办法“校正”或“控制”协变量上的真实组间差异。<sup> 5</sup>

左右滑动即可查看每一列。

途径它做什么来自消息来源的警告
基于倾向得分的匹配或加权构建比较集,其中测量的基线协变量分布相似。仅平衡已测量的协变量;不存在未测量的混杂因素的假设仍然成立。
协方差分析或回归调整估计在共同协变量值下的组间差异。Miller 和 Chapman:当各组在协变量本身上存在差异时,经常被误用;在将其用于完整组之前,请阅读他们的论文。
纳入标准限制通过设计消除变量的变异,例如在固定年龄段内。我们对已处理案例的描述;它无法调整仍然存在差异的变量,例如身高。

无论采用哪种方法,奥斯汀都将标准化差异描述为比较协变量平衡的一种方法,并指出,对平衡进行显著性检验受到批评,因为 p 值取决于样本量。²我们的建议:在一张图中展示调整前后的平衡情况,并列出无法测量的混杂因素。

真实案例:老年男性动态膝外翻与平衡的R语言重新计算

Al-Saadi 和 Roshani 在伊朗乌尔米耶开展了一项研究,比较了患有和未患有动态膝外翻的老年男性,他们称之为因果比较研究。<sup> 4</sup>该论文采用CC BY 4.0许可,因此我们可以重新绘制其中的数据。以下所有内容均来自印刷版文章,所有衍生数据均由 R 语言中的 Editverse 程序计算得出。研究范围:60 名年龄在 60 至 70 岁之间的男性,每组 30 人,发表于 2026 年 4 月 22 日。

研究是如何构建的

左右滑动即可查看每一列。

元素正如文章中报道的那样
样本研究对象为居住在伊朗乌尔米亚的 60 名 60 至 70 岁的男性,研究方法中称其为有目的的选择,研究局限性中称其为便利样本;其中 30 人患有动态膝外翻,30 人未患动态膝外翻。
禁例 既往六个月内无跌倒史、服用三环类抗抑郁药史、下肢骨折或脱臼史,也未接受过物理治疗或定期锻炼。
信号分析使用 Shapiro-Wilk 检验正态性,然后在 SPSS 26 版中进行独立样本 t 检验,显著性水平为 0.05;不进行协变量调整。
作者结论动态膝外翻可能与平衡能力、本体感觉和跌倒恐惧感较差有关;由于横断面研究设计,无法推断因果关系。
时间可向通讯作者合理索取;我们并未提出索取要求。

差异有多大?

外翻组的各项结果均较差,且所有打印的p值均低于0.001。我们根据打印的均值和标准差(每组n=30)重新计算了每个t统计量:所有五个t统计量均与打印值在0.05以内一致,打印的三个非整数自由度(46.50、43.89和35.16)与我们重新计算的Welch值(46.47、43.89和35.14)相符。另外两行打印的自由度为58;由于我们没有看到方差检验,因此每行选择的t检验方法是根据自由度推断的。

森林图式 Hedges g 值,针对 30 名患有或未患有动态膝外翻的老年男性,分析五项结果:睁眼平衡 2.67,闭眼平衡 2.80,计时起立行走测试 2.83,膝关节本体感觉误差 1.77,跌倒恐惧 1.43,所有 95% 置信区间均高于零。
使用 R 语言,根据 Al-Saadi 和 Roshani 的表 2 计算出 95% 置信区间的对冲 g 值(CC BY 4.0的)。该论文仅报告了 t 检验;效应量和区间是 Editverse 计算的,采用正态近似区间。

g 的五个取值范围为 1.43 至 2.83 个合并标准差,其中最宽的区间(0.87 至 2.00)是为了避免出现偏差。这里对 g 进行了修正,使其与经过小样本校正的 Cohen's d 值相对应。由于每组样本量为 30,即使点估计值较大,区间仍然很宽。

各组在基线时是否相似?

表1下方的文字说明所有变量均无显著差异(p > 0.05),但表格本身显示身高的p值为0.042(我们重新计算为0.041)。以标准化差异表示,各组身高差异为-0.54个合并标准差,远超出Austin所说的0.1个标准差的阈值范围,该阈值范围被认为可以忽略不计。年龄(0.07)在该阈值范围内,而体重(-0.14)则略微超出该阈值范围。

外翻组和非外翻组基线标准化差异的点图:年龄 0.07,身高 -0.54,体重 -0.14,BMI 0.85(与印刷的均值和标准差相比),但与印刷的 t 值相比为 0.34,阴影带为正负 0.1。
根据 Al-Saadi 和 Roshani 的表 1,在 R 中计算基线标准化差异(CC BY 4.0的)。该环显示了印刷的 t 值所隐含的差异。

一张对不上结果的表格

BMI 数据行打印出的均值分别为 25.86(标准差 0.61)和 25.39(标准差 0.49),t 值为 1.31,p 值为 0.196。根据这些均值和标准差,我们重新计算出 t 值为 3.29,p 值为 0.002。打印出的 t 值 1.31 对应的合并标准差约为 1.39,是打印出的标准差的两倍多。此外,打印出的标准差与体重和身高的标准差相比也显得过窄:根据一级近似计算,这意味着两组体重和身高的相关系数分别约为 0.89 和 0.93。我们无法判断标准差、t 值或 p 值是否打印错误,因为我们没有原始数据,也没有联系作者。其他三行数据重现如下:年龄、身高和体重重新计算出的 t 值分别为 0.28、-2.09 和 -0.52,而打印出的 t 值分别为 0.29、-2.08 和 -0.53。如果 BMI 不平衡是真实存在的,那就很重要,因为 BMI 是平衡能力的一个潜在混杂因素;这是我们得出的结论。

调整后答案会发生多大变化?

情景计算显示了其局限性。对于单个协变量,经协方差分析 (ANCOVA) 调整后的组间差异等于未调整差异减去协变量与结果变量之间的组内相关性,再乘以协变量的标准化差异(以结果变量的标准差为单位)。该表将此规则应用于假定相关性下的身高不平衡 (-0.54)。这些是假设,而非基于数据的估计:它假设只有一个协变量、线性关系和共同斜率,并且并非对原始数据的分析。

左右滑动即可查看每一列。

成果打印数据 g当 |r| = 0.3 时,g 值最低。当 |r| = 0.5 时,g 值最低。当 |r| = 1.0 时,g 值最低。
静态平衡,睁眼2.672.512.402.13
静态平衡,闭眼2.802.632.532.26
动态平衡(计时起立行走)2.832.662.562.29
膝关节本体感觉错误1.771.601.501.23
跌倒恐惧症(FES-I)1.431.271.160.90

即使相关性为 1.0,g 值的变化也不会超过 0.54。这仅对这一已测量的失衡情况令人感到欣慰。它并未说明未测量的混杂因素、其他协变量的共同作用,也未说明外翻的分类和结果检验是否不受观察者偏倚的影响。作者指出缺乏盲法是本研究的局限性之一。4

本案例表明:在这项针对老年男性的便利抽样调查中,被归类为动态膝外翻的受试者在所有五项指标上的表现均较差,且标准化差异较大。但本案例并未表明:膝外翻会导致平衡能力下降;各组在所有背景变量上均保持平衡;或者研究结果适用于女性或其他地区。作者对因果关系和普遍适用性也持相同观点。4

需要运行或检查分析结果?请咨询 Editverse。

Editverse 的学科专家遵循 COPE、ICMJE 和 GPP 2022 指南,并遵守机构和国家特定的道德规范。

Editverse 标志

编辑宇宙

方法论咨询

群体比较,还是更严谨的设计?

您需要提交:您的研究问题、您计划比较的组别以及您可以测量的背景变量。

您将获得:与一位拥有博士学位的研究方法学家进行的三次 45 分钟的会议,内容涵盖研究设计审查和建议、抽样策略以及一份书面方法框架文件。

何时:你需要向委员会或评审员解释设计方案。

方法论咨询套餐 · 400 美元

预约咨询 →

Editverse 标志

编辑宇宙

统计分析

需要进行组间比较并生成报告吗?

您需要发送:您的数据集、您的分组以及您首选的软件。

您将获得:在 SPSS、R 或 Stata 中运行的分析,附带注释代码、完整的输出文件、解释指南和可直接用于出版的表格。

何时:您想要可以直接放入结果部分的结果。

SPSS/R/STATA 统计分析 · 400 美元

分析我的数据 →

Editverse 标志

编辑宇宙

手稿写作

分析都完成了,论文却还没写?

您需要发送:您的数据、您的设计说明和您的目标期刊。

您将获得:由博士专家撰写和编辑的稿件,以及统计审查、期刊选择和投稿支持。

时间:你的项目已经完成,但论文还没有完成。

稿件撰写服务 · 1,500 美元

帮我写论文 →

Editverse提供的免费研究工具

常見問題解答

什么是因果比较研究?

凤凰大学的幻灯片引用了百科全书的定义:因果比较设计是指在事件发生后,通过比较两组或多组个体,来寻找自变量和因变量之间的关系。研究者并不对分组进行人为设定。在我们研究的案例中,60名老年男性根据他们在下蹲过程中是否出现动态膝外翻进行分组,并比较了他们的平衡能力、本体感觉和跌倒恐惧感。

因果比较研究与实验研究和相关研究有何不同?

同一副牌引用百科全书的解释称,在实验研究中,研究者操纵自变量;而在因果比较研究中,由于事件已经发生,研究对象已经分组。牌组还补充道,相关研究针对一个群体并考察其内部变量,而因果比较研究则比较两个或多个群体。

因果比较研究能证明因果关系吗?

这份文件指出,因果比较研究和相关性研究都无法明确断定是否存在真正的因果关系。我们所研究案例的作者写道,由于采用了横断面研究设计,因此无法推断因果关系。奥斯汀指出,在观察性研究中,接受治疗的受试者的基线特征通常与未接受治疗的受试者存在系统性差异,因此组间差异可能反映的是这些基线特征,而非分组本身。

如何检查我的各组在基线时是否具有可比性?

将年龄、身高和体重等背景变量与标准化差异进行比较。奥斯汀解释说,标准化差异低于 0.1 被认为差异可以忽略不计,目前尚无普遍认可的阈值,而且显著性检验会受到样本量的影响。在本研究中,身高差异为 0.54 个合并标准差,远超出上述范围。

我应该使用协方差分析、匹配法还是倾向评分法来调整组间差异?

Austin描述了四种倾向评分方法:匹配法、分层法、逆概率加权法和协变量调整法。所有这些方法都基于不存在未测量混杂因素的假设,他指出,这也是基于回归的方法的基础。Miller和Chapman警告说,协方差分析(ANCOVA)常被误用于处理协变量上的真实组间差异,而且在许多情况下,根本无法对其进行校正。我们的建议是,报告调整前后的平衡情况,并说明哪些混杂因素无法测量。

如何报告两组数据差异的大小?

报告效应量及其区间,而不仅仅是 p 值。Lakens 解释说,Cohen's d 在小样本中存在偏差,而 Hedges' g 则将 d 乘以一个校正因子,该校正因子等于 1 - 3 除以 4 × (n1 + n2) - 9。对于我们案例中的五个结果,Editverse 根据打印的均值和标准差计算了 Hedges' g,得到的值介于 1.43 到 2.83 之间,95% 置信区间为 0.87 到 3.54。

膝外翻病例说明了什么,又有哪些地方错了?

每组30名老年男性中,患有动态膝外翻的受试者静态平衡、动态平衡和本体感觉均较差,且更害怕跌倒,所有打印的p值均低于0.001。Editverse根据打印的均值和标准差重新计算了所有t统计量,发现所有五项结果均一致。然而,在基线表中,打印的BMI t值为1.31,与打印的均值和标准差3.29不符。我们无法判断哪个打印值有误。

因果比较研究与事后研究是一回事吗?

凤凰大学的讲义引用百科全书的说法,指出因果比较研究也被称为事后研究。我们另一份关于事后研究标签的指南解释了这种研究设计是如何运作的,以及它无法证明什么。

案例

  1. Lawrence FP. 因果比较研究。幻灯片,凤凰城大学研究方法小组;2023 年 4 月 20 日。该幻灯片引用了 QuestionPro 博客文章和《研究设计百科全书》(Sage,2010 年);我们引用了该幻灯片,但并未阅读过这两个来源。 phoenix.edu/content/dam/edu/research/doc/2023/causal-comparative-research.pdf
  2. Austin PC. 倾向评分法简介:减少观察性研究中混杂因素的影响。 多元行为研究 2011;46(3):399-424。doi:10.1080/00273171.2011.568786。全文可在 PubMed Central (PMC3144483) 上阅读。 pubmed.ncbi.nlm.nih.gov/21818162/
  3. Lakens D. 计算和报告效应量以促进累积科学:t 检验和 ANOVA 的实用入门指南。 前心理学家。 2013;4:863. doi:10.3389/fpsyg.2013.00863. 在 PubMed Central 上阅读全文 (PMC3840331)。 pubmed.ncbi.nlm.nih.gov/24324449/
  4. Al-Saadi YMR,Roshani S. 比较有代偿性动态膝外翻和无代偿性动态膝外翻的老年人的平衡、本体感觉和跌倒恐惧。 BMC肌肉骨骼疾病。 2026;27:479. doi:10.1186/s12891-026-09883-x. Open access, CC BY 4.0的; 图形由 Editverse 在 R 中重新绘制,衍生数字由 R 计算得出。许可证在 PMC XML 中读取 (PMC13238032)。 pubmed.ncbi.nlm.nih.gov/42021197/
  5. Miller GA,Chapman JP。对协方差分析的误解。 J Abnorm Psychol。 2001;110(1):40-48. doi:10.1037//0021-843x.110.1.40. 我们在 PubMed 上阅读了摘要;我们无法获得全文。 pubmed.ncbi.nlm.nih.gov/11261398/

Editverse 研究团队 | 更新于 2026 年 10 月