1 基本概念
1.1 定义
遗漏变量偏误是指在回归分析或因果推断中，模型未纳入某个重要解释因素，而该因素又同时与已纳入的解释变量、以及被解释变量相关，进而使估计结果产生系统性偏差。它不是随机波动造成的误差，而是一种具有方向性的结构性问题。
1.2 核心含义
该概念的关键在于“遗漏”并不只是少放了一个变量，更重要的是这个变量是否会改变原本对关系的判断。若遗漏项与核心自变量无关，往往不会引入明显偏差；若两者相关，则模型可能把别的因素的影响错误算到目标变量上。
1.2.1 相关性与因果性的混淆
遗漏变量偏误最常见的后果，是把“相关”误读为“因果”。例如，在观察到教育程度较高的人收入也较高时，如果没有考虑家庭背景、个人能力等因素，就可能夸大教育本身对收入的作用。
1.2.2 系统性偏差的来源
这种偏误的来源通常是变量之间存在共同决定因素，或存在未被显式建模的影响链条。由于这种遗漏会持续影响估计方向，因此它会让结果偏离真实关系，而不是仅仅降低精度。
1.3 与其他误差类型的区别
遗漏变量偏误与一般意义上的噪声不同，它更像是模型结构不完整带来的偏差。与其他常见误差相比，它往往更难从单次回归结果中直接察觉。
1.3.1 测量误差
测量误差指变量被记录得不准确，问题主要出在观测值本身；遗漏变量偏误则是模型缺少了应当纳入的因素。前者会扭曲变量数值，后者则会扭曲变量关系。
1.3.2 选择偏误
选择偏误来自样本进入分析过程的机制不随机，例如只观察到某类人群。遗漏变量偏误则强调模型中少了关键解释因素，虽然两者都可能导致估计失真，但成因并不相同。
1.3.3 内生性
内生性是一个更宽泛的概念，指解释变量与误差项相关。遗漏变量偏误是内生性的重要来源之一，但并非唯一来源，反向因果、测量误差等也可能导致内生性。
2 形成机制
2.1 遗漏变量的作用路径
遗漏变量并不是简单地“缺席”，而是通过与模型中变量的关系进入估计过程，改变回归系数的含义。
2.1.1 同时影响因变量与自变量
若遗漏变量既影响结果变量，又与解释变量相关，那么它的作用会被部分转移到解释变量上。此时，解释变量的估计系数会混入本不属于它的效应。
2.1.2 通过中介链条间接影响估计结果
有些变量并非直接与核心自变量相关，而是通过中介关系影响结果。如果研究者误将中介或前因遗漏，也可能改变路径解释，使结论偏离真实机制。
2.2 偏误方向的决定因素
偏误是向上还是向下，通常取决于遗漏变量与核心解释变量、以及与因变量之间关系的方向组合。
2.2.1 变量相关方向
当遗漏变量与解释变量正相关，且也正向影响结果时，估计值往往被高估；若一正一负，则可能被低估或出现方向反转。
2.2.2 变量对结果的影响方向
遗漏变量对因变量的作用越强，其对回归结果的扰动越明显。若该作用微弱，即便存在相关，也未必造成显著偏差。
2.3 偏误大小的影响因素
偏误的程度并不固定，它会随变量关系强弱、样本分布和数据质量发生变化。
2.3.1 遗漏变量的重要性
被遗漏因素在理论上越关键、对结果解释力越强，偏误就越明显。相反，若它只是边缘变量，影响通常较小。
2.3.2 样本结构与数据质量
样本异质性较强时，遗漏变量问题往往更突出；数据质量较差、缺失值较多或测量不稳定，也会放大这种偏差。
3 数学表达
3.1 基础回归模型
在简单线性回归中，若真实模型应包含遗漏变量，但估计时只保留核心解释变量，则回归式会变成一个不完整的近似模型。此时，误差项中会混入原本应由遗漏变量解释的部分。
3.2 偏误项的推导
从统计推导角度看，遗漏变量偏误可以表示为估计系数与真实系数之间的差异，这种差异来源于解释变量与遗漏项之间的相关性。
3.2.1 期望值偏离
在经典设定下，若误差项与解释变量不相关，估计量在期望上可接近真实值；一旦遗漏变量使误差项含有与解释变量相关的成分，估计量的期望就会偏离真实参数。
3.2.2 系数估计偏差公式
在线性框架中，偏误通常可被分解为“遗漏变量对结果的影响”与“该变量与核心解释变量的相关程度”的乘积，再经过方差项调整。该表达式直观说明了偏误的方向与强弱来源。
3.3 多元回归中的表现
在多元回归中，加入控制变量后，某个核心系数发生变化，常被视为遗漏变量偏误可能存在的信号。
3.3.1 控制变量加入前后变化
若新增控制变量后，核心变量的系数明显缩小、扩大或改变符号，说明原模型可能遗漏了与结果相关的因素。变化幅度越大，原估计越值得谨慎看待。
3.3.2 共线性情形下的影响
当遗漏变量与已纳入变量高度相关时，虽然模型可能表面上“控制了很多变量”，但系数仍可能不稳定。此时，共线性会让识别更困难，也可能掩盖遗漏问题。
4 常见场景
4.1 经济学研究
4.1.1 工资与教育关系
研究工资回报时，如果忽略能力、家庭资源或行业选择等因素，就可能把这些未观测特质误归因于教育年限，从而高估教育收益。
4.1.2 收入与健康关系
收入较高者往往也拥有更好的医疗资源与生活条件。若忽略生活方式、职业风险或地区差异，就难以区分收入本身的作用与伴随因素的影响。
4.2 社会学研究
4.2.1 家庭背景与教育成就
家庭支持、父母受教育程度、居住环境等因素，会同时影响学生教育投入与成绩表现。若不加控制，容易将家庭背景的作用混入教育变量。
4.2.2 社会资本与职业获得
人际网络常与教育、出身和行业机会交织在一起。研究职业获得时若忽略这些共同背景，可能误判社会资本的独立效应。
4.3 公共政策评估
4.3.1 政策干预效果估计
评估某项政策是否有效时，若实施地区本来就与未实施地区存在发展水平差异，政策效果可能被夸大或低估，原因往往是遗漏了地区特征。
4.3.2 项目绩效分析
项目绩效常受管理水平、资源投入和执行环境影响。若只比较项目前后变化，而不考虑外部条件，就容易把自然波动当成项目成效。
4.4 日常统计分析
4.4.1 问卷调查
在问卷数据中，若只关注少数显性变量，而忽略态度、动机或背景差异，分析结果可能出现表面相关、实则混杂的情况。
4.4.2 平台数据分析
平台行为数据中常见推荐机制、曝光机会和用户活跃度等未观测因素。若忽视这些因素，点击率、转化率等指标的解释会受到影响。
5 识别与检验
5.1 理论识别
5.1.1 因果图与变量关系梳理
通过因果图梳理变量之间的路径，可以帮助研究者判断哪些变量属于混杂因素，哪些变量不应轻易控制，从源头减少遗漏。
5.1.2 机制假设构建
在建模前先提出清晰机制假设，有助于明确哪些因素应纳入分析，哪些只属于解释过程中的中介环节，从而提升模型完整性。
5.2 经验检验
5.2.1 稳健性检验
将模型在不同设定下重复估计，观察核心结论是否保持一致，是发现遗漏变量问题的常用办法之一。
5.2.2 敏感性分析
敏感性分析用于评估未观测因素对结论可能造成的影响程度。若结论对小幅假设变化极其敏感，则需要谨慎解释。
5.2.3 替代变量检验
使用与原变量相关但测量方式不同的替代指标，可用于观察结论是否稳定。若结果大幅波动，说明原模型可能存在设定不足。
5.3 诊断线索
5.3.1 系数不稳定
当加入或删去少量控制变量后，核心系数反复波动，往往提示模型对未观测因素较敏感，遗漏变量风险较高。
5.3.2 残差结构异常
若残差呈现明显分组、趋势或与某些变量系统相关，说明模型可能尚未捕捉到重要解释机制，值得进一步检视。
6 修正方法
6.1 控制变量法
6.1.1 增加观测协变量
最直接的处理方式，是把已知会影响结果且与核心解释变量相关的因素纳入回归模型，以减少遗漏空间。
6.1.2 分层控制
将样本按特征分组后分别估计，或在模型中加入分层项，可帮助比较同类个体之间的差异，降低混杂影响。
6.2 固定效应方法
6.2.1 个体固定效应
个体固定效应适用于追踪同一对象随时间变化的情形，可剔除那些不随时间改变、但可能影响结果的个体特质。
6.2.2 时间固定效应
时间固定效应用于控制所有样本共同经历的时期冲击，例如季节变化、宏观环境波动等，避免它们干扰核心估计。
6.2.3 双向固定效应
双向固定效应同时控制个体差异与时间冲击，常用于面板数据分析，是处理遗漏变量偏误的常见框架之一。
6.3 工具变量法
6.3.1 工具变量的选择原则
工具变量应与核心解释变量相关，但不能直接影响因变量，也不能与误差项相关。只有满足这些条件，才可能用于识别因果效应。
6.3.2 两阶段最小二乘法
两阶段最小二乘法先用工具变量预测解释变量，再将预测值带入结果方程，从而减少解释变量与误差项相关造成的偏差。
6.4 面板数据方法
6.4.1 差分法
差分法通过比较同一对象在不同时间点的变化，消除一部分不随时间变化的不可观测因素，从而缓解遗漏变量问题。
6.4.2 双重差分法
双重差分法将时间变化与组间差异结合起来，通过比较处理组与对照组在政策前后的变化差异，推断干预影响。
6.5 准实验设计
6.5.1 断点回归
当某项处理由阈值规则决定时，可比较阈值附近个体的差异，以获得更接近因果解释的估计结果。
6.5.2 匹配方法
匹配方法通过为处理组寻找相似对照组，尽量平衡可观测特征，降低因样本特征不均衡而引起的偏误。
7 实证研究中的应用
7.1 论文写作中的处理
7.1.1 变量选择
论文中通常需要围绕研究问题和理论机制挑选变量，优先纳入与结果和核心解释变量都有关系的因素，以减少遗漏风险。
7.1.2 模型设定
模型设定应当与研究假设一致，避免为了追求统计显著性而随意增删变量。严谨的设定说明有助于提升结果可信度。
7.1.3 结果解释
在解释系数时，应明确说明结论成立的前提条件，以及模型可能未能完全控制的因素，避免将相关关系过度表述为确定因果。
7.2 政策报告中的处理
7.2.1 因果表述规范
政策报告应区分“相关”“可能影响”和“导致”等不同强度的表达，尤其在证据不足时，不宜直接下因果结论。
7.2.2 风险提示与局限说明
报告中通常要说明样本范围、变量缺失和识别限制，以便读者理解结论适用边界，避免过度解读。
7.3 软件实现
7.3.1 回归分析操作
在常见统计软件中，研究者可通过逐步加入控制变量、设定固定效应或使用工具变量命令来检验遗漏变量问题是否缓解。
7.3.2 结果可视化
将不同模型下的系数、置信区间或残差分布可视化，有助于直观展示设定变化对结论的影响，也便于发现异常模式。
8 相关争议与局限
8.1 “控制得越多越好”误区
8.1.1 过度控制
并非所有变量都应纳入模型。若把不该控制的变量也放进去，可能引入新的偏差，甚至遮蔽真实效应。
8.1.2 后门路径与中介变量混淆
有些变量是混杂因素，需要控制；有些变量是中介环节，盲目控制反而会截断真实作用路径。二者混淆是实证研究中的常见问题。
8.2 反向因果与遗漏变量的区分
8.2.1 时间顺序问题
如果结果变量反过来影响解释变量，那么看似像遗漏变量偏误的现象，实际上可能主要来自反向因果。判断时间先后十分重要。
8.2.2 识别困难
在很多现实数据中，遗漏变量与反向因果会同时存在，单靠横截面数据很难彻底分开，需要借助更强的研究设计。
8.3 模型依赖性
8.3.1 设定偏差
不同函数形式、变量定义和样本筛选方式，可能导向不同结论。遗漏变量偏误因此不仅是“少放变量”的问题，也是模型设定问题。
8.3.2 结论外推限制
即便某个模型在样本内表现良好，也不意味着它能推广到其他情境。由于未观测因素往往因场景而异，外推时应保持谨慎。
9 术语与延伸概念
9.1 相关术语
9.1.1 内生性偏误
指解释变量与误差项相关所导致的估计失真，是遗漏变量偏误的上位或相近概念之一。
9.1.2 选择偏误
由于样本非随机进入分析过程而产生的系统性偏差，常与遗漏变量问题并存。
9.1.3 混杂因素
同时影响解释变量和因变量的第三方变量，是造成遗漏变量偏误的典型来源。
9.2 延伸阅读方向
9.2.1 因果推断
因果推断关注如何从观测数据中识别真实影响，是理解遗漏变量偏误的重要理论背景。
9.2.2 计量经济学
计量经济学提供了模型设定、识别与估计的系统方法，也是处理该问题的主要学科基础。
9.2.3 统计建模
统计建模强调变量关系的形式化表达与推断过程，有助于从方法层面理解偏误如何产生及修正。