广义估计方程GEE实战：重复测量数据建模、相关结构选型与R/Python实现

1. 什么时候该选GEE：重复测量数据的一个现实决策

做纵向数据分析的朋友大概率都遇到过这个场景：手里是一份随访数据，每个受试者有好几条记录，组内显然不独立，直接塞进普通回归模型怕犯错误。教科书这时候会给你两个方向——广义估计方程（GEE）和线性混合模型。两套东西经常被并列提，但真实的项目里选哪条路，绝不是看谁名气大，而是看你的研究问题在问什么。

GEE解决的核心问题可以一句话讲透：当我们不关心个体内部的随机波动细节，只想知道"总体平均效应"是多少时，怎么在存在相关性的数据里得到靠谱的系数和标准误。它通过一个"工作相关结构"来校正组内相关性带来的信息重叠，然后估计出稳健的总体平均效应。这个定位和混合模型有本质区别，混合模型会显式地把个体差异拆成随机截距、随机斜率，估计的是"给定这个个体水平时的条件效应"。一个是population-averaged，一个是subject-specific，学术上常说的PA vs. SS之争，落到业务语言里就是：你是想回答"这个药在人群层面平均能降多少血压"，还是想回答"某个特定患者血压会怎么随用药时间变化"。

我在实际项目里的经验是，如果客户或合作方要的是可推广的公共卫生结论，比如政策评估、流行病学队列研究，GEE往往是更直接的选择。原因有三：第一，GEE对协变量结构的假设更宽松，数据里的相关结构稍微设错一点，主效应估计依然一致；第二，它不需要对随机效应的分布做假设，这在离散结局（二分类、计数）场景下尤其省心，因为混合逻辑回归的随机效应积分没有解析解，计算上麻烦；第三，GEE给出的标准误是sandwich estimator，也就是经验稳健标准误，即使工作相关结构设定得不太对，标准误一般也能扛住。

当然，GEE也有它不舒服的地方。最典型的一点是它对缺失数据的假设很苛刻：要求完全随机缺失才有好性质，而混合模型在随机缺失条件下表现更好。这句话在面试或论文答辩里经常被问，但在真实项目中，很多团队压根没意识到数据缺失机制会直接影响该选GEE还是混合模型。后面我会专门展开讲这块。

1.1 处理相关性的两条技术路线

为了说清楚GEE的定位，有必要先聊几句它为什么诞生。GEE是Liang和Zeger在1986年提出的，那会儿生物统计领域正苦于一个问题：临床试验和流行病学调查里到处都是重复测量数据，每个患者在不同时间点测血压、测CD4计数、测生活质量评分，这些观测天然相关。如果无视相关性直接用普通回归，参数估计倒是无偏的，但标准误会偏小，置信区间变窄，p值漂亮得不可信，假阳性的风险很高。

传统方案是多元回归或者把数据做变换，麻烦且不灵活。混合模型在统计理论上是漂亮的，但那个年代的计算资源根本撑不起大规模随机效应模型，尤其是非高斯结局。GEE的巧妙之处在于，它不试图把相关结构准确建出来，而是随便猜一个，然后用sandwich标准误兜底。用一句行话讲：GEE通过拟似然估计等式，把相关结构当成nuisance parameter来处理。这个设计哲学在工程上非常好使——稳定、快、对模型误设不敏感。

我在实际项目里多次对比过这两类方法的效果。比如一个多中心临床试验数据，三个中心，每个中心两三百个患者，随访四次。用GEE和用带随机中心截距的混合模型，主效应系数通常差不了太多，但标准误会有差别，而且GEE跑起来几乎不需要调参，混合模型偶尔会遇到随机效应协方差矩阵的非正定问题。在要快速给出结果的项目里，GEE的工程优势是很实在的。

1.2 GEE的估计思路：从拟似然到工作相关矩阵

GEE的核心逻辑可以拆成三步看。第一步，写出边际均值模型，也就是连接函数和线性预测子的关系，比如逻辑回归的形式：logit(p) = Xβ。第二步，设定因变量方差与均值的关系，这通常由结局的分布族决定，二项分布就是p(1-p)，泊松分布就是均值本身。第三步，给组内观测设定一个工作相关矩阵R(α)，描述同一受试者不同时间点观测之间的相关程度。

然后GEE的估计方程长这样：对所有个体求和，D^T V^{-1} (Y - μ) = 0。这里面D是均值对β的导数矩阵，V是工作协方差矩阵，由方差部分和相关矩阵组合而成。求解这个方程不需要设定完整似然函数，所以叫拟似然。解出来的β是的一致估计量，它的渐近方差用sandwich estimator来算，形式是B^{-1} M B^{-1}，其中B是模型导数部分的信息矩阵，M是残差叉积部分。这个M就是所谓的"经验"部分，它直接从数据里算实际残差，所以哪怕你相关结构猜错了，只要均值模型对，标准误依然有保障。

用一句话总结GEE的解构逻辑：均值模型为主，相关结构为辅。辅助部分就算辅助得不好，主力部分依然不塌。这也是为什么它在应用统计里口碑好——它不是靠赌相关结构正确来过日子的方法，它的容错性在设计层面就已经内建了。

1.3 该用GEE还是混合模型：我的判断清单

很多入门者会问"GEE和混合模型哪个更好"，这种提问本身就容易带偏。更实际的问题应该是：我手里的数据和我的研究问题，更适合哪一边。我一般按下面这个清单来判断，基本几分钟就能有结论。

第一，研究问题问的是人群平均还是个体条件。如果政策制定者问"这种疫苗在人群层面将感染风险降低了多少"，GEE是直接答案。如果临床医生问"这个患者如果坚持用药，他个人的风险会降到多少"，混合模型的subject-specific预测更贴合。第二，结局类型和计算代价。连续结局且随机效应结构简单，混合模型很好用；但如果结局是二分类或计数，又有很多分类变量做随机效应，混合模型的数值积分会非常痛苦，GEE基本不需要纠结这些。第三，样本量和聚类单元数量。GEE的sandwich标准误在大样本渐近理论下表现好，但如果你只有十来个中心、每个中心样本量也不大，sandwich标准误会偏激进，这时候要么改用小样本校正，要么考虑混合模型。第四，缺失数据的假设能否满足。前文提过，GEE要MCAR才比较安全，混合模型在MAR下表现更好。这个区别在随访类数据里经常是决定性的。

2. 工作相关结构的选型逻辑与常见误区

GEE使用过程中最容易被忽略、也最容易翻车的就是工作相关结构的设定。很多教程会一笔带过说"默认exchangeable就行"，但真实项目里这个选择直接关系到效率，甚至在某些场景下会引发收敛问题。我花了不少时间在这个环节上踩坑，值得单独拿出来聊聊。

工作相关结构概括起来有四种常见形态。第一种是独立结构，对应的相关矩阵是单位阵，相当于假装组内观测不相关。第二种是可交换结构，假设组内任意两次观测的相关性都一样，这是最常用的默认选项。第三种是一阶自回归结构，假设观测间的相关随间隔时间变长而衰减，适合时间点间隔规则且相关性随间隔拉大而减弱的纵向数据。第四种是无结构，让相关矩阵的每个元素自由估计，灵活但同时要估计的参数会随重复测量次数平方级增长，样本量不足时非常容易崩。

选择结构的逻辑不能只看"哪个更精确"。相关结构的选择更多的是在偏差和方差之间做权衡——你设定的结构越灵活，需要估计的辅助参数就越多，在小样本下反而可能引入更多不确定性。而GEE的渐近性质恰恰是"只要均值模型对，就算相关结构错了，主效应一致"，所以在实际应用中，一般原则是：用最简单、与数据机制大致吻合的结构，然后用稳健标准误来兜底。可交换结构通常是最稳的起点，因为它不要求时间点之间有任何特殊依赖模式。

2.1 四种相关结构：适用场景与现实限制

可交换结构在临床试验中被广泛使用是有道理的。大部分临床试验的患者随访时间点虽然固定，但各时间点的相关性并没有明显的递减趋势，即便有轻微衰减，可交换结构配合sandwich标准误也完全扛得住。但有一个前提条件需要注意——重复测量次数不能太大。如果每个受试者有十几个时间点的数据，用可交换结构就太粗糙了，因为远期观测和近期观测的相关性差异会被压平成同一个值，虽然系数无偏，但效率损失会比较明显。

一阶自回归结构适合时间序列特征明显的纵向数据。比如经济学面板数据里的月度指标随访，上一期和这一期关系紧密，隔得越远关联越弱。用AR(1)结构能更好地利用时间排序信息，在相同样本量下得到更窄的置信区间。但要注意，AR(1)对时间间隔的规则性有要求，如果你的随访时间点间隔参差不齐——有的人第1、3、6个月访视，有的人第1、4、7个月——严格按照时间点位置设定相关结构就会有点尴尬，这时要么把时间离散化到规则的窗格里，要么索性用可交换结构省事一些。

无结构是最灵活的，也是实际使用中"富贵病"最多的一种。它把组内任意两次观测的相关都当作自由参数来估计，好处是能毫无假设地反映真实相关模式，坏处是估计的参数数量随测量次数二次方增长。假设每个受试者随访10次，相关矩阵里就有45个参数要估，如果你的有效样本量不够，模型跑出来的相关矩阵很可能是非正定的，报错"correlation matrix not positive definite"。这种情况在小组数、多重复的纵向数据里特别常见，我的建议是：除非样本量非常充足，尽量不要选unstructured。无结构更适合作为模型诊断的参照物，而不是默认选项。

2.2 结构选错会是什么后果：一个类比和一次实测

把相关结构选错的后果用生活化的类比来解释会更容易理解。想象你在估一群人平均身高，如果你错误地假设每两个人的身高信息是完全独立的，那么你所估出的平均身高的置信区间就会显得过分精准——因为你把同一个家庭里兄弟姐妹互相相似的身高信息，当成了来自互不相关个体的独立证据。GEE如果选了独立结构而实际数据又强相关，就会出现类似的状况：点估计没问题，但标准误往下偏，p值过于乐观。

我印象比较深刻的一次实测是医院随访数据，四个时间点，结局是二分类的术后并发症有无。最初用可交换结构跑完后，我因为好奇调整成了独立结构做对比，结果主效应系数的方向没变，但标准误从0.112缩水到了0.094，对应的p值从0.036变到了0.011。这个差别在论文投稿时是致命的——前者只能说"有统计学意义"，后者会让人误以为证据强了很多。换到AR(1)结构时，标准误落在0.106附近，说明时间相邻性确实带来了额外信息，但幅度不大。这个对比实验强烈建议每个GEE使用者都做一次，成本很低，但对结论稳健性的理解会深刻很多。

2.3 用面板数据检验工作结构：一个可复现的验证方法

R的geepack包提供了专门的检验方法，核心思路是比较不同工作相关结构下的系数估计差异和QIC信息准则。操作很简单：对同一份数据，分别用exchangeable、ar1、independence跑一遍模型，然后比较各模型的QIC值。QIC这个指标可以粗略理解为GEE版的AIC，越低代表模型在拟合优度和复杂度之间的平衡越好。

但要注意一个坑：如果你的系数在选项之间出现了方向改变或者明显的大小摆动，这往往是均值模型设定有问题的信号，而不单纯是相关结构的问题。相关结构错配只影响效率，如果你的估计值因此发生了实质变化，多半是数据里存在强非线性关系、缺失数据严重，或者重要协变量被遗漏了。这时候先不要急着在四种结构里选个最好的，而是要回头检查均值模型本身。我在实际分析中通常会把"不同工作相关结构下系数的稳定性"当作模型诊断的一部分来使用——它比任何单一检验都更能说明模型是否站得住脚。

3. 从R到Python的落地实现与参数陷阱

工具层面，GEE的生态环境比混合模型要清晰一些。R里的geepack是事实标准，Python里statsmodels的gee模块也基本可用。两个生态我都跑过不少项目，各有各的脾气，这里把实现要点和参数陷阱一并拆开讲。

3.1 R语言geepack的标准流程与关键参数

R里跑GEE的核心函数是geeglm，它的调用习惯和glm非常接近，额外需要指定三个关键要素：id指定聚类分组，corstr指定工作相关结构，std.err指定标准误类型。一个典型的调用长这样：

library(geepack) fit <- geeglm( y ~ time + trt + time:trt + age + sex, data = dat, family = binomial(link = "logit"), id = id, corstr = "exchangeable", std.err = "san.se" ) summary(fit)

这里最容易踩的坑有两个。第一个是数据的排列顺序——geeglm默认假设数据按id和时间排序，如果你的数据没有先按id聚在一起，再用聚类内的时间排序，模型内部对相关矩阵的构造就可能错乱。它不报错，但结果不对。我在早期跑一个多中心数据时就吃过这个亏，id是患者编号，但数据框是按中心分块的，每个中心里的id顺序被打乱了，模型跑出来的系数看着合理但标准误明显异常。排查了很久才发现是排序问题。解决办法很机械但也有效：先按id和时间排序，再跑模型。

第二个坑是std.err的取值。geeglm提供两种选择，默认的"san.se"是经典sandwich标准误，另一种"fijs"是Jackknife标准误。小样本场景下san.se会低估标准误，fijs会更保守一些，但计算代价高。我一般的习惯是，如果聚类单元数大于40，用san.se够了；如果聚类单元数少，比如只有10到20个中心，用fijs额外跑一遍做敏感性分析。这一点很多教程不会提，但对真实项目里的结论稳健性影响不小。

3.2 Python statsmodels的对应实现与差异点

Python里跑GEE的方式如下：

import statsmodels.api as sm from statsmodels.genmod.generalized_estimating_equations import GEE from statsmodels.genmod.cov_struct import Exchangeable model = GEE( endog=df["y"], exog=sm.add_constant(df[["time", "trt", "age"]]), groups=df["id"], family=sm.families.Binomial(), cov_struct=Exchangeable() ) result = model.fit(cov_type="robust") print(result.summary())

statsmodels的GEE实现整体上比R的geepack更"直觉化"，但有几个差异点需要注意。首先，statsmodels默认不会自动帮你处理数据排序，你必须自己在传入前把数据按groups排序好，否则相关矩阵的对应关系会混乱。其次，Python的cov_type参数和R的std.err不完全对应，statsmodels里你通常指定"robust"来获得sandwich标准误，也有"naive"选项，但实际项目中naive基本不会用——它假设你的相关结构完全正确，这几乎不可能，用它等于自欺欺人。

还有一个小差异是groups参数的传法。statsmodels的GEE要求groups是一个与endog长度相同的数组，表示每个观测属于哪个聚类单元。如果你的数据是多层嵌套结构，比如患者属于医院、医院属于地区，GEE的groups只能指定一层，多水平嵌套要用扩展版本来处理。这在临床多中心数据里比较常见，我通常的做法是选最上层的聚类单元作为groups，下层结构放进协变量或干脆忽略。

3.3 系数组件、置信区间与模型输出解读

分析GEE输出时，最关键的是看三样东西：系数点估计、稳健标准误、以及QIC。系数本身和普通广义线性模型的解读方式一致，比如logistic链接下系数的指数化就是odds ratio。标准误要特别注意看是不是稳健版本——如果summary里显示的标准误和naive标准误相差很大，这本身就是一个值得警惕的信号，说明你的相关结构设定和数据的实际情况偏离较大，即使系数无偏，效率也已经打了折扣。

我在实际项目中做过一次很有意思的对比，同一个数据集，用GLM无视相关性、用GEE可交换、用GEE独立结构、用混合模型，四种方式跑出来的截距和时间效应系数差别不大，但标准误从GLM的0.058到GEE可交换的0.083，差了超过40%。这个差距直接决定了p值过不过0.05那条线。很多从SPSS或简单统计工具转型过来的研究者，第一次看到这个差异往往非常惊讶。这就是相关数据处理的本质威力——它不会改变你的点估计，但它会诚实告诉你，你的数据里真正有效的信息量比表面看起来少。

4. 小样本场景下的校正策略与我的排错记录

GEE在渐近理论上很漂亮，但真实项目中常遇到的恰恰是小样本场景。多中心临床试验一个中心只有二三十个患者，随访三五次，聚类数量可能就十几个。这种条件下，sandwich estimator的行为会变得很不稳定，标准误容易被严重低估，而且聚类数量越少越离谱。这里的"小样本"有两个方向：一个是聚类数量少，另一个是每个聚类的观测次数少。两者对GEE的影响不同。

聚类数量少是更致命的问题。GEE的sandwich estimator的核心是"用样本中不同聚类之间的残差变异来估计系数的真实变异"，如果聚类数量只有10个，那这个估计就建立在10个观测之上，和一个人用10个样本量估一个均值的标准误没什么区别，波动极大。针对这个情况，统计学界已经发展出若干校正方法，其中最常见的是Mancl和DeRouen在2001年提出的小样本校正，以及更保守的Kauermann和Carroll修正。R里的geesmv包专门实现了这类方法，Python里statsmodels的cov_type参数也支持small_sample调整。

4.1 为什么"默认的稳健标准误"在小样本下会翻车

sandwich estimator在数学上可以拆成两部分：面包和肉。面包是均值模型的信息矩阵，肉是残差的叉积矩阵。当样本量充足时，残差叉积矩阵能稳定逼近真实的残差协方差，sandwich就表现出良好的覆盖概率。当聚类数量很少时，叉积矩阵中每一个聚类残差向量都贡献很大分量，任何一个聚类的异常波动都会扭曲整个标准误估计。这就像用三五个人的收入平均值去估计全国人均收入，方差大到没法看。

Mancl-DeRouen校正的思路很直接：对残差叉积矩阵做某种"去偏"处理，考虑到估计过程中系数本身的随机误差也被嵌进了残差里。它用hat matrix把残差里来自参数估计的成分剥离掉，让标准误回归到接近真实值。实际效果上，小样本校正后的置信区间会比默认sandwich更宽，覆盖概率更接近名义水平。但校正也不是万灵药，在极端的小聚类数量下，校正后的标准误可能会走向另一个极端——过于保守，检验功效下降。

4.2 校正方法的选型和常见错误

选校正方法时，普通用户最容易犯的错误是"直接用一个包跑出结果，看哪个p值顺眼就用哪个"。这是典型的用结论倒推方法。我的建议是，先把你的聚类数量M和每个聚类内的平均观测次数n_i换算成有效样本规模，再去判断。经验阈值大致如下：

这个表格是我自己项目经验的总结，不能当作严格的数学结论，但作为粗略判断很好用。另外注意一点，如果你选择bootstrap做替代，聚类层面的bootstrap（以整个聚类的残差为单位重采样）要比个体层面的bootstrap可靠得多。个体层面的bootstrap会把相关结构打散，等于破坏了数据原有的嵌套信息，结果会高估精度。

4.3 一次实际排错记录：配对数据的"工作相关矩阵"报错

有一回我处理一个配对设计的数据，每个受试者只有两个时间点——基线和随访。方案很简单，GEE拟合应该几分钟跑完。但当我指定corstr="exchangeable"时，geepack报了一个奇怪的错，大意是"correlation matrix not positive definite"。我一度以为是样本量太小导致相关矩阵不可逆，后来仔细检查发现，问题出在部分受试者只有基线没有随访，数据框里这些行虽然存在，但id的聚类内有效观测次数只有1，这会让相关矩阵在填充时出现不完整的行块。

解决办法也直白：要么把这些缺失随访的受试者从GEE分析中剔除（前提是缺失满足MCAR，剔除后不会引入偏倚），要么用unstructured结构在完整配对子集上重新估计。我当时选择了后者，还顺手比较了一下未剔除的数据跑出来的结果和剔除后的差异，发现系数方向没变、幅度有轻微变化，这让我对结论的稳健性有了把握。这类报错在时间点不齐的纵向数据里并不少见，遇到时不用慌，按"先确认聚类内观测次数分布，再决定剔除或改结构"的思路去处理即可。

4.4 缺失数据的处理：GEE最容易被问倒的短板

GEE对缺失机制的容忍度一直是它的软肋。严格来说，GEE的一致性要求数据是完全随机缺失（MCAR），也就是说，某个观测是否缺失，和该观测的取值以及任何其他变量都无关。这个假设在随访研究中几乎不可能自然满足——往往越病重的患者越容易失访，而病重本身就和结局相关。当数据是随机缺失（MAR）时，GEE的表现就取决于缺失概率是否和协变量有关。如果缺失概率能完全由观测到的协变量解释，那么在均值模型里正确纳入这些协变量后，GEE的系数估计可以近似无偏，这被称作"协变量条件可忽略的缺失机制"。但标准误层面依然会受影响。

实用的决策路径是这样的：先做简单的缺失模式描述，看看各时间点的缺失比例、缺失是否与基线特征相关。如果缺失比例小（比如小于10%），GEE结果基本可信；如果缺失比例高且和结局明显相关，就应该认真考虑加权GEE（用逆概率权重给观测加权，IPW-GEE），或者在方法学层面直接投奔混合模型。加权GEE的实现并不复杂，但需要先估计每个观测的缺失概率，这一步本身又是一个建模工作。我通常的建议是，除非缺失情况特别复杂，否则先用完整数据的GEE跑一遍作为基准，再用多重填补后跑GEE作为敏感性分析，两者互相印证，比单一方法更让审稿人放心。

5. 诊断、汇报与项目落地中容易忽略的细节

GEE项目走到"模型跑出来"这一步，其实才走完一半。后一半是验证模型是否靠谱、结果如何呈现、以及实际落地时有哪些容易被忽略的工程性细节。这些内容文档里很少写完整，但项目交付时往往决定成败。

5.1 模型诊断：不只是看一眼系数表

GEE的残差诊断不像线性回归那样有现成的QQ图和残差图可以无脑输出。因为残差之间本来就相关，直接画残差图会误导判断。我常用的思路是构造"边际残差"和"皮尔逊残差"，再按聚类单元和时间点做聚合可视化。例如把每个时间点的平均残差画出来，看是否有明显的趋势或周期性；把每个聚类单元的残差均值画出来，看是否存在某个聚类整体偏离。

另一个实用手段是杠杆值诊断。由于sandwich估计器对个别聚类的残差非常敏感，一个极端聚类可能单独拉动整条回归线。R里geepack的influence函数可以输出每个聚类的DFBETA，用来识别影响点。我在一个真实项目里钓到过一条"大鱼"——一个中心的数据录入严重出错，导致该中心所有患者的结局都录反了，这个聚类的DFBETA值明显比其他中心高出一个数量级。如果没有做这个诊断，整个结论都会被带偏。这件事之后，我在任何GEE项目里都把影响点检查列为固定步骤。

5.2 论文和报告中的数据呈现细节

写论文或汇报时，GEE结果的标准呈现方式包括：效应量和置信区间（用稳健标准误)、p值、工作相关结构的说明、以及QIC值。但我在评审一些稿件时发现，很多作者只写了"采用广义估计方程进行分析"，连相关结构用的哪种都不说，这其实是不规范的。审稿人看到这句话往往就会追问："相关系数衰减模式如何？为什么选这个结构？有没有做敏感性分析？"

我的建议是，方法部分至少写三句话：第一句交代聚类单元和重复测量结构；第二句说明所选工作相关结构和理由；第三句报告标准误类型是稳健标准误，并提一句小样本校正如果做了的话。结果部分，除了回归系数和置信区间，最好附一个简单的时间乘组别的交互作用展示，用预测概率曲线或者剂量反应图把模型结果可视化出来。GEE的预测是基于人群平均水平的，画出来的曲线解释起来很自然，就是"平均而言，某组在某个时间点的结局概率是多少"。

5.3 提升模型稳定性的工程细节

前面聊了那么多统计层面的坑，最后补几个工程层面的经验。第一，建模前务必检查id变量的类型和连续性，尤其当id是字符串时，注意有没有重复值或空格之类的小问题，这些在R和Python里都可能静默地引发分组错乱。第二，数据集里时间变量的编码必须是在聚类内有意义的数值，不要用字符型月份或访视代号，否则AR(1)结构的滞后设定会变得不可靠。第三，如果你的数据是大规模电子病历或保险理赔数据，聚类数量可能上百万甚至千万量级，这时候GEE的sandwich估计器计算会成为瓶颈，考虑用分块计算或者降采样后先跑一个子集来调通流程，再全量跑。

第四点是我个人越来越坚持的：任何关键结论，用两种不同的工作相关结构各跑一遍，再决定报告哪一种。这么做不是为了选一个最好看的，而是为了让自己对结论的稳健性心里有数。如果两个结构下结论完全一致，那么读者和审稿人可以放心；如果不一致，那恰恰说明这个发现可能还没稳到能写进结论。稳，比好看重要得多——这句话在统计咨询里适用，在纵向数据分析里尤其适用。

我最后再分享一个个人习惯：会把GEE跑出来的系数和混合模型的输出放在一起对比，哪怕最终报告只用其中一个。两个模型的系数如果方向一致、量级接近，那基本上你可以放心地说这个效应是数据里真实存在的；如果差异大到让人产生困惑，那说明数据里可能存在强影响点、重要交互项遗漏，或者缺失机制的干扰已经到了不可忽视的程度。用对比来验证，远比在单个模型里反复调整参数更靠谱。这个习惯帮我避免了好几次在错误方向上越走越远。