效应

指原因或作用作为结果所导致的变化及其大小的概念，因果推断与效应量测量是其核心。

效应

概述

效应（效果，effect）是指某种原因、作用或干预作为结果所产生出的变化，或该变化大小的概念。从自然科学到医学、社会科学、政策学、教育学，几乎所有学科领域都将其作为核心术语使用，并且需要与单纯的相关性相区分，一并讨论因果解释以及将其大小数值化的效应量（effect size）测量。在现代科学中，“有效应”这一主张不仅要求统计显著性，还要求包含可重复性、样本设计、偏倚控制、在实际使用条件下的验证在内的多层次判断。

主要内容

因果关系与效应的概念

要讨论效应，至少必须成立“原因 → 结果”的方向性。两个变量共同变动的相关性只是效应的必要条件，而非充分条件。例如，冰淇淋销量与溺水事故会一同增加，但这是由于气温这一混杂变量所致，并非冰淇淋导致了溺水。因此，效应判定需要反事实思维（counterfactual）。即必须比较“接受处理时的结果”与“未接受处理时的结果”，而后者实际上无法观测，因此通过对照组、随机分配、自然实验等设计来近似。此时，内部效度（因果解释的准确性）与外部效度（向其他群体、情境推广的可能性）往往相互冲突。

效应测量的基本原理

可信度最高的方法是随机对照试验（RCT）。将参与者随机分配到处理组与对照组，可使未观测到的混杂变量在平均意义上也达到平衡，从而能够将组间差异解释为处理的效应。此时估计的代表性量是平均处理效应（ATE）与处理组平均处理效应（ATT）。在无法随机分配的情况下，则利用双重差分法（DID）、回归断点设计（RDD）、工具变量（IV）、倾向得分匹配（PSM）等准实验设计。在此过程中，选择偏倚、幸存者偏倚、确证偏倚、测量误差可能扭曲效应估计值，因此预注册、盲法、固定分析计划变得重要。

效应量（effect size）

效应的“是否存在”与“大小”是不同的问题。样本量大时，实质上无意义的差异也可能在统计上显著。因此需同时报告标准化指标。代表性指标有连续变量的标准化均值差Cohen's d、相关系数 r、二分结果的优势比（OR）与风险比（RR），以及临床上易于解释的绝对风险降低（ARR）和NNT（为获得一例获益所需治疗的患者数）。最近，同时给出置信区间与效应量、不单凭 p 值下结论的做法已逐渐确立。

医学·药理学中的效应

在医学中，区分效力（efficacy）与效果（effectiveness）。效力是在理想的受控条件（如III期临床试验等）下测得的效应，效果则是在实际诊疗现场纳入依从性、合并症、可及性等后观测到的效应。因此，最近补充随机试验的真实世界证据（RWE）被用于监管与医保支付决策。此外，药物的效应是在与副作用、相互作用的权衡中评估的，并通过安慰剂对照分离非特异性效应。

社会科学·政策中的效应

在政策学中，核心是评估干预是否实际达成目标的政策评估。在难以随机分配的现实条件下，双重差分法、回归断点、合成控制法等被广泛使用，循证政策（evidence-based policy）已确立为将资源分配给“经检验有效应的干预”的原则。不过，政策效应会因目标群体、实施时期、地区背景而大不相同，因此异质性处理效应（HTE）分析变得重要。

教育中的效应

在教育学中，将干预效应通过元分析综合并排序的方法得到推广。代表性的是 Hattie 的研究，其提出效应量 0.4 作为“有意义变化的基准线”，但将不同量表进行平均的做法之妥当性也一直受到批评。教学方法、反馈、小班编制、数字化学习工具的效应会因学习者特征与实施忠实度而异，这一点受到强调。

心理学的特殊效应

在心理学中，各种介入测量与判断的效应已被命名。代表性者包括：期望造成实际变化的安慰剂效应、负面期望使症状恶化的反安慰剂效应、被观察这一事实本身改变行为的霍桑效应、教师期望提升学生成绩的皮格马利翁效应、某一特质左右其他特质评价的光环效应、判断固定于最初信息的锚定效应、紧急情况下干预延迟的旁观者效应等。这些也是实验设计中必须控制的混杂因素。

副作用与反效果

效应并非总是朝着意图的方向出现。包括非预期结果（unintended consequences）、说服反而强化既有信念的反效果（backfire effect）、因规避监管使问题转移到别处的气球效应、中断后症状复发的反弹效应等。因此，效应评估必须包含对获益与危害一并权衡的危害-获益分析。

效应

效应

概述