目录

1. 导言

在实证研究中「坏的控制」时常出现，当一个变量的加入使得回归结果与预期产生明显差异时，该变量可能是坏的控制。如何避免这一差异已经成为实证研究中的重要挑战。在本文中，我们试图使用图形工具来解决这一问题。

当需要使估计结果更加接近真实参数时，我们必须考虑加入某个变量后对结果的影响。一方面存在一些好的控制，如果不加入模型可能导致遗漏变量问题。另一方面，如果加入坏的控制，则可能导致估计偏误。

尽管在现有的部分教材中提到了遗漏 “相关变量” 问题，但他们并未明确说明何谓 “相关变量”，也没有指出加入某些变量可能导致不一致估计的问题。上述事实可能会使研究者产生一个不好的想法，即尽可能多地加入控制变量总是更好的。

实际上，好的控制是在感兴趣的解释变量确定时已经固定的变量，即不受处理变量影响的因素，而坏的控制会受到处理变量的影响。但这一条件对控制变量是否是好的控制而言既不必要也不充分。尽管如此，我们仍可以借助图形来更好地理解控制变量的好坏。