回归分析第25讲：控制变量到底该不该加？什么时候“控制”反而是错的？
很多人在做回归时，都有一个朴素的直觉：
控制变量加得越多，结论就越可靠。
于是，回归表越做越长，模型看起来也越来越“严谨”。
但现实中，不少结果恰恰是被这些控制变量“控制错”的。
这一讲，我们专门讨论一个关键问题：
什么时候该控制？什么时候控制反而是错的？
【一】控制变量，本来是用来干什么的？
在回归分析中，引入控制变量的核心目的只有一个：
隔离自变量与因变量之间的干扰因素，避免遗漏变量偏误。
具体来说，如果某些变量同时影响自变量 Y，而这些变量又不在研究的核心机制之中，那么如果不加以控制，它们的作用就可能被“混进” 的回归系数里，导致估计结果产生偏误。
因此，控制变量的作用，并不是为了让结果更显著，也不是为了让模型看起来更复杂，而是为了让核心关系的解释更加清晰。
【二】为什么“控制得越多”，反而越容易出问题？
问题往往出在一个看似稳妥、却非常危险的想法上：
“反正多控制几个变量，总不会有坏处。”
实际上，过度控制往往会带来至少三类严重问题。
第一，把中介变量当成控制变量。
如果真实的作用路径是：X 作为控制变量加入，相当于人为切断了 影响 Y 的一部分真实路径，得到的系数已不再是研究者最初关心的效应。
第二，把“结果变量的近亲”当成控制变量。
某些变量在逻辑或统计上与因变量高度接近，控制它们往往会引发严重的共线性问题，使系数不稳定、显著性判断失真。
第三，机械式控制，导致模型不可解释。
在一些论文中，控制变量的选择缺乏明确逻辑，仅以“参考已有文献”为依据，结果是模型越来越复杂，但结论却难以解释其经济含义。
【三】什么时候“必须控制”？什么时候“千万别控制”？
一个相对稳妥的判断标准是：
通常应该控制的变量，是那些同时影响 X 和 Y，但并不处于研究机制中的因素。
这类变量往往具有以下特征：
不受 X 的直接影响，但会系统性地干扰 X 与 Y 之间的关系。
需要高度警惕、通常不应控制的变量，主要包括：
- 明显处于 X 与 Y 之间的中介变量
- 与因变量高度重合或高度同步变化的变量
- 明显发生在 X 之后的结果变量
一旦控制了这些变量，回归结果往往刻画的是一个被“截断后的效应”，而非研究者真正关心的原始关系。因此，是否控制某个变量，本身就是一个需要被认真论证的建模选择。
【四】一个典型案例：为什么“控制以后，结果反而不对了？”
以“数字化水平对企业绩效的影响”为例。研究者希望考察企业数字化转型是否能够提升经营绩效，于是在回归模型中以企业绩效作为因变量，以数字化水平作为核心自变量。
该案例的数据中， performance 表示企业绩效，digital 表示企业数字化水平，efficiency 表示企业运营效率（中介变量），同时控制企业规模（size）和行业差异（industry）。
在模型的构建过程中，数字化水平不仅直接影响企业绩效，同时还会通过提升运营效率间接影响绩效。
- 基准回归：数字化的总体效应
先看Stata的基准回归结果（图1）。
在不控制中介变量的情况下，模型仅控制企业规模和行业差异，用来估计数字化水平对企业绩效的总体影响。图1回归结果显示，数字化变量的系数约为 0.86，且在统计上高度显著，表明数字化水平越高，企业绩效整体上越好。
这里的基准回归刻画的是数字化的总体效应，其中既包含数字化的直接作用，也包含其通过效率提升等渠道产生的间接影响。
图1 基准回归结果
- 控制效率后：效应被“削弱”一部分
再看加入效率变量后的结果（图2）。
当在模型中进一步控制企业运营效率后，数字化的系数明显下降，降至约 0.48，虽然仍然显著，但幅度已经显著小于基准回归的估计结果。同时，效率变量本身对绩效的影响非常显著，说明效率正是数字化影响绩效的重要传导路径。
在这里，企业运营效率就是中介变量。控制中介变量后的模型中，效应被“削弱”。
图2 加入企业运营效率后的模型输出结果
- 两个模型的对比：为什么“控制反而会出问题”
对比两个模型可以发现，一旦将效率这一中介变量纳入控制变量，数字化对绩效的估计效应明显被削弱。这并不意味着数字化的作用变弱，而是因为模型在控制效率的同时，人为切断了数字化通过效率影响绩效的部分路径。
如果研究关心的是数字化的总体效果，那么控制效率，反而会让结论“看起来没那么有力”。相应地，基准回归更适合用于评估数字化的整体影响，而在引入效率后的模型中，估计结果应被理解为数字化在既定效率条件下的剩余直接效应。
【五】论文中，控制变量应该怎么“写”才规范？
下面是三个可以直接用在论文里的模板：
- 模板一：明确控制逻辑
“为避免遗漏变量偏误，本文在回归模型中控制了可能同时影响 X 与 Y 的个体特征与环境变量。”
- 模板二：解释为什么不控制某些变量
“考虑到 M 可能是 X 影响 Y 的中介变量，本文未将其纳入控制变量，以避免对核心效应的低估。”
- 模板三：作为稳健性检验处理
“在稳健性分析中，本文进一步加入相关控制变量，结果显示核心结论保持一致。”
【六】一句话总结
控制变量不是越多越好，而是要控制“该控制的那一类”。