运动促进健康还是健康的人更偏爱运动？——因果推断在体育学的应用前沿

当前，体育学界的定量研究多数处于统计相关性的描述阶段，基于因果推断的解释能力不足，而在其他学科（尤其经济学和计算机学）中，因果推断已经成为“新的学科前沿”。2020年6月，英国学者Guan Jing 等在利物浦大学经济论坛上报告了1 篇文章，主要探讨运动与健康的双向因果关系。他们指出，当前体育学界对于因果推断的运用主要存在2 个问题：①忽略内生性；②武断假设因果关系的单一路径，如只指出运动促进了健康，而未考虑健康的人更爱运动。目前很多国内学者也注意到：内生性是影响因果推断的核心问题。具体而言，回归分析可通过控制协变量使不同组别具备可比性（如运动和不运动2组人群的健康程度比较），但总有一些无法观测到的变量（如基因特征）未被纳入控制变量，而它们又与解释变量（如基因特征、运动偏好）相关，违反回归分析中“随机误差项与解释变量相互独立”这一基本假设，从而导致估计参数（回归系数）偏误。这种遗漏变量偏误是产生内生性问题的主要来源。此外，内生性问题还源于自选择偏误（如参与运动本身即是具备某种特征的人自行选择的结果）、样本选择偏误（如仅研究参与运动的群体就得出普遍结论）和联立偏误（运动与健康存在双向因果关系）。针对上述问题，陈云松、梁玉成等国内学者总结了相应的解决办法，包括工具变量法、倾向值匹配（PSM）、赫克曼（Heckman）两阶段模型等。另外，近年来较流行的“交叉滞后面板模型”亦是一种利用面板数据解决双向因果问题的方法。值得一提的是，当前随着人工智能的发展和大数据研究的深入，机器学习方法在社会现象的“分类”和“预测”上呈现出强大功能，未来其可助力因果推断在体育学界的应用和发展。