模型里的confounder and effect modifier，加什么，怎么加, 看studydesign, 用到很多流行病统计知识

单就你举的例子来说，你的IV是treatment vs control，如果是random assignment to condition的话，理论上不需要放任何covariate。有时候N比较小，condition之间by chance会有些变量不平均，那么啥不平均你covariate就加啥。比如 实验组平均年龄高于对照组，那就在模型里加年龄

系统的说有很多feature selection的方法，前面jm们都说了。找本machine leaning的书里面讲的很清楚。不想那么麻烦的话，social scientists 经常用一种方法号称think it through,就是想想以前的研究都发现了哪些variables会影响DV，把他们加入作为covariates,然后看哪些不是significant,把那些去掉，再比较两种模型，看去掉以后的模型是不是更好一些。更正式一点就分成training set and test set, 比较两种模型。

Re...

单就你举的例子来说，你的IV是treatment vs control，如果是random assignment to condition的话，理论上不需要放任何covariate。有时候N比较小，condition之间by chance会有些变量不平均，那么啥不平均你covariate就加啥。比如 实验组平均年龄高于对照组，那就在模型里加年龄 woolala1202 发表于 3/29/2017 23:29:00 [url=http://forums.huaren.us/showtopic.aspx?topicid=74484563&postid=74484563#74484563][/url]

如果是randomized design的话，而你的目的是为了估计Treatment effect的话，加一些covariate可以让treatment effect的standard error更小一些，估计更精确一些。这些covariates之间correlation太大的话就属于multicolinearity的问题。一般就是三种思路：1. Backward/forward/stepwise selection, 2. Shrinkage methods: ridge/lasso, 3. PCA/PLS. 如果不是randomized design而你却是要估计treatment effect的话这就是属于causal effect on observational data了，有很多方法可以用来去掉confounding, 例如G-computation. 如果不管是不是randomized design, 你的目的是要做prediction的话，那就做cross validation，问题就简单的多了，哪个预测的好就用哪个

非统计专业的看了之后发现专业要求真不一样。lz做的这个在我们专业就是data mining了，上phd的时候是老师坚决反对的。我们的要求是先有自己的hypothesis以及为啥要选那些control variables，每个variable都有自己所代表的含义和以前study proved的解释，是不能随便试出来的加一个减一个的。

看看James heckman的东西吧 大多都是关于endogeneity的

LavaFlow说得真好。我也老犯data mining的错误。