模拟混杂因素对随机变量的影响：代码无法生成预期强关联问题

原代码无法得到speech和memory的强关联，核心问题是随机噪声的方差过大，掩盖了age作为混杂因素的共同影响。你用age * abs(rnorm(100))生成变量时，每个age对应的随机项波动太剧烈，导致age对变量的解释力被稀释，自然看不到显著的总相关性。

修正思路是让age的线性效应占主导，随机误差项的方差远小于age的效应，这样speech和memory会因为age的共同驱动呈现强相关，控制age后偏相关则趋近于0。

修正后的代码：

# 生成age变量，每个年龄重复10次，共100个样本
age <- rep(1:10, 10)

# 生成speech和memory：age的线性效应 + 小方差随机误差
speech <- 2*age + rnorm(100, mean = 0, sd = 0.5)
memory <- 1.5*age + rnorm(100, mean = 0, sd = 0.5)

# 查看总相关性：此时因age的共同影响，相关性会很高
cor(speech, memory)

# 计算控制age后的残差偏相关
residuals_speech <- lm(speech ~ age)$residuals
residuals_memory <- lm(memory ~ age)$residuals

cor(residuals_speech, residuals_memory) # 结果接近0

代码说明： #

• 用2*age和1.5*age设定age对两个变量的线性影响，确保age是主要驱动因素
• 随机误差项rnorm(..., sd=0.5)的方差远小于age的效应（age从1到10，效应范围是2到20、1.5到15），噪声不会掩盖age的作用
• 运行后总相关性通常会在0.9以上，残差的相关性则接近0，完美展示偏相关控制混杂因素的效果

内容的提问来源于stack exchange，提问作者Dario Lacan