《Frontiers in Psychology》：When suppressor effects may reflect multicollinearity artifacts: a cautionary tale from multiple object tracking and clay pigeon shooting performance
编辑推荐：
目的： 评估多目标追踪（MOT）能否预测飞碟射击表现，并阐明人口统计学协变量之间的多重共线性如何模拟出抑制效应。
方法： 二十名射手完成了一项MOT任务（2–6个目标）。计算了零阶偏相关、层次回归、留一法交叉验证（LOOCV）、方差膨胀因子（VIF）诊断和功效
目的： 评估多目标追踪（MOT）能否预测飞碟射击表现，并阐明人口统计学协变量之间的多重共线性如何模拟出抑制效应。
方法： 二十名射手完成了一项MOT任务（2–6个目标）。计算了零阶偏相关、层次回归、留一法交叉验证（LOOCV）、方差膨胀因子（VIF）诊断和功效分析。比较了两种设定：设定A（年龄+训练年限，存在多重共线性）和设定B（仅年龄，VIF<2.5）。
结果： 年龄与训练年限近乎完全相关（r=0.928）。在设定A下（r=0.928; VIF=11.7），MOT-5和MOT-6表现为名义上显著的偏相关（rpartial ≈ 0.49, p<0.03, 未校正），这是一种经典的抑制模式。在设定B下，这些效应减弱至不显著（p>0.13）。训练系数发生了符号反转（B=?2.12，尽管其零阶相关r=+0.65），这与多重共线性导致的估计失真一致。功效分析表明，检测到残余效应（f2=0.15）约需N≈68名被试，但鉴于样本量较小，此估计值仅为示意性。
结论： 表面上的抑制效应更可能是年龄与训练年限间的多重共线性所致，而非真正的预测关系，尽管小样本（N=20）无法得出确切结论。建议在小样本运动认知研究中常规进行VIF检验、自助法稳定性检验和功效分析，以避免伪像。
论文解读文章
1. 研究背景与问题提出
动态视觉注意力是高水平竞技表现的关键因素之一，尤其在飞碟射击这类需要快速追踪高速移动目标的运动中。多目标追踪（Multiple Object Tracking, MOT）范式被广泛用作实验室评估动态视觉注意力的金标准。已有研究表明，运动员在MOT任务中的表现优于非运动员，尤其是在高认知负荷（同时追踪4-6个目标）条件下。然而，现有文献大多聚焦于专家组与新手组的群体差异，鲜有研究检验MOT表现在经过训练的运动员群体内部是否能预测真实的竞赛成绩。后者，即预测效度，是衡量任何指标能否用于人才识别的重要标准。
在研究认知指标与运动表现的关系时，年龄和训练经验等人口统计学协变量既是统计必需，也构成统计风险。一方面，未能控制这些变量会导致估计偏差；另一方面，在运动员样本中，年龄和训练年限往往高度相关（年长运动员自然积累了更多训练年限），若将两者同时作为协变量纳入模型，可能产生新的伪像。具体而言，协变量间的近乎完美共线性与偏相关分析相结合，可能产生一种模仿经典统计抑制效应的模式——某个变量在零阶相关中与结果无关，但在控制协变量后却成为“显著”预测因子。因此，区分真正的抑制效应与多重共线性伪像，对于避免虚假发现至关重要。本研究旨在通过一项实证案例，展示一套诊断流程，以区分这两种可能性。
2. 研究方法概述
本研究招募了20名来自中国东部某省级训练基地和军事体校的飞碟射手（9名双向飞碟射手，11名多向飞碟射手；12男，8女），平均年龄19.9岁，平均训练年限6.8年。所有参与者完成了基于Matlab Psychtoolbox-3编程的MOT任务（包含2-6个目标的正式实验，以及额外的高速探索性条件）。竞赛得分取自国家级比赛官方记录。统计分析在Python 3.12中进行，采用了零阶与偏相关分析、层次回归、留一法交叉验证（LOOCV）、方差膨胀因子（VIF）诊断、自助法（Bootstrap）重抽样和功效分析等关键技术。
3. 研究结果
- •
3.1 描述性统计与零阶相关： 追踪准确率随目标数量增加而单调递减。所有MOT变量与竞赛得分的零阶相关均不显著（|r|=0.04–0.33, 所有p≥0.160）。年龄（r=+0.741）和训练年限（r=+0.650）是竞赛得分的强预测因子。关键的诊断发现是年龄与训练年限之间存在近乎完美的相关（r=0.928, 共享方差=86.0%），这构成了后续所有设定比较的基础。
- •
3.2 多重共线性诊断： 在设定A（同时控制年龄和训练年限）下，年龄（VIF=11.7）和训练年限（VIF=10.8）表现出严重的多重共线性，远超VIF>10的阈值。移除训练年限后（设定B），所有预测因子的VIF值均降至2.5以下，表明共线性仅限于年龄-训练这一对变量。
- •
3.3 偏相关：设定A与设定B的比较： 这是本研究的核心发现。在设定A下，MOT-5和MOT-6显示出名义上显著的正偏相关（rpartial分别为+0.495和+0.488, p<0.03），呈现典型的抑制效应模式，包括MOT-6的符号反转（从零阶r=?0.106变为正偏相关）。而在设定B下，这些效应大幅减弱且不再显著（MOT-5: rpartial=+0.318, p=0.172; MOT-6: rpartial=+0.345, p=0.137）。
- •
3.4 层次回归与系数稳定性： 在设定A下，加入MOT-5和MOT-6后，ΔR2=0.133（p=0.067, f2=0.43）。关键证据是训练年限的系数发生了符号反转（B=?2.12），与其正向的零阶相关（r=+0.650）相反，这符合多重共线性失真的特征。在设定B下，ΔR2降至0.059（p=0.328, f2=0.15）。自助法标准误显示，设定A下年龄系数的标准误是设定B下的2.21倍，直接量化了多重共线性带来的方差膨胀。LOOCV结果显示，在年龄基础上加入MOT预测因子，交叉验证R2仅提升0.01，增量微乎其微。
- •
3.5 功效分析： 基于设定B下观察到的增量效应（f2=0.15），要达到80%的统计功效，约需68名参与者。当前样本（N=20）仅提供约27%的功效，不足以区分真正的零效应与一个因样本量不足而无法检测到的小效应。
- •
3.6 探索性分析：速度依赖模式： 对试次水平数据的描述性分析展示了不同速度和目标负荷条件下的MOT-得分相关模式，但这些结果仅用于指导未来的独立样本研究，未作推断统计。
- •
3.7 敏感性分析：多重共线性与遗漏变量偏差： 综合VIF诊断、系数符号反转、标准误膨胀、自助法不稳定性和交叉验证结果，多项证据共同指向多重共线性失真比遗漏变量偏差或真正的抑制效应更能简洁地解释本数据集中的现象。
4. 讨论与结论
本研究始于一个简单问题——MOT表现能否预测飞碟射手的竞赛得分？——却得出了一个更具方法论意义的发现。当研究人员同时将年龄和训练年限作为协变量纳入模型时，得到了教科书式的经典抑制效应模式。然而，一系列诊断检查表明，这种模式更可能源于年龄与训练年限之间的严重多重共线性（r=0.928, 共享方差=86.0%; VIF>10），而非真正的预测关系。训练年限系数的符号反转（在回归中为负，而其零阶相关为正）是一个强有力的警示信号。当模型简化为仅以年龄为协变量时，表面的MOT效应便消失了。
该研究的结论指出，这种表面上的抑制效应与多重共线性的解释更为一致，但受限于小样本（N=20），无法完全排除高负荷MOT对射击表现存在微小真实效应的可能性。研究人员据此提出了七条实用建议，包括报告VIF、进行设定敏感性分析、利用自助法检验系数稳定性、进行明确的功效分析以及报告观测数与预测因子之比等，旨在帮助研究者避免将多重共线性伪像误解为实质性科学发现。
