需显式说明未控制的变量
别名: 混杂变量 · 局限声明
概念解释
观察性数据（非实验数据）的任何组间比较都可能被未控制的变量扭曲：对比两个渠道的转化率时，渠道的用户构成不同（渠道 A 天然吸引高意向用户）本身就是替代解释；对比两个季度的指标时，季节性、宏观环境都是未控制的变量。"这个比较没有控制 X"——把已知但未控制的因素写出来——是把分析从"暗示结论"拉回"诚实证据"的关键动作。显式说明未控制变量不削弱结论的价值，它划定结论的适用范围，让读者知道在什么条件下这个比较是可信的。
机制
说明未控制变量的机制是把替代解释从隐性变为显性：观察性比较的每一个结论都存在逻辑竞争者（"是 X 导致的差异，不是你认为的那个原因"），这些竞争者要么被控制（实验设计、统计调整），要么被承认（局限声明），要么被隐藏。隐藏时的危险在于竞争者对读者不可见——读者无从判断结论的稳固程度，只能接受字面表述。显式说明的功能是分诊：读者（或后续分析者）可以据此判断"这个混杂对我的用途是否致命"——对某些用途（初步方向判断）已知的轻微混杂可以接受，对另一些用途（资源分配决策）则必须先控制。说明的对象是"已知但未控制"的变量，这要求分析者完成一步常被省略的工作：主动清点哪些变量与自变量和因变量都相关（混杂变量的定义），并逐个判断是否已被设计或统计控制。这一步的存在本身就是质量的分水岭——无法列出任何潜在混杂的分析通常意味着混杂清点从未发生，而不是混杂不存在。
边界
未控制变量的说明存在"过度声明"的边界：把所有想象得到的混杂全部列出而不加排序，等于没有说明（读者无法分辨哪些重要）；有效的局限声明按影响力排序并列出前几位，说明其方向（"渠道 A 的用户构成更偏新用户，可能高估渠道间真实差异"）。统计控制（回归调整、匹配）可以处理部分混杂，但调整本身依赖假设（无未测混杂、模型设定正确），声明时需要说明"已控制什么、控制依赖什么假设"，而不是调整过后就宣布无混杂。对实验数据（随机对照），未控制变量的问题被随机化化解，声明的内容相应变为"随机化单位与是否有流失偏差"，不适用观察性数据的混杂声明模板。
怎么落地
- 观察性比较的图表附局限声明，列出未控制的主要变量及其预期的偏差方向。
- 分析文档包含混杂清点清单：列出与核心比较相关的候选变量，标注各自的控制状态（已控制/未控制/不可控）。
- 涉及资源分配的决策图表，未控制的已知混杂必须在图表正文（而非附注）中声明。
- 验证：请分析者回答"如果结论错了，最可能是因为哪个未控制的变量"；答不出即混杂清点未做，图表的局限声明不可信。