广义线性模型（GLM）在描述刺激和行为变量的编码以及单个神经元的动力学的系统神经科学中有着广泛的应用。然而，在任何给定的实验中，许多对神经活动有影响的变量没有被观察到或没有建模。在这里，我们从理论和实践两方面证明了这些忽略的变量如何导致对包含的影响的有偏参数估计。在三个案例研究中，我们评估了运动皮层、海马体和视觉皮层中常见实验的调谐功能。我们发现，包括传统忽略的变量会改变原始参数的估计值，并且在包括新变量后，原本归因于一个变量的调制会减少。在描述单神经元动力学的GLM中，我们随后证明了峰后历史效应也可以被省略的变量所偏置。这里我们发现，省略变量偏差可能导致对单神经元放电稳定性的错误结论。省略变量偏差可以出现在任何具有混杂因素的模型中——省略变量调节神经活动，并且省略变量的影响与包含的影响共价。理解省略变量偏差如何以及在多大程度上影响参数估计对于解释许多神经编码模型的参数和预测可能很重要。
