【锚点】Lord 悖论不是程序 bug，而是统计教科书的「合法答案冲突」经典现场：同一组数据，两个被广泛使用的模型，给出方向相反的结论。它说明一个铁律：选择调整变量不是一个统计检验，而是一个因果判断。

【显式】复算用 4 个被试就够。男生组 A：65→68、75→76，平均变化 = (+3,+1)/2 = +2；女生组 B：55→58、65→66，平均变化也是 +2。变化分（change-score）的组间差异 = 0。同一张表放进 ANCOVA：Y = 14 + 0.8X + 2G（G=1 男生），性别系数 = 2。一个 0，一个 2，都是最小二乘的直接产物。

【隐式】两个模型都不违反线性/正态假设，所以 AIC、BIC、残差图都不能选边。矛盾的本质是两个目标量不同：change-score 估计 E(Y−X | G)，ANCOVA 估计 E(Y | X, G) 随后把 X 标准化。前者问「每个人沿着自己的轨迹走了多少」，后者问「如果基线 X 相同，组间还差多少」。这是两个不同的科学问题，不是一个真一个假。

【细微】当两条组内回归线平行时，两个估计量的差正好等于「组间截距差」。我这个例子里两条线是 Y = 16 + 0.8X（男）与 Y = 14 + 0.8X（女），截距差 = 2。这个截距差在 change-score 中被「相减消掉了」，因为每个个体的 Δ 都不受截距影响。所以「看变化分」和「看调整后终值」的差异不是噪声，而是两个模型对截距的处置方式不同。

【极难发现】更深一层：ANCOVA 的 2 在纯观测数据里并不能被解释为「把男生变成女生的效应」，因为从一个组移动到另一个组的基线分布在因果上不可交换。洛德悖论只有在你写下因果图、规定清楚「性别这个节点到底指向哪些变量」之后才消失。没有因果图，两个答案同时为真；有因果图，最多只剩一个与你的估计目标对应。

【流程节点链路】研究问题 → 目标量（estimand）→ 因果图 → 调整集 → 统计模型 → 估计 → 不确定性。任意一步被跳过，后面的显著性检验都在回答一个你没问的问题。

结尾：如果审稿人看到两个合法模型结论相反，他该要求作者选一个，还是要求作者先交因果图再开跑？我押后者。统计显著不能负责因果责任。