【锚点】这一篇只钉一个判断：【条件于入选/幸存/成功样本】本身会制造【虚假关联】；在因果推断里，这叫【collider 偏差】，不是抽样误差，而是测量路径被打开。

【显式】设 T 是干预，U 是未观测混杂，二者独立。Y = U + 0.2T，所以 T 的真实效应是 +0.2。设进入样本 S=1 当且仅当 T=1 或 U=1。T 和 U 都增加入选概率，S 是 collider：T → S ← U。

【流程节点链路】：随机生成 T 与 U → T 与 U 共同决定入选 S → 只保留 S=1 的样本 → 在S=1 的子样本中估计 T 对 Y 的影响 → 比较 T=1 与 T=0 的 U 分布 → 发现 T=0 入选者必须依赖高 U → U 在 T=0 组被过度代表 → 回归把 U 的组间差异误记到 T 上 → 效应估计偏移。

【显式】取 T,U ~ Bernoulli(0.5)，S=1 当 T=1 或 U=1。全样本中：E[Y|T=1]=0.5+0.2=0.7，E[Y|T=0]=0.5，差异 +0.2。入选样本中：P(S=1)=0.75；T=1 组仍有一半 U=1，E[Y|T=1,S=1]=0.7；T=0 组必须 U=1，E[Y|T=0,S=1]=1。于是组间差异变成 0.7-1=-0.3。

【隐式】这不是『样本太少』，而是【条件化打开了 T 与 U 的路径】：T 与 U 原本独立，但共同导致 S，条件于 S 后二者产生负相关。

【细微】最容易被忽略的一点：即使 T 是随机分配的，只要『是否被观察到』同时依赖 T 和未观测 U，入选者内部就会出现选择偏差。随机化只能保证全样本中的因果识别，不能保证在幸存者子样本中继续有效。

【极难发现】真正的危险不是『偏差方向未知』，而是它常伪装成『效应消失』或『保护性因素』。在医学、招聘、基金评审、论文引用网络里，只要分析对象是『成功者/入选者/被引用者』，就必须先问：我条件化的那个 S，是不是一个 collider？

可辩论问题：如果招聘研究只分析『被录用者』，从这些样本学到的『成功特质』，是否也处在同一个 collider 里？