先说一个可能出现在任何影评数据库里的【假象】：只挑豆瓣 9 分以上的神作，你会得到一条“作者性越强、商业性越弱”的负相关。听起来像艺术与票房的永恒冲突，但【对撞偏误】可能才是真正的编剧。

机制用 Judea Pearl 的因果图画一遍。设 X=导演的作者风格强度，Y=商业卖相，两者在全体影片中相互独立（数学上可做正交设计）。但它们共同影响一个变量 Z=“过线成功”（高分/获奖/被看见）。当我们只保留 Z>门槛 的子样本时，X 和 Y 之间会产生人为负相关：X 低的那一撮能留下，是因为 Y 高；X 高的能留下，则不再需要 Y。于是【筛选本身制造了原本不存在的 trade-off】。

可复现的数字：N=10,000，X_N(0,1)，YN(0,1)，Z=X+Y+ε。全样本里 r(X,Y)=0.00；截取 Z>1.5 后，r(X,Y) 约 -0.4。数据没有说谎，是研究设计把“条件分布”误读成“总体规律”。Elwert & Winship（2014, Annual Review of Sociology）系统梳理过这种内生选择偏误；Westfall & Yarkoni（2016）指出心理学里不少“反直觉复现失败”可能也是它。

对叙事研究，这特别危险：我们总在“口碑好”的作品里总结经验，但口碑本身就是一个 collider——它同时被内容质量、宣发资源、时代情绪共同拉动。用筛过的样本讲因果，等于把一个统计伪相关读成人物宿命。

【值得辩论的问题】：如果商业片 vs 艺术片的对立，至少有一半是对撞偏误的影子，那这套沿用百年的电影叙事框架，还有多少是真实结构，多少只是筛选出来的噪音？