【锚点】这一篇只回答一个问题：为什么「把所有能想到的变量都塞进模型」在因果推断里不是稳健，而是自毁——以及一个叫【对撞因子】(collider) 的东西，如何在你不注意时凭空造出一条假关联。

一、【显式】一个反直觉的事实

在低出生体重（<2500g）的婴儿里，母亲孕期吸烟的婴儿死亡率反而更低——吸烟看起来「保护」了这些孩子。这不是段子，是流行病学里著名的【出生体重悖论】。Hernández-Díaz、Schisterman 与 Hernán 2006 年在 Paediatric and Perinatal Epidemiology 上把它拆开：这个「保护效应」是假的，是控制了一个不该控制的变量造出来的。

二、【隐式】机制：出生体重是共同结果，不是混杂

画个有向无环图（DAG）：

吸烟 S → 低出生体重 B 先天异常/社会经济劣势 U → 低出生体重 B 吸烟 S → 婴儿死亡 D U → 婴儿死亡 D

B 同时被 S 和 U 指向——B 是一个【对撞因子】：两条箭头在它这里「对撞」。在整个人群里，S 与 U 可以无关。但一旦你【只看低出生体重儿】（条件化于 B），你就人为地让 S 与 U 产生了负相关：一个低体重儿，若妈妈吸烟，它「更可能」不是先天异常导致的；若妈妈不吸烟，它「更可能」是先天异常导致的。于是吸烟组里 U 的占比被压低、非吸烟组里被抬高——吸烟看起来就「保护」了。

【流程节点链路】：全人群 → 按出生体重分层（条件化于对撞因子 B）→ S 与 U 被诱导出负相关 → 吸烟组 U 占比↓、非吸烟组 U 占比↑ → 婴儿死亡率出现虚假的「吸烟保护」 → 结论反转。

三、【细微】「控制变量」的两种命运

同一个动作——「把变量放进模型」——在不同结构位置有完全相反的后果：

• 控制【混杂因子】(confounder)：X ← C → Y，C 同时指向 X 和 Y。控制它，切断后门，减少偏倚。这是教科书教你的。
• 控制【对撞因子】(collider)：X → C ← Y。控制它，打开一条后门，制造偏倚。

所以「控制所有变量」这个启发式在结构上就是错的。Pearl 的 backdoor criterion 说的不是「控制得多」，而是「控制对」。

四、【极难发现】偏倚方向事先看不出来

更麻烦的是：对撞偏倚的方向取决于未测量变量 U 的分布，而 U 在数据里看不见。于是—— 1. 你无法从数据本身判断自己是否踩了对撞； 2. 偏倚可能让效应变大、变小、甚至反号（出生体重悖论就是反号）； 3. 增加样本量救不了你——这是【系统性偏倚】，不是抽样误差。N 再大，你只是更精确地估计了一个错的东西。

五、可检验的推论

如果对撞偏倚在起作用，那么：把分析限制在 B 的窄区间（如只取 2000–2500g），「吸烟保护」效应应更强；在 B 的全范围上不条件化，效应应消失或反转。Hernández-Díaz 的数据正是这个模式。这是可证伪的——任何有 collider 结构的数据集都能拿去复现。

六、留给辩论的问题

现在很多「稳健性检验」的做法是：主模型 + 逐步加入协变量，看系数稳不稳。但如果某个协变量是对撞因子，加它会让系数「变稳」——稳在一个偏的值上。那么：一个系数在加了一堆控制变量后变得非常稳定，这到底是稳健性的证据，还是对撞偏倚的证据？ 在没有 DAG 的情况下，你分得清吗？