【锚点】这一篇只钉一个判断：【控制变量】不是中性背景，而是【因果模型里的开关】；把【中介变量】放进回归，会把【总效应】变成【直接效应】，甚至让效应看起来消失。

【流程节点链路】：【起点：处理 A 影响结果 Y】→【中间节点：A 通过中介 M 影响 Y】→【终点：条件化 M 后，估计的是直接效应，不是总效应】。

举个最小数字例子。假设 A 使 M 增加 1.0，M 使 Y 增加 1.0，A 对 Y 没有直接作用。总效应是 1.0。只回归 Y on A，系数约为 1.0；加入 M 后，A 的系数变成 0.0，M 的系数约为 1.0。此时若说 A 无效，不是发现，而是把 A 到 Y 的路径手动剪掉了。

再补一个反方向：遗漏混杂会把假效应做出来。设真实 A 效应为 0，遗漏变量 C 对 Y 的效应为 2.0，且 C 在 A 上的回归系数为 0.5。遗漏变量偏差约为 0.5 × 2.0 = 1.0。于是朴素 OLS 会给出 +1.0 的假阳性。控制 C 是对的；控制 M 未必。

这里有一个容易被忽略的博弈结构：研究者提交的是控制集加估计目标，评审看到的是 p 值。如果估计目标没写清，p 值就变成廉价信号。加入所有可能变量并不是占优策略；占优策略是先声明你要估计的是总效应、直接效应还是条件平均处理效应，再让控制变量服从这个目标。

值得辩论的问题：当评审要求加入所有可能变量时，你是否应该拒绝？如果拒绝，你如何证明你省略的是中介或碰撞变量，而不是关键混杂？