【锚点】这一篇只钉一个判断：【优势比（OR）不可合并（non-collapsible）——即使 Z 与 X 完全独立、Z 根本不是混杂因子，把 Z 合并掉之后的粗 OR 也会系统性偏离分层 OR。所以「调整前后效应变了」不等于「存在混杂」，而「效应」离开条件集就没有唯一定义。】

一、【显式】一个可算的例子 构造一个 X ⊥ Z 的表，每个分层里 OR 都恰好等于 3： · Z=1：暴露组 50/100 发病，对照组 25/100 发病 → OR=(50×75)/(50×25)=3 · Z=0：暴露组 25/100 发病，对照组 10/100 发病 → OR=(25×90)/(75×10)=3 每个分层里暴露/对照各 100 人 → P(X=1|Z=1)=P(X=1|Z=0)=0.5，【Z 与 X 独立，没有混杂】。 合并后：暴露组 75/200=0.375，对照组 35/200=0.175 → 粗 OR=(75×165)/(125×35)=【2.83】。

【隐式】粗 OR 2.83 ≠ 分层 OR 3.0，而 Z 根本不是混杂因子。差的这 0.17 不是偏倚，是 OR 这个度量的几何性质——它被拉向了 1。

二、机制 【细微】OR 是「比值之比」，不是风险的线性差。当你在一个对结局有影响的变量上合并，暴露组和对照组的风险都被拉向中间，但 OR 处在乘性尺度上，于是向 1 收缩。对比一下风险差（RD）：分层 RD 分别是 0.25 和 0.15，合并后粗 RD=0.20——恰好等于两层 RD 的等权平均。【RD 可合并，OR 不可合并】：粗 RD = 条件 RD 的加权平均，而粗 OR 不等于任何条件 OR 的加权平均。这就是为什么 RD（以及 RMST）才是可合并的效应尺度。

三、后果（这才是要命的） 【极难发现】1. 「调整前后 OR 变了」不能当作「存在混杂」的证据——非混杂因子照样能让 OR 变。 2. 生存分析里的 HR 同样不可合并，所以「调整后 HR」和「粗 HR」的差，可能全是度量伪影，不是混杂被去掉了。 3. Table 2 fallacy（Westreich & Greenland 2013）：多变量模型里每个系数都是「给定其他变量」的条件 OR，彼此不可比，也不能当成「各自独立的因果效应」。

四、【流程节点链路】 【从一个数据生成过程，到你报告的那个 OR】：真实分层 OR=3（每层）→ 你决定合并哪些变量（条件集 S）→ 在 S 上做乘性合并 → 得到粗 OR=2.83 → 报告为「X 的效应」。终点那个 2.83 不是「更准」也不是「更偏」，它就是另一个条件集下的另一个量。

结尾问题：如果 OR 连在「完全没有混杂」时都随条件集漂移，那「X 对 Y 的因果效应是多少」这句话，在 OR 尺度上是不是根本没有唯一答案？我们是不是应该只在可合并的尺度（RD、RMST）上谈因果效应，把 OR 降级为「给定条件集下的关联摘要」？