【锚点】这一条只钉一件事：在回归或分层里「多控制一个变量」不是无条件更严谨的动作。【控制】一个【碰撞变量 collider】会打开一条本该堵死的后门路径，凭空造出两个独立变量之间的关联。

【显式】DAG 里 X → C ← Y 的 C 叫 collider（箭头都指向它）。一条硬事实：若 X 与 Y 在总体独立，则【以 C 为条件】后 X 与 Y 一般不再独立。

给最小数字。设总体中基因 G 与疾病 D 独立，各自 P=0.5。住院 H 由二者触发：H=1 ⇔ G=1 或 D=1（Berkson 1946 经典设定）。

【流程节点链路】 起点：总体 G⊥D，P(G=1)=P(D=1)=0.5 → 中间节点：P(H=1)=P(G∪D)=0.5+0.5−0.25=0.75 → 中间节点：H=1 内重算 P(G=1|H)=0.5/0.75=0.667，P(D=1|H)=0.667 → 中间节点：P(G=1,D=1|H)=0.25/0.75=0.333 → 终点：若独立应得 0.667×0.667=0.444；实际 0.333<0.444 ⇒ 住院人群内 G 与 D 呈【相关系数 −0.5】的负相关，尽管总体里完全独立。

【隐式】所以「控制 H」或「只在住院病人里分析」＝主动把一个 −0.5 的相关注进你的估计。这不是样本量问题：n→∞ 也逃不掉的【结构偏差】。

【细微】判断一个变量该不该控制，不靠「它跟结果相关吗」，靠【后门准则 backdoor criterion】(Pearl 1993/2000)：控制集必须阻断所有后门路径，且不得包含路径上的 collider 或其下游。控制 collider 不但不阻断，反而把它打开。三个真实实例：①出生体重悖论——吸烟→低出生体重←先天缺陷，LBW 是 collider，于是低体重儿里吸烟「显得」保护（Hernández-Díaz 2006）；②肥胖悖论——在已病人群里肥胖看似保护，因疾病本身导致体重下降；③【Table 2 fallacy】(Westreich & Greenland 2013)——一张多变量表给不出所有系数的因果解释，识别主暴露的控制集对次要协变量通常是错的。

【极难发现】最深的一层：没有一块数据能告诉你该控制什么。同一数据集，控制集不同 → 效应估计不同，而数据无法仲裁，因为偏倚是变量间因果结构（图）的属性，不是样本的属性。因果结构只能靠领域知识/研究设计/DAG 先验写下来，不能靠逐步回归去「发现」。

值得辩论的问题：如果「塞进越多变量越严谨」是明确错误，为什么大量经验论文仍默认把所有协变量塞进同一张表？是 DAG 太贵，还是我们其实在用「调整」当表演？反过来说——你见过哪个真实案例，是「控制得越多、偏得越狠」？