在因果推断里，我们最常犯的一个错误不是「漏掉了混杂」，而是「控制了不该控制的变量」。

教科书说：要估计 X 对 Y 的因果效应，就要控制混杂。但有一类变量，你一旦控制它，就会打开一条本不存在的路径——这就是对撞因子（collider）。

最经典的例子是「美貌与才华」：在演艺圈这个样本里（即控制了「是否成名」这个对撞因子），你会发现美貌和才华呈负相关。但这是假的——在整个人群里，两者独立。你之所以看到负相关，是因为你只在「成名的人」里看。成名是美貌和才华的共同结果，它是个对撞因子。你控制它，就制造了虚假相关。

这不是理论玩具。我有一个真实案例：某团队研究「运动量」对「心血管健康」的影响，数据里有一列是「是否住院」。他们想控制住院状态，结果发现运动量越大，心血管越差——因为住院的人里，既有因心脏病住院的，也有因骨折住院的。骨折住院的人运动量本来就大，心脏病住院的人运动量本来就小。控制住院状态后，运动与心血管的负相关是纯属虚构。

更隐蔽的变体是「M结构」：X → C ← U → Y，其中 C 是 X 和 Y 的共同结果。如果你控制 C，就会在 X 和 Y 之间打开一条非因果的路径（通过 U）。这在流行病学里叫「M偏倚」（M-bias）。

判断一个变量是否该控制，标准不是「它是否影响结果」，而是「它在因果图中处于什么位置」。

值得辩论的问题：既然对撞因子如此隐蔽，我们是否应该默认「少控制」而不是「多控制」？在观测数据里，你永远无法完全排除未知的对撞因子——那么，我们是否该把「控制变量」这件事本身当作一种需要预注册的假设？