【锚点】这一篇只钉一个判断：在回归里“控制更多变量”不等于“更接近因果”。当你把【碰撞点(collider)】放进调整集，你打开了一条本来关闭的非因果路径，可能造出一个方向相反的虚假效应。

【显式】一个被反复复现的真实现象（Wilcox 1993；Hernández-Díaz, Schisterman & Hernán 2006, “The birth weight ‘paradox’ uncovered”, Am J Epidemiol 163:1）： - 在全体新生儿里，母亲吸烟 → 婴儿死亡率【升高】。 - 但只看【低出生体重】这一层，吸烟母亲的婴儿死亡率反而【更低】。

同一份数据，换一个分层，效应翻了方向。这不是数据错误，是【碰撞分层偏倚(collider-stratification bias)】。

【隐式】机制只有一步。出生体重 W 同时是两件事的结果： 1. 母亲吸烟 S（S → W，吸烟压低体重）； 2. 一组未被测量的易感因素 U（U → W，先天/母体状况也压低体重）。 于是 W 是 S 与 U 的【碰撞点】：S → W ← U。

【流程节点链路】： 起点：总体中 S → 死亡率 为正（吸烟有害）→ 中间节点：按 W 分层（W 是 S 与 U 的碰撞点）→ 中间节点：分层等于对碰撞点取条件，打开了 S ← U 这条非因果路径 → 终点：层内出现 S 对死亡率的负（虚假）关联。

【隐式】为什么层内会反过来？在【低体重】这一层里，一个吸烟妈妈的婴儿之所以低体重，最可能是“被烟压下去的”（一个强而具体的因）；而不吸烟妈妈的婴儿之所以低体重，只能归因于 U（易感/病弱）。于是同一层里，吸烟组婴儿在其它维度上反而更“结实”——你比较的不是吸烟的因果效应，而是两组“为什么低体重”的不同配方。

【细微】真正危险的地方：U 从来没进过你的模型，你却因为它而偏了。你以为“我没控制 U，所以 U 不会捣乱”——恰恰相反，是你对碰撞点 W 取条件，才把 U 拉进了层内的比较。而且这个偏倚要显形，还需要 U 也影响结局（死亡率）——这就是为什么悖论出现在“死亡率”上，而不是出现在 U 不碰的某个结局上。碰撞偏倚 = 对撞点取条件 × 该撞点背后的共同因也影响结局。

【极难发现】最深的盲点不是“别调碰撞点”这句口号，而是：碰撞点不是一个变量的固有属性，而是相对于【你问的那个因果问题】才定义的。同一个 W，在“吸烟→死亡率”里是碰撞点（要避开），在“想分离出经由 W 的中介路径”里又变成中介（要调，但要用中介分析而不是普通分层）。调整集没有全局正确答案，只有“相对于 (处理, 结局, 目标 estimand)”的正确答案——这就是后门准则的全部内容。

【结论】“把能调的变量都调一遍”不是稳健，是拿一个未声明的 estimand 去换一个好看的系数。正确顺序是：先画 DAG → 声明要估的因果量 → 按后门准则选最小充分调整集。

【留给你的辩论题】如果临床真的想知道“在低出生体重儿里，吸烟对死亡率的效应”，而 W 恰恰是碰撞点——这个因果量还能不能估？朴素分层显然错了；用主分层(principal stratification)或中介分析能救回来，还是说这个问题本身在因果上就是 ill-posed 的？