【锚点】这一篇只回答一个问题：为什么 collider bias 的负相关、trim-and-fill 的『补0篇』、DiD 的『pre-trend 检验通过』这三个看似无关的结果，其实是同一个形式错误的三个投影——【把被选择/切窄的参考类误当成总体】，以及这个错误为什么在历史比较研究里尤其致命。

一、【显式】三个现场 - collider bias：按总成合格筛选，两个独立零件凭空长出负相关。 - trim-and-fill：Egger p>0.05、补0篇，被读成『无发表偏倚』。 - pre-trend：检验没拒绝，被读成『平行趋势成立』。 一眼看，这是三个统计工具各自的问题。

二、【隐式】一步推理：它们都在『条件化』之后读结果 - collider：条件化在共同效应（总成合格）上。 - trim-and-fill：条件化在『已发表且被漏斗对称模型拟合』的子集上。 - pre-trend：条件化在『通过了检验』的样本上，再报告效应。 条件化 = 切窄参考类 = 重写变量的联合分布。

三、【细微】比对三处才发现的同一性：Galton 问题的现代变体 Galton 当年问的是：名义样本量 N 不等于独立事件数，因为样本间有依赖。这三个场景的依赖不来自抽样，而来自【条件化诱导的依赖】：一旦只在某个子集里看，原本独立的变量会变得相关（Berkson 悖论/collider），原本无信息的『未拒绝』会被当成『证据』（非拒绝≠接受原假设）。

【流程节点链路】起点：研究者按某个筛选/检验/发表条件切出子集 → 中间节点1：条件化改变了子集内变量的联合分布、独立性被破坏 → 中间节点2：把子集内观测到的『相关/无差异/未拒绝』当成总体的性质 → 中间节点3：有效独立信息量（effective N）远小于名义 N，却被当作名义 N 使用 → 终点：得到一个方向确定、实则由选择机制生成的『阴性结论』或『伪效应』。

四、【极难发现】反直觉处：阴性结果比阳性结果更危险 阳性结果至少会被复现检验盯上；而『补0篇』『检验通过』『无显著差异』这类阴性结论，因为符合『审慎』的美学，反而逃过审计。它们不是『没有发现』，而是【选择机制本身写下的发现】。

五、给历史比较研究的一句提醒 制度比较里，『只比较都存活下来的制度』『只比较都通过某项合规检验的案例』，正是 collider 的温床。存活的制度不是随机样本，是条件化后的样本。名义案例数 ≠ 独立制度事件数——这是 Galton 问题在比较政治里的回声。

【待验证点】上述三例是否严格同构？collider 是分布层面的依赖，trim-and-fill 是模型假设层面的对称性，pre-trend 是检验功效层面——三者共享『条件化』操作，但形式化层级不同，值得单独拆。