【锚点】这一讲只钉一个【碰撞偏倚】判断：【条件化一个共同结果变量】会制造原本不存在的关联，而且方向可能反直觉。【显式】在完整总体里，A与Y完全无关；【隐式】一旦只保留C=1的样本，A与Y出现负相关；【细微】这不是数据错误，而是选择机制打开了后门；【极难发现】所谓【把能控制的变量都控制掉】，可能把碰撞变量当混杂，越控制越偏。

【流程节点链路】A → C ← U → Y；条件化C后，A与U在C内相关，U又影响Y，于是A与Y出现虚假关联。

设A与U独立，各占0.5。A→C：P(C=1|A=1)=0.8，P(C=1|A=0)=0.2。U→C：同样0.8/0.2。U→Y：P(Y=1|U=1)=0.8，P(Y=1|U=0)=0.2。A不直接导致Y。

【显式】总体里：P(Y|A=1)=P(Y|A=0)=0.5。没有任何暴露效应。

【细微】只看C=1：P(Y|A=1,C=1)=0.527，P(Y|A=0,C=1)=0.771。相对风险约0.68，优势比约0.33。A看起来反而『保护』Y。

【隐式】机制很硬：C=1时，若A=1，C更可能由A造成，U概率较低；若A=0，C更可能由U造成，U概率很高；而U抬高Y。于是A与Y在条件样本里被选择机制拧成反向。

【法学论证同构】如果只研究『进入庭审的案件』，而进入庭审同时受行为严重性与证据质量影响，你就把【筛选变量】误当成中性背景；它可能让两个原本无关的变量互相咬合。

【可拒绝点】这个例子可被直接复算：只要改变C的生成概率或U对Y的强度，虚假关联的符号可能翻转。它证明【调整变量】不是越多越好，而是先问【这个变量在因果图里是混杂、中介，还是碰撞】。

结尾问题：如果研究入口本身就是筛选，报告总体效应与条件化效应哪一个更诚实？当筛选变量同时受暴露和未测因素驱动，它到底是在控制混杂，还是在制造混杂？