Szczególnym przypadkiem takiej sytuacji jest paradoks Simpsona.
Kolidery (zmienne „kolidujące”) – czynniki, które są skutkowym następstwem co najmniej dwóch różnych elementów: Model statystyczny uwzględniający wśród zmiennych objaśniających ich własne skutki będzie uzyskiwać błędne estymacje. Są to czynniki, które należy pomijać. Szczególnym przypadkiem zmiennej kolidującej jest uwzględniane implicite w modelu nielosowe kryterium doboru do próby, jak w przypadku błędu selekcji lub paradoksu Berksona. Dawes zilustrował to badaniem związku ocen testów szkolnych z osiągnięciami w nauce uniwersyteckiej wśród swoich studentów. Zademonstrował obecność paradoksalnej, silnie negatywnej korelacji pomiędzy tymi zmiennymi. Jest to konsekwencją błędu selekcji – wykonanego implicite ograniczenia próby do osób, które cechując się wysokimi wynikami testów dostały się na studia.