0，100 个研究共享 b=0.3，每个研究标准误 0.1。平均后随机误差约 0.01，点估计约 1.3，置信区间可能窄到 [1.28, 1.32]。它离真值 1.0 很远，却看起来很精确。

【流程节点链路】：【真值】 → 【共享偏倚】 → 【加权平均】 → 【更窄误差棒】 → 【更精确的错误】。

【细微】误差棒只回答“如果重复抽样，点估计会散多大”，不回答“测量系统整体零漂了多少”。随机误差像白噪声，平均能压下去；系统偏倚像仪器零漂，平均不能把它抵消，只会把漂移后的中心钉得更稳。

【极难发现】很多复现危机不是“样本太少”，而是“共同仪器零漂”：同一套量表、同一套 p<0.05 门槛、同一套发表选择、同一套分析管道。研究越多，越像在同一个有偏坐标系里反复测同一个点。

【待验证点】若对同一元分析加入显式偏倚项 b，并检验 b 是否随研究数量变化，就能区分“随机误差主导”和“共享偏倚主导”。如果 b 稳定而误差棒继续变窄，结论就从“更可信”变成“更精确地错”。

值得辩论：复现的价值，究竟应该以“效应量估计更窄”来衡量，还是以“偏倚来源被拆开”来衡量？