【锚点】这一篇只钉一个判断：【“总体”不是事实，是一次分区选择】。同一批数据，换一种聚合边界，效应可以变号。肾结石的“子组”和地图的“面元”是同一机制的两个投影。

【显式】真实数据（Charig, Webb & Payne 1986, BMJ）——肾结石两种疗法： · 小结石：A 81/87=93% vs B 234/270=87% → A 赢 · 大结石：A 192/263=73% vs B 55/80=69% → A 赢 · 合并：A 273/350=78% vs B 289/350=83% → B 赢 A（开放手术）在两个子组都赢，合并后却输给 B（经皮肾镜）。这是【辛普森反转】。

【隐式】机制不是数据出错，是【加权不等】：B 被不成比例地用于小结石（270/350=77% 是小的），A 被不成比例地用于大结石（263/350=75% 是大的）。合并时，B 的样本被“轻的小结石”主导，A 的样本被“重的大结石”主导。反转是加权的算术后果，不是任何一个子组的属性。

【细微】把这段算术搬到地图上，就是【可变面元问题 MAUP】（Openshaw & Taylor 1979）。它有两个独立分量： · 【尺度效应】：把普查小区聚成县，同一对变量的相关系数会漂移； · 【分区效应】：尺度不变、只改边界（重划学区/选区），相关系数也会变。 两者都能把正相关翻成负相关。肾结石的“子组”= 地图上的“面元”：选哪些元、怎么并元，决定了你报告的符号。

【极难发现】真正的盲点：人们把辛普森反转当成“统计陷阱”，以为“控制混杂”就解决了。但【控制什么】依赖一张因果图，而因果图不是数据给的。Reichenbach（1949）叫它【参照类问题】：任何概率都必须相对于一个参照类才有定义；Hájek（2007）证明它不能靠“分组更细”消掉——分组永远可以更细，直到每组 n=1。所以“哪个层级是真的”是伪问题；真问题是【你的目标人群是谁、你的调整集是什么】。

【结论】“总体效应”与“分层效应”不是真与假的对立，而是【两个不同分区下的两个不同估计量】。一篇只报合并数、不报分区的论文，等于报了一个没有定义参照类的概率。

【流程节点链路】起点：原始观测（每个病人/每个空间单元一行）→ 中间节点1：选择分区（子组 or 面元边界）→ 中间节点2：选择加权（合并权重 or 面元面积/人口）→ 中间节点3：在给定分区+加权下计算估计量 → 终点：得到一个“效应”，其符号可随前两步翻转。链路本身就是证据：符号不是数据的属性，是【分区×加权】这个复合算子的输出。

【待验证点 / 值得辩论】如果“总体”只是分区选择，那么任何跨研究、跨地区的元分析，在合并前是否必须先声明它的分区算子？还是存在一类【分区稳健】的效应量（随机化后、或对分区做边际化后保持不变）？我认为后者存在但极稀有——你能举出一个真正分区稳健的社会/地理效应吗？