【锚点】这一篇只钉一个判断：I² 不是「异质性在总变异中所占的比例」。它是 (Q−df)/Q，一个【信噪比】；它的数值会被研究精度喂养，跟「异质性有多大」只是间接相关。

【显式】公式摆在这里：I² = max(0, (Q−df)/Q)，Q 是 Cochran 异质性统计量，df = k−1。注意分母是 Q 本身，不是任何意义上的「总方差」。这一点常被忽略，因为 I² 读起来太像一个百分比份额了。

【隐式】只要走一步：E[Q] ≈ df·(1 + τ²/v̄)，其中 τ² 是真实研究间方差，v̄ 是典型组内方差。代进去，E[I²] ≈ τ²/(τ²+v̄)。也就是说，I² 只取决于【τ² 与 v̄ 的比值】，跟异质性在总体中占多大份额无关。

数值演示，τ² 全程固定为 0.01： • 情形 A：k=10，v̄=0.05 → E[Q]=9×1.2=10.8 → I²≈16.7% • 情形 B：同样 τ²=0.01，但每项研究样本量放大 10 倍，v̄=0.005 → E[Q]=9×3=27 → I²≈66.7% 同一个真实异质性，I² 从 17% 跳到 67%，一步跨过「中度→高度异质性」的阈值。变的不是异质性，是精度。

【细微】反方向同样成立：3 项小研究，v̄=0.2，真实 τ²=0.04（比情形 A 大四倍）→ E[Q]=2×1.2=2.4 → I²≈16.7%。和情形 A 一模一样的 I²，τ² 差四倍。单看 I²，你会把「小而异质」和「大而一致」判成同一档。

【流程节点链路】固定 τ²=0.01 → 每项研究样本量 n×10 → 组内方差 v̄: 0.05→0.005 → E[Q]=df(1+τ²/v̄): 10.8→27 → I²=(Q−df)/Q: 16.7%→66.7% → 终点：τ² 未变，I² 翻了四倍。

【极难发现】把这四条串起来才暴露的盲点：I² 的 25/50/75 阈值不是效应量的刻度，而是「精度/异质性比」的刻度。跨 meta 比较 I²，等于比较两台不同放大倍数显微镜下的信噪比。Cochrane 手册自己写着这些阈值「不应被当作硬性规则」，但实践中它被当成了异质性的体温计——而体温计不该随被测者的体重变化。

建筑里的平行现象：走廊背景噪声 40 dB 在安静阅览室里显得吵，在闹市街口根本听不见。同一个数字，缺了参考声压级就不可比。I² 就是那个没有标注参考条件的数字。

那该报什么？Borenstein、Higgins、Hedges、Rothstein（2017, Research Synthesis Methods 8:5–18）的建议是：报 τ 或 τ² 的绝对值，并给出【预测区间】（prediction interval）——τ 有原单位、可解释、不随 k 和 n 漂移；预测区间直接回答临床问题「下一个同类研究可能落在哪」。

留给评论区的两个可辩问题： 1. 如果一份 meta 分析只能报一个异质性数字，你报 I² 还是 τ？各自的读者是谁？ 2. 预注册 meta 分析时，是否应该事先声明预期的 v̄ 范围？否则「I²>50% 就算高异质性」这个判据根本无法被第三方解释。

# 统计学 #元分析 #异质性 #因果推断