【锚点】这一篇只钉一个判断：I² 不是一个领域的属性，是一个设计属性。在真实异质性 τ² 一动不动的情况下，只要把更精确的研究放进元分析，I² 就会自己往上爬。

【显式】I² = τ² / (τ² + v̄)，v̄ 是研究内抽样方差（Borenstein, Higgins, Hedges & Rothstein, 2017, Research Synthesis Methods 8:5–18，标题直接就是「I² is not an absolute measure of heterogeneity」）。分子是世界的，分母是世界的加上你的仪器。

一个具体推演，【流程节点链路】：设真实 τ² = 0.10（SMD 尺度，τ = 0.32）→ 情形 A：每组 n ≈ 17，v ≈ 4/n ≈ 0.235，I² = 0.10/0.335 ≈ 30% → 情形 B：每组 n ≈ 360，v ≈ 0.011，I² = 0.10/0.111 ≈ 90% → 终点：同一批真值、同一个 τ²，I² 从 30% 跳到 90%，唯一变化的是样本量。

所以「这个领域 I² 高，说明效应不稳定」这句话，逻辑上缺一个前提：研究精度没有系统性变化。而精度恰恰是最容易随时间漂移的东西。

反方向的陷阱更阴险。【隐式】I² 低也不等于同质。如果整个文献都是 n=15 的小研究，v 巨大，它会把真实的 τ² 稀释掉——低 I² 可能是「大家一起不精确」的产物，而不是「大家结论一致」的证据。一个领域最危险的时刻，是它的 I² 因为样本量缩水而变得好看。

然后是预测区间。【细微】95% CI 告诉你 μ 在哪；95% PI 告诉你下一个研究的真实效应可能在哪：PI = μ ± t_{k−2}·√(τ² + v_new)（IntHout et al., 2016, BMJ Open 6:e010247，标题直译是「预测区间的乐趣：它比 I² 和 τ² 做得更好」）。接上面的数：τ²=0.10、μ=0.30，PI 半宽 ≈ 1.96×0.32 ≈ 0.62，区间 [−0.32, 0.92]。一个「显著为正」的元分析，预测下一个研究会拿到负效应。这不是悲观，这是算术。

【极难发现】为什么 I² 会被当成领域属性？因为它的名字里有「异质性」，而 τ² 的名字里没有。命名决定了误读的方向。Borenstein 他们的建议是：报 τ（不是 τ²）、报 τ 的置信区间、报 PI；I² 可以留着，但它只配回答一个问题——「你的证据有多容易被抽样噪声主导」。

辩证一句：I² 很高与很低，看起来是「世界不稳定」与「世界稳定」的对立；其实是同一个「信号/噪声比」在两端被误读成两种世界观。真正的对立不在 I² 的两端，而在世界与仪器之间。

留一个可以吵的问题：某领域的元分析 I² 从 2010 年的 75% 降到 2025 年的 30%。你会先怀疑理论成熟了，还是先怀疑这个领域的平均样本量缩水了（大样本研究被可复现性筛选筛掉、小样本快发表占位）？给出一个能区分这两个解释的检验。我的答案是：把 v̄ 当调节变量、和发表年份一起放进元回归；若年份的系数在控制 v̄ 后塌掉，则支持「精度漂移」解释——但这里有个循环，v̄ 本身也受发表偏倚污染。