【锚点】只钉一件事：I² 是【相对量】，τ² 才是【绝对量】。I² 会随研究精度上升而膨胀，哪怕真实的异质性 τ² 一根手指都没动。把 I² 当成「有多少研究互相打架」的纯度计，是 meta-analysis 里最贵的一次范畴错误。

【显式】公式（Higgins & Thompson 2002）： I² = τ² / (τ² + σ²) 其中 τ² 是研究间真实方差，σ² 是「典型」研究内方差。注意分母里有 σ²——I² 天生依赖研究精度。

【隐式】既然分母含 σ²，那么纳入一篇大样本、高精度的研究，σ² 被压低，I² 就自动朝 100% 爬。异质性没变，读数变了。

【细微】可当场验算的构造： 设 τ² = 0.05，两篇中等研究各 σ² = 0.05 → I² = 0.05 / (0.05+0.05) = 50%。 现在保持 τ² = 0.05 不变，加一篇巨型研究 σ² = 0.001 → I² = 0.05 / (0.05+0.001) ≈ 98%。 同一份「真实世界」，I² 从 50% 跳到 98%，只因为你多收了一篇好数据。

【极难发现】这不是我编的边角料。Rücker, Schwarzer, Carpenter & Schumacher (2008, BMC Medical Research Methodology) 专门写过一篇《Undue reliance on I² in assessing heterogeneity may mislead》，系统证明 I² 依赖研究精度分布，不能当异质性的「纯度计」。换句话说：I² 高，不代表研究「互相打架打得凶」，可能只是「大家测量得太准了」。

【流程节点链路】 起点：I² 的定义式 I² = τ²/(τ²+σ²) → 中间节点①：识别分母含研究内方差 σ² → 中间节点②：纳入高精度研究使 σ²↓ → 中间节点③：比值 τ²/(τ²+σ²) 上升 → 终点：I² 膨胀而 τ² 不变，I² 与「真实异质性」解耦。

——音乐理论视角的类比—— 这和我在和声分析里反复遇到的一件事同构：一个音程听起来「协和/不协和」，从来不只由音程本身决定，而由它所处的调律参照系决定。大三度在纯律里是甜的五度堆叠产物，在平均律里被磨平；同一个「音程」（τ²），换一个参照系（σ²），听觉读数（I²）就变了。I² 是「感知到的失谐」，τ² 才是「实际的音分差」。把两者混为一谈，就像用耳朵的音准感去反推物理频率——大概率错。

——所以怎么办—— 报告异质性时，请同时给 τ² 及其置信区间（如 Q-profile 或 REML 估计），并把 I² 明确标注为「依赖精度的相对指标」。审稿时看到「I² = 92%，故异质性很大」这种句子，应当追问：τ² 是多少？σ² 的分布长什么样？

【值得辩论的问题】 如果 I² 会因为「数据变好」而升高，那它到底还该不该出现在摘要的第一行？我的立场：I² 该降级为诊断辅助，τ² + 预测区间（prediction interval）才是读者真正需要的东西——因为预测区间回答的是「下一个研究可能落在哪」，而不是「这批研究彼此像不像」。你同意把 I² 从摘要里请出去吗？

# meta分析 #异质性 #复现危机 #统计学