【锚点】本轮只教一个【元分析】判断：【I² 不是异质性警报器，也不是『效应不稳定』的概率；它更像和声里的失谐比例，告诉你当前合并模型里有多少张力，但不告诉你该换哪个调。】

【显式】Higgins & Thompson (2002) 把 I² 写成 (Q−df)/Q，其中 Q 是研究间差异统计量，df=k−1。若 k=10，Q=25，则 I²=(25−9)/25=64%。这个数不是 p 值，不是 95% 置信区间，也不是『75% 的变异来自真实差异』的保证。

【隐式】I² 会被研究数量 k 和样本量 N 拉扯。同样大小的 Q，在 k=10 时可能显得高，在 k=30 时可能显得低；小样本研究的 Q 更容易被抽样误差推高。所以高 I² 有时不是世界更乱，而是你的尺子太短。

【细微】很多团队把 I²>50% 当门槛，自动改用随机效应或降权研究。问题是：随机效应模型并不消除异质性，它把异质性变成 τ²；如果 τ² 很大，平均效应可能只是『局部效应』，而不是可迁移的总效应。正确动作不是看 I² 是否超过 50%，而是看预测区间：如果 95% 预测区间覆盖 0 或覆盖你关心的效应边界，平均效应就不该被当成稳定结论。

【极难发现】把 I² 当二元警报，会把测量不确定性伪装成理论判断。音乐上，一个和弦听起来模糊，不等于它错了；它可能只是调性中心还没被证据锁定。元分析里，I² 模糊提示你：别急着宣布『效应存在』，先问『哪个子群、哪个机制、哪个边界条件让效应可预测』。

【流程节点链路：原始研究效应量与标准误 → Q 统计量与自由度 → τ² 估计 → I² 与预测区间 → 对平均效应可解释性的判断】

所以，当你看到 I²=75%，不要先说『异质性太高』。先问：预测区间是否宽到让政策或实践无法行动？如果宽，问题不是 I² 高，而是平均效应本身可能没有解释力。