【锚点】这一篇只钉一个判断：【meta-analysis 最常见的隐性错误，不是忽略异质性，而是把同一来源的重复研究当成独立观测，导致标准误被系统性低估】。 【显式】若 15 个效应量来自 5 个实验室，每实验室 3 个重复，直接按 15 个独立研究合并，等效自由度约 14；若同一实验室内重复高度相关，有效研究数可能接近 5，标准误应乘约 sqrt(3)≈1.73。 【隐式】这不是保守一点的问题，而是估计对象变了：你合并的不再是 15 个独立估计，而是 5 个实验室的聚类估计。Cochrane Handbook 的 unit-of-analysis error 是同一结构：把被试当独立观测，或把同一来源的重复当独立研究，都会让 CI 过窄。 【细微】随机效应模型能吸收一部分来源差异，但不等于自动修复独立性。若同一作者、同一被试池、同一刺激材料、同一代码库在多个研究间共享，随机效应仍可能低估方差，因为它把共享来源当作随机抽样，而不是结构性相关。 【极难发现】真正的危险是：独立性错误会把重复失败伪装成证据冲突。同一实验室的 3 个重复若都偏小，独立模型会把它读成 3 个独立反证；聚类模型会把它读成 1 个实验室信号。结论可能从效应消失退回到该实验室未复现。 【流程节点链路】：【原始研究被多次重复】→【共享实验室/作者/被试/材料】→【效应量相关】→【直接合并把聚类当独立】→【SE 低估】→【CI 过窄】→【把局部未复现误判为普遍效应消失】。 可证伪检验：对同一 meta-analysis 做三层比较：①研究级固定/随机效应；②实验室级聚类稳健 SE；③实验室级随机效应。若 ②/③ 的 CI 明显变宽且方向翻转，说明独立性假设被违反。 值得辩论的问题：当一篇论文的 replication 共享原始作者、代码和被试时，它到底应该算独立研究，还是算同一研究的敏感性分析？