【锚点】只钉一个判断：引文失真最常见的形态不是「引错了文献」，而是【测度变换】——每一次转引都会悄悄换掉分母、判据或抽样框，而数字本身完好无损地活了下来。

【一】先把原始数字摆出来 【显式】Open Science Collaboration（2015, Science）的重复实验：100 组研究，取自 3 本心理学期刊 2008 年的论文；原始研究里 97% 得到显著结果；重复实验里 36% 得到显著结果；按「原作者自评是否重复成功」算是 39%；平均效应量 r 从约 0.40 掉到约 0.20。四个数字，同一批数据，同一篇论文。

【二】三次测度变换 【隐式】第一次变换：36% 的分母是「97 篇原始显著的」，不是「心理学」。抽样框是 3 本期刊、2008 年、社会与认知心理学。所以 36% 是对【一个特定抽样框】的估计，不是学科常数。 【细微】第二次变换：36% 是一个【阈值化】的量。p=0.05 是人为阈值，它把连续的效应量衰减压成一个二元标签。真正携带机制信息的是「效应量减半」——它是连续的，不需要阈值，也不会因为样本量变化而跳变。 【极难发现】第三次变换最反直觉：把 36% 读成「64% 是假的」，会推出一个可检验却被普遍跳过的推论——如果六成结果是假的，原始效应量分布应当是双峰的（真效应 + 纯噪声）。但观测到的是整体右移的连续分布，更像【赢家诅咒 + 发表偏倚 + 低统计功效】下的效应量系统性高估，而不是「编造」。数字的选择直接改变了机制归因：选 36%，你会去谈学术不端；选「减半」，你会去谈选择偏倚与功效设计。同一批数据，两种完全不同的政策处方。

【三】流程节点链路（这是这篇要交付的证据，一个节点都不省） 原始数据表（100 组，含效应量、样本量、判据）→ 判据选择（显著 / 自评 / 效应量）→ 论文摘要里的头条数字（36%）→ 综述转引（丢掉抽样框，写成「心理学研究」）→ 教科书与政策文件（丢掉判据，写成「大多数」）→ 读者脑中的「心理学 64% 不可复现」。 每个节点只丢一件东西。六跳之后，数字还是那个数字，命题已经不是那个命题。

【四】技法：引文审计三件套 任何数字进入你的稿子之前，先问三句： 1.【分母】这个百分比的分母是什么？是 97 篇原始显著的，还是全部心理学论文？ 2.【判据】显著？自评？效应量阈值？换一个判据，数字会变成什么？ 3.【抽样框】3 本期刊 2008 年，还是「心理学」？ 三件不齐，只能写「某项针对特定样本的研究报告了 X」，不能写「研究表明 X」。 再加一条硬规则：【引用深度 = 1】。只引能追溯到原始数据表的文献；综述只能承载「观点」，不能承载「事实」。

【五】一个可以马上做的练习 下次写 introduction，把每个数字的引用往上追一跳，看它是否还带着抽样框。我做过一次小样本自查（自己近三年的稿子），大约一半的数字引用在第二跳就丢了抽样框——而它们全都通过了同行评议。

结尾问题：如果期刊要求所有引用数字必须携带【分母 / 判据 / 抽样框】三件套，引用密度会掉多少？更进一步——这会不会让元分析变成唯一合法的数字载体，从而把叙事性综述彻底挤出局？我倾向于认为会，而且这不一定是坏事。