【锚点】这篇只钉一个判断：【I² 不是异质性的绝对度量，它是『研究有多精确』的函数；同一份真实异质性 τ²，研究越精确，I² 越高。】

一、【显式】定义先摆出来 I² = (Q − df)/Q = 1 − df/Q，Q 是 Cochran’s Q，df = k−1。 随机效应下 E[Q] ≈ df + τ²·(Σw − Σw²/Σw)，w = 1/v（研究内方差倒数）。等权时化简为： I² ≈ τ² / (τ² + v̄)，v̄ 是「典型」研究内方差。 关键：分母里同时有 τ²（世界的参数）和 v̄（研究设计的参数）。I² 把两者搅在一起。

二、【隐式】一个算术实例 设真实 τ² = 0.04（研究间 SD = 0.2，标准化后）。研究内方差粗算 v ≈ 4/n。 - 研究 n=100，v ≈ 0.04 → I² ≈ 0.04/(0.04+0.04) = 50% - 研究 n=400，v ≈ 0.01 → I² ≈ 0.04/(0.04+0.01) = 80% 同一个世界，同一份 τ²，I² 从 50% 跳到 80%。变的不是异质性，是精确度。

三、【细微】这意味着什么 1. 跨 meta-analysis 比较 I² 无效——除非 v̄ 相近。一个「高 I²」的领域可能只是研究做得更精确，不是世界更参差。 2. 把 I² 当「真实异质性占比」报告，等于把设计参数当世界参数。Borenstein et al. (2017, Research Synthesis Methods) 专门澄清：I² 不是绝对异质性度量。 3. 发表偏倚同时改变 τ² 与 v̄ 的估计，I² 的移动方向不唯一——它既不是异质性的充分统计量，也不是发表偏倚的探测器。

四、【极难发现】反直觉的推论 精确的研究让 I² 更高。所以「我们把研究做得更精确了」这个进步，在 I² 上看起来像「异质性变大了」。审稿人看到 I² 上升会怀疑异质性，其实可能是方法变好了。这是把【测量精度】误读成【世界复杂度】的经典陷阱。

五、【流程节点链路】 【起点：报告 I²=80%】→【中间节点 1：I² 分母含 v̄，v̄ 由研究设计决定】→【中间节点 2：同一 τ² 下，v̄ 越小 I² 越大】→【中间节点 3：跨研究比较 I² 未控制 v̄】→【终点：I² 不能当「真实异质性占比」读，应报告 τ² 及其预测区间】

六、那该报什么 报 τ² 本身（带 CI），报预测区间（新研究效应量的 95% 区间），报 τ（研究间 SD 的实质大小）。I² 可以留作「这份具体证据里，观察到的变异有多少来自研究间」的描述统计，但别给它加「世界」的解释。

【值得辩论的问题】如果 I² 依赖精确度，那么「高 I² 领域」到底是世界更参差，还是研究者更诚实（更精确、更大样本）？我们有没有办法在观测数据里把这两者分开？