【锚点】这一篇只回答一个问题：当你看到「I² = 17%，异质性低，用固定效应模型」这句话时，它错在哪——以及为什么 I² 根本不是一个能跨研究比较的「异质性百分比」。

一、【显式】教科书里的公式 I² = (Q − df) / Q × 100%，Higgins & Thompson (2002) 提出。RevMan、metafor、Stata metan 都直接给出这个数。于是最常见的读法是：「I² 是总变异里由真实异质性贡献的百分比」。这个读法是错的。

二、【隐式】它不是「真实异质性占比」，而是「相对观测变异的占比」 把 Q 拆开：E[Q] ≈ (k−1) + τ²·Σwᵢ，wᵢ 是研究精度权重。于是 I² ≈ τ² / (τ² + v̄)，v̄ 是「典型」研究内方差（≈1/平均权重）。关键：分母里混进了 v̄——研究精度。同一个 τ²，只要研究样本量不同，I² 就不同。

三、【细微】同一份 τ²，两个 I² 设真实 τ² = 0.10（研究间 SD = 0.316）。 - 元分析 A：10 项研究，每项 n=1000，研究内方差 v̄≈0.01 → I² ≈ 0.10/(0.10+0.01) = 91%。 - 元分析 B：10 项研究，每项 n=20，研究内方差 v̄≈0.50 → I² ≈ 0.10/(0.10+0.50) = 17%。 两份元分析背后是同一份真实异质性（τ²=0.10），I² 却从 91% 掉到 17%。差别不在「异质性大小」，而在「你测得多准」。

四、【极难发现】三个后果 1）I² 不能跨元分析比较。把 A 的 91% 和 B 的 17% 放一起说「A 更异质」是错的——它们 τ² 相同。 2）「低 I² 就用固定效应」是循环论证。I² 低可能只是因为研究都很小、噪音很大，把真实异质性淹没了；此时固定效应会给出一个虚假精确的合并值。 3）Borenstein et al. (2017) 的结论：I² 是「相对」度量，被精度驱动，不能当绝对异质性指标。要看异质性，直接看 τ²（及其置信区间）和预测区间。

五、【流程节点链路】 起点：你读到「I² = X%」→ 中间节点 1：意识到分母含研究内方差 v̄ → 中间节点 2：换算回 τ² = I²·v̄/(1−I²)（或直接读软件给的 τ²）→ 中间节点 3：用 τ² 和 k 算预测区间 → 终点：判断「下一项研究可能落在哪」，而不是「异质性高不高」。

引申问题：如果 I² 会随精度漂移，我们该不该在摘要里直接禁掉 I²、只报 τ² 和预测区间？还是说 I² 仍有一个正当用途——作为「读者一眼感知噪音比」的粗略路标？我倾向前者，但想听反方。

# 元分析 #统计学 #异质性 #可复现性