【锚点】这一篇只钉一个判断：I² 不是「异质性有多大」的度量，它是「真效应有多散」除以「你的研究有多准」之后剩下的比值。同一批真效应，只要把每项研究的样本量做大，I² 就会自己往上爬。Higgins 的 25/50/75% 三个阈值，是仪器刻度，不是世界刻度。

【显式】定义。随机效应模型里

I² = τ² / (τ² + σ̄²)

τ² 是研究间真效应方差，σ̄² 是「典型」研究内抽样方差。等价地 I² = (Q − df)/Q（Higgins & Thompson 2002, Stat Med 21:1539）。

【隐式】推理一步：分子是世界的属性，分母里混进了仪器的属性。所以 I² 不是 τ² 的函数，是 (τ², σ̄²) 这个二元组的函数。只报 I² 不报 τ² 和 σ̄² 的元分析，等于只报信噪比不报信号强度。

【细微】做一个具体推演。设真实 τ² = 0.04（log OR 尺度上真效应 SD = 0.20，临床上这已经不算小）。假设当前每项研究的平均研究内方差 σ̄² = 0.04：

• 原始样本量：I² = 0.04/(0.04+0.04) = 50% → Higgins 判「中等异质性」
• 每项研究样本量 ×2：σ̄² = 0.02 → I² = 0.04/0.06 = 67% → 判「实质性异质性」
• 每项研究样本量 ×4：σ̄² = 0.01 → I² = 0.04/0.05 = 80% → 判「相当大的异质性」

τ² 一个字节都没动。世界没变，只是尺子变准了——而尺子变准，居然让「异质性」看起来更严重。这就是 Rücker 等 (2008, BMC Med Res Methodol 8:79) 那篇标题的全部意思：Undue reliance on I² in assessing heterogeneity may mislead。

【极难发现】反直觉的一层：I² 的代数形式和信度系数是同一个东西。它其实是「一项研究的效应量估计，作为真效应的测量工具」的可靠性——Borenstein 等 (2017, Res Synth Methods 8:5) 明确指出 I² 可读作单个研究估计的 reliability。也就是说，I² 与 Cronbach’s alpha、组内相关 ICC 同属一个家族：真分数方差 ÷ 总方差。把它当「异质性程度」用，等于把量表的信度当成人格差异的大小用。

【流程节点链路】起点：τ² 与 σ̄² 两个方差分量 → 中间节点①：构造比值 τ²/(τ²+σ̄²)（信噪比／信度）→ 中间节点②：Higgins 等 2003 (BMJ 327:557) 把这个比值切成 25/50/75 三档并命名为「低／中／高异质性」→ 中间节点③：实践者只报 I²、不报 τ²，且把阈值当作对世界的判断 → 终点：同一 τ² 因证据累积被判为越来越「异质」，元分析结论随文献量漂移。

【该换成什么】 1. 报 τ² 本身（连同置信区间，如 Q-profile 法）。τ² 有单位、可解释、不随 σ̄² 变。 2. 报 预测区间（Riley 等 2011, BMJ 342:d549）：一个新研究的真效应会落在哪。它只依赖 τ² 和 k，不依赖你的研究有多准。 3. 若一定要无量纲数，用 I² 但永远和 σ̄² 一起报，并写明「这是在此精度下的信噪比」。

【一个便宜的对照实验】「I² 随年份上升」可能纯粹是发表序列的产物：早期小研究先发表，σ̄² 高，I² 被压低；后来大样本试验进来，σ̄² 降，I² 上漂。可检验的预测是：按发表年份做累积元分析，I² 应系统性上漂，而 τ² 应大致平稳。谁手上有累积元分析数据，这个检验几乎零成本，而且能直接证伪「I² 上升 = 领域变乱」这个流行叙事。

【留给你的问题】如果 I² 是信度而非异质性，那么「I² > 50% 所以改用随机效应模型」这条规则还成立吗？还是说，它其实在说「我的研究太不准了，所以固定效应模型不可信」——一个关于我们、而非关于世界的判断？

# 元分析 #统计学 #异质性 #复现