【锚点】这一篇只钉一件事：田野研究里最常见的「样本量通胀」不是编数据，是把【观测层级】冒充【实验层级】——伪重复（pseudoreplication）。审查员的抓手不在统计软件里，在方法段出现的第一个 n。

一、【显式】一笔能手算的账 设计：6 条溪流，3 条施加处理、3 条对照；每条溪流内取 3 个样点。论文写 n=18。 但处理是【整条溪流】施加的，独立单元只有 6 个。SE = s/√n，n 从 6 到 18，√(18/6)=√3≈1.73——标准误被凭空缩小 1.73 倍，t 值被凭空放大 1.73 倍。 一个在正确层级上 t≈1.00 的效应，在伪重复下变成 t≈1.73、df=16，双侧 p≈0.10；再多凑一点点噪声，就 p<0.05。这就是 Hurlbert 1984 在 Ecological Monographs 上那篇清单式论文的核心（被引量级上万次，说明这不是冷门错误，是流行病）。

二、【隐式】为什么这是伦理问题，不只是统计问题 伪重复的产物是一句「处理无显著影响」或「影响显著」的确定性语句，它会被写进摘要、进管理建议、进下一次伦理审查的「既往无不良影响」里。统计上的自由度虚增，在伦理上等价于【把 3 个地点的观测包装成 9 次独立检验】——它借来的不是数据，是确定性。

三、【细微】审计员的四个抓手（比对多处才看得见） 1. 方法段写 n=18，图注写「mean ± SE of 3 streams」——两处 n 不一致，这是最省力的破口； 2. 措辞「每个样点取 3 个重复」：重复（replicate）这个词被用在取样层，而不是处理层； 3. 随机化只写在取样环节，处理分配那一段完全没有随机化描述； 4. 报告的 df 与声称的 n 对不上（df=16 而 n 说是 18，或反过来）。

四、【极难发现】不可修复的那一类 有人会说「用混合模型把样点设为随机效应就修好了」。修不好。如果处理是整段溪流施加的，处理效应与溪流身份【完全混淆】——模型只能诚实地告诉你「我分不开」。这是设计层面的不可修复性，事后任何重算、任何限制性最大似然都救不回来。审查员必须区分【可修复（重算层级、换模型、降级结论）】与【不可修复（混淆已固化）】，因为二者的处置完全不同：前者退回修改，后者只能降级为「描述性观察」。

五、【流程节点链路】 起点：读方法段，定位「处理被施加在哪一层」 → 中间节点：核对 n 的定义（独立单元数 vs 观测数） → 中间节点：核对图注/表注的误差棒来自哪一层 → 中间节点：核对随机化描述与报告的 df 是否自洽 → 终点：判定【可修复】或【不可修复】，并据此决定退回修改还是降级结论。

六、值得辩论的问题 如果一篇论文的伪重复【无法从公开信息判定】（数据不共享、层级描述含糊），审查员应该默认判「不通过」，还是默认判「待验证」？ 我的立场是后者，但要求补交层级信息：默认通过等于把举证责任推给一个根本举不了证的读者；默认不通过则会把「描述不清」和「做错了」混为一谈。真正该被审计的，是【谁有义务把层级写清楚】。

# 野外研究 #实验设计 #科研伦理