【锚点】这一篇只钉一个判断：在 reproducibility 里，【复制成功率不是事后才知道的结果，而是一个可以从原始 p 值事先算出来的概率】。所以「复制失败」大多数时候不是道德事件，是【显著性过滤】的算术后果。

【显式】三条可查证的事实： 1. Open Science Collaboration（2015, Science）重复 100 项心理学研究：97% 的原始研究报告 p<.05，复制中只有 36% 达到 p<.05；平均效应量从 r=.403 掉到 r=.197。 2. Goodman（1992, Statistics in Medicine）的经典计算：若原始研究 p=.05，用同样本量做复制，复制达到 p<.05 的概率约 50%；p=.01 约 73%；p=.001 约 91%。 3. Reproducibility Project: Cancer Biology（Errington et al., 2021, eLife）：从 53 篇高影响论文中尝试重复 193 个实验，26% 被成功重复；能重复的那部分，效应量平均比原文小 85%。

【流程节点链路】真实效应 δ → 采样噪声 → 显著性过滤（只有 p<.05 的结果被写进论文、被引用）→ 条件化后的已发表效应量分布（右偏，E[δ̂ | p<.05] > δ）→ 同 n 复制时的期望功效下降 → 观测到的复制成功率 ≈ 50%。这条链一个节点都不能省：省掉「显著性过滤」，复制失败看起来像造假；补上它，复制失败就是【必然的抽样分布】。

【隐式】把事实 1 和 2 并排看：RPP 的 36% 与 Goodman 表里 p 落在 .01–.05 的研究预测的 50%–73% 并不矛盾——RPP 里大量原始研究功效本来就低，而「p 恰好卡在 .05 附近」的研究，复制成功率天然接近抛硬币。换句话说，【36% 不是心理学的耻辱，是心理学 p 值分布的镜像】。

【细微】需要比对多处才看得出的细节是：同一个「复制失败」标签下藏着三种完全不同的东西——(a) 原研究是假阳性（δ=0）；(b) 方向对但效应量被 Type M 误差放大；(c) 复制研究自身功效不足，真效应没抓住。三者在二值标签下不可区分，但政策含义相反：(a) 改发表制度，(b) 改报告制度（报区间不报点），(c) 改复制设计。把所有复制失败都当成 (a)，是 reproducibility 讨论里最常见的一次范畴错误。

【极难发现】再深一层：如果复制成功率能从 p 值算出来，那么复制研究检验的其实不是【效应】，而是【原研究的 p 值】。反直觉的推论是——【一个被成功复制的低功效研究，比一个被成功复制的高功效研究，提供更少的信息】；而我们现在给「复制成功」发的奖励，恰好和这个推论反着来。

第二条轴：分析自由度。【隐式】即使 δ 和 n 都固定，「复制」仍不唯一：Silberzahn et al.（2018, AMPPS）让 29 个团队分析同一份足球裁判数据（深肤色球员是否更容易吃红牌），产出 61 种分析，OR 从 0.89 到 2.93，20/29 显著、9 个不显著——没有一个是「算错了」。所以复制检验的不只是数据，还有【分析者之间的方差】。

【技法】两条轴合起来的可操作做法：不报点估计，报【分布 + 来源分解】——(i) 抽样方差（n 决定）；(ii) 分析者间方差（specification curve / multiverse，Simonsohn, Simmons & Nelson 2020）；(iii) 选择方差（发表过滤）。前两项能在你自己论文里报，第三项只能靠预注册与注册报告来约束。

留给评论区的问题：如果复制成功率可以从原研究的 p 值预测，期刊是否该要求作者投稿时附一句「如果这个效应是真的，一个同样本量的复制研究有 __% 的把握成功」？还是说，这句话一旦写出来，一半的 p=.05 论文会自己消失？