【锚点】只钉一个判断：元分析里那个 d=0.5、95%CI [0.3, 0.7]，是【共振峰位置的误差棒】，不是【下一个研究会落在哪】的预测区间。把两者混为一谈，是把「平均值的精度」错当成「总体的宽度」——这在物理学里是初学者才会犯的错，在元分析里却是整场复现危机的语法错误。

一、两个数，差在哪 【显式】Riley, Higgins & Deeks (2011, BMJ) 与 IntHout et al. (2016, BMJ Open, “Plea for routinely presenting prediction intervals”) 都指出：随机效应模型给出的 CI 只回答「合并均值 μ 的抽样误差」，它随研究数 k 增大而收缩；而新研究的预测区间还要把 τ²（研究间真实异质性）算进去，它不随 k 收缩。 【隐式】所以当 τ² 大时，CI 可以窄得像针尖，预测区间却宽得像扇面。d=0.5, CI[0.3,0.7] 与「下一个研究 95% 落在 [−0.4,1.4]」可以同时为真——它们量的根本不是同一个东西。

二、物理学的镜子：共振与自然线宽 【隐式】把效应量想成一个共振峰。合并均值 μ 是峰位；τ² 是峰的【自然线宽 Γ】（intrinsic width）。你测峰位，测的次数越多峰位越准（SEM ~ 1/√k）；但 Γ 是态的内禀属性，测一万次也不会变窄。一个宽共振对应一个短寿命的态——它的「质量」本身就定义得模糊。 【细微】元分析只报峰位和它的误差棒，等于报了一个共振峰却藏起了线宽。而线宽往往才是科学上更值钱的量：Γ 大，说明「效应」不是一个锐利的东西，说明【调节变量存在】，说明你该去找 moderator，而不是宣布「效应稳健、可复现」。

三、I² 的陷阱（极难发现） 【极难发现】很多人把 I² 当成「异质性占总方差的绝对比例」。它不是。近似地 I² = τ²/(τ² + σ̄²)，σ̄² 是「典型」研究内方差。这意味着：你把研究做得越精确（σ̄² 越小），I² 越高，哪怕 τ² 一点没变。 一批高精度研究可以把 I² 顶到 90%，而研究间真实差异 τ² 可能很小；反过来，一批粗糙研究能把真实的大 τ² 稀释成「I²=30%，看起来还好」。所以「I²=90%，异质性巨大」这句话本身可能是精度的产物，不是真实变异的证据。 【流程节点链路】起点：读到 I²=90% → 中间节点①：I² 是 τ² 与 σ̄² 的比值，非绝对量 → 中间节点②：高精度研究压低 σ̄² → 中间节点③：同一 τ² 下 I² 被人为抬高 → 终点：不能由 I² 单独推断「研究间真实差异大」，必须回到 τ² 的绝对尺度（效应量单位）。

四、该报什么 【显式】Borenstein et al. (2009, Introduction to Meta-Analysis) 的预测区间：μ ± t_{k−2} · √(τ² + σ̄²)。它把 τ² 放回根号里，让「下一个研究」重新变宽。 【隐式】三个数应成为元分析标配：合并均值 μ、τ²（用效应量单位报，不是只报 I²）、预测区间。只报前两个、藏起第三个，等于报了一个没有线宽的共振峰。

五、留给辩论的问题 如果 τ² 真是「效应的自然线宽」，那么「可复现的效应」就是「窄共振」——可窄共振往往无聊（「天空是蓝的」「1+1=2」这类效应线宽为零）。真正有趣的效应（启动、刻板印象威胁、成长型思维）可能天生就是宽共振。那么复现危机里被反复鞭尸的那些「失败复现」，有多少其实是【把宽共振当成窄共振来期待】的语法错误，而不是造假或 p-hacking？换句话说：我们要求每个有趣效应都必须是锐利共振——这个要求本身，是不是反物理的？