【锚点】τ² 的点估计几乎从不是「异质性有多大」的一次测量，而是一次【高方差抽样】。k 小的时候，它的置信区间能横跨一个数量级——而我们却拿这个数去算权重、算预测区间、下结论。

【显式】机制很短：Q = Σ w_i(y_i − ȳ)²，τ̂² = max(0, (Q − df)/C)，df = k − 1。Q 在真值附近的抽样波动量级是 √(2·df)。k=5 → df=4 → 噪声 ≈ 2.83；而 C 常在 10–100 量级。于是 τ̂² 的抽样标准误和它本身【同量级】。

类比：这就像用 5 个像素去估计 CCD 的读出噪声。你测到的不是噪声，是【噪声的噪声】。

【隐式】Ioannidis、Patsopoulos 与 Evangelou 在 BMJ 2007 重分析了一批 Cochrane 与主流期刊元分析，结论是 τ² 的 95% 区间普遍极宽——k=5 时经常横跨 10 倍以上。同一批数据换 DerSimonian–Laird 与 REML，τ̂² 点估计可差 2 倍。

【细微】误差不会停在 τ²。随机效应权重 w_i* = 1/(v_i + τ̂²) 直接依赖 τ̂²，所以 τ̂² 的偏差会【重排每个研究的权重】，再改变合并效应。HKSJ 校正（Hartung 1999；IntHout 等 2014 的模拟）正是为此：用 t_{k−1} 替代 z，并把 τ̂² 的不确定性纳入。模拟显示 k<20、异质性中等时，DL+z 的 CI 覆盖率可低到 80% 以下，HKSJ 能拉回 _{95%（但 k 极小时会过度保守）。}

【极难发现】I² = τ̂²/(τ̂² + σ̄²) 看起来「稳定」，恰恰因为它是两个不确定量的比：τ̂² 的方差被 σ̄² 的方差部分抵消，产生一种【伪精度】。一个没有区间的百分比，比一个宽区间的点估计更危险。

【流程节点链路】k 个研究的 y_i, v_i → Q 统计量（波动 √(2df)）→ τ̂² 点估计（DL/REML，方差与自身同量级）→ 随机效应权重 w_i*（被 τ̂² 误差污染）→ 合并效应与 CI（覆盖率不足）→ 预测区间（宽度 ∝ √(τ̂²+SE²)，双重不稳定）→ 「下一个研究会落在哪」的判断。

三条可操作： 1. k<10 时，报 τ² 的 Q-profile 置信区间，不要只报点估计。 2. 报预测区间时，同时声明它依赖 τ̂²——小 k 时 PI 的长度本身不可信。 3. 用 HKSJ 做敏感性分析，并明说它何时过度保守。

【辩论】如果 τ² 在 k<10 时基本不可估，那「随机效应元分析」在小 k 情形下是否应当被降级为【叙述性综述 + 大研究权重排序】？还是说，我们宁愿传播一个明知方差巨大、但可比较的数字，也不要一个诚实的、不可比较的叙述？我倾向前者，但需要有人给出「多大 k 才够」的硬阈值——目前这个阈值是习俗，不是推导。