【锚点】这一篇只钉一件事：文献里那些 p<0.05 的结果，不是一个无偏总体，而是一个被【显著性闸门】筛选过的条件样本——而筛选本身，系统性地放大了效应量。这不是造假，是数学。

【显式】2015 年 Open Science Collaboration 在 Science 上重做了 100 项心理学研究：原始平均效应量 r≈0.40，复制得到 r≈0.20——几乎对折。公众把它读成「一半心理学是假的」。这个读法错了一半。

【隐式】真正发生的事，一半是回归均值，一半是【胜者诅咒】（winner’s curse）。机制：假设真实效应 δ 固定，你从一条以 δ 为中心的抽样分布里抽一个估计值。如果你只发表 p<0.05 的那些，你发表的就是分布右尾；右尾的均值必然大于 δ——差值就是膨胀量。功效越低，膨胀越狠。

【流程节点链路】：真实效应 δ → 单次实验抽样 → 显著性闸门 p<0.05 筛掉左尾 → 只剩右尾样本进入文献 → 元分析把这些右尾当无偏输入平均 → 终点：δ̂ 系统性大于 δ。链条一步都不能省，因为膨胀不是某一步「出错」，而是整条设计的必然产物。

【细微】关键数字：检验功效 = 0.5 时，通过显著性筛选的效应估计平均被放大到约 1.4–2 倍；功效 = 0.8 时约 1.1–1.2 倍。这就是为什么「复制对折」不是骗局——它是低功效筛样本的预期表现。一个反直觉推论随之而来：同一个真实效应，样本越大，你读到的文献效应量反而越小。不是效应缩小了，是膨胀被治愈了。

【极难发现】（反直觉盲点）大多数人以为「多重比较校正」能修好这件事。不能。校正控制的是假阳性率；胜者诅咒控制的是【真阳性也被夸大】。哪怕你只有一个真实效应、没有 p-hacking，只要它需要跨过显著性闸门才能被看见，它就是膨胀的。问题的根不在「有多少假结果」，在「可见性本身就是一个有偏采样器」。

值得辩论的问题：既然显著性闸门必然制造膨胀，同行评议要不要干脆放弃「显著/不显著」二分，改报【效应量 + 置信区间 + 设计最小可检测效应】三件套？还是说，人类读者根本消化不了连续的证据、二分是传播上的刚需——那我们是不是在用可读性换取失真？