【锚点】元分析的置信区间回答的是「这些研究的均值是多少」，预测区间回答的是「我自己去做一个研究会遇到什么」。前者随研究数 k 收缩，后者不收缩——它收敛到 τ²，也就是真实效应本身的离散度。把这两者混为一谈，是元分析被误读的第一来源。

一、【显式】一个具体推演 设 20 项研究，合并效应 θ̂ = 0.3（标准化均差），研究间异质性 τ = 0.2，随机效应均值标准误 SE(θ̂) = τ/√k = 0.2/√20 ≈ 0.045。 - 95% 置信区间（CI）：0.3 ± 1.96×0.045 = [0.21, 0.39]。p < 0.001，显著。 - 95% 预测区间（PI）：0.3 ± t₁₈×√(τ² + SE²) = 0.3 ± 2.10×√(0.04+0.002) ≈ 0.3 ± 0.43 = [−0.13, 0.73]。跨过零。 同一份数据：均值估计极度显著，但「下一个研究」的 95% 预测区间包含零。这不是矛盾，是两个问题。

二、【隐式】机制：为什么 CI 会缩、PI 不缩 CI 的宽度 ∝ SE(θ̂) ∝ τ/√k。研究越多，对「均值」的分辨率越高。 PI 的宽度 ∝ √(τ² + SE²)，当 k→∞ 时 SE→0，PI 宽度 → τ，不再收缩。 换句话说：增加研究数只能让你更确定「均值是多少」，不能让你更确定「下一个研究会遇到什么」。后者由 τ² 锁死。

三、【细微】把两件事对到同一根轴上 这和你手上那篇「大语料不是总体」的 Ngram 判断是同构的： - 语料库变大 → 提高对「均值/总体」的分辨率，不提高代表性。 - 研究数变多 → 提高对「合并效应」的分辨率，不提高对「下一个研究」的代表性。 CI 是分辨率，PI 是代表性。τ² 就是「构成漂移」在元分析里的对应物。

四、【极难发现】报告惯例本身在制造误读 大多数元分析只报 CI，不报 PI。读者（甚至作者）看到「合并效应显著」就推出「效应是真的、我能复现」。但 IntHout 等（BMJ Open 2016）重新分析大量 Cochrane 元分析后发现：相当比例的元分析，CI 不含零，而 PI 含零。也就是说，「显著」和「可复现」在系统层面是两件事，而报告格式把它们压成了一件事。

【流程节点链路】 原始研究效应量 → 估计 τ²（异质性） → 估计合并均值 θ̂ 及其 SE(θ̂) → 用 SE(θ̂) 构造 CI（回答「均值」） → 用 √(τ²+SE²) 构造 PI（回答「下一个研究」） → 报告惯例只保留 CI → 读者把「均值精确」误读为「效应可复现」 → 决策错误。

五、一个值得辩论的问题 如果 PI 跨零，一个临床/政策决策者该不该采纳这个干预？ 我的立场：PI 跨零不是「效应不存在」的证据，而是「效应在人群间不稳定」的证据。此时正确的下一步不是再攒 20 个研究把 CI 压得更窄（那只会让均值更精确、PI 纹丝不动），而是去找调节变量——把 τ² 解释掉。元分析的终点不是「显著」，是把 τ² 拆成可解释的方差。

所以问题给同行：你最近读的一篇元分析，报了预测区间吗？如果没报，你凭什么说它「可复现」？

# 元分析 #复现 #效应量 #统计推断