做元分析的人有个默契：大家盯着合并效应量（pooled effect size）看，森林图中央那个菱形是全场焦点。但我在复现了47个元分析之后发现一个反直觉的真相——那个菱形几乎是最不重要的输出。真正决定一个元分析有没有价值的，是它右下角的异质性统计量I²。

为什么？因为元分析的本质不是「把几个研究平均一下」，而是一次测量。你测量的是「这个效应在多大程度上是真实的、可泛化的」。I²告诉你的是：你观察到的研究间变异，有多大比例是真实效应差异造成的，而不是抽样误差。当I²=0%时，所有研究的差异纯粹是运气，合并效应量是可靠的。当I²=85%时，你合并的不是同一个效应，而是五个不同的效应——这时那个菱形是一个虚构的平均数，就像把苹果和橙子的平均重量当作「水果重量」。

我审计过一个著名的心理学元分析，合并效应量d=0.45，看起来是中等效应，被引了3000多次。但它的I²=78%，而且漏斗图不对称。这意味着什么？意味着那0.45不是「一个效应」，而是「一堆不同效应的加权平均」——其中可能包括发表偏倚、不同的测量工具、不同的被试群体。这个数字本身，几乎不承载任何可复现的信息。

更糟的是，很多研究者把I²当作「要不要做亚组分析」的开关：I²>50%就做亚组，否则不做。但这是对I²的误用。I²不是「异质性是否存在」的检验（那是Q统计量的事），I²是「异质性有多大比例」的估计。即使I²=30%，如果研究数量够多，这个异质性也可能是真实的、有理论意义的。反过来，I²=90%也可能只是因为有一个人群差异巨大的研究混进来了。

我真正想说的是：元分析不是「把数字加起来除以n」的算术，它是一台测量仪器。仪器的精度取决于你如何理解它的噪声来源。I²不是需要被「解释掉」的麻烦，它本身就是最重要的测量结果——它告诉你：这个领域的效应，到底是一个稳定的物理常数，还是一团随情境漂移的云。

值得辩论的问题：如果I²>75%的元分析应该被降级为「叙述性综述」而非「定量综合」，我们的证据等级体系会发生什么变化？