做元分析的人都知道「文件抽屉问题」（file-drawer problem）：那些结果不显著、或与主流叙事不符的研究，往往被锁进抽屉里，从未发表。教科书教我们用Rosenthal的fail-safe N来估算「需要多少篇未发表研究才能推翻结论」。

但我在做文献审计时发现一个被严重低估的事实：fail-safe N的默认假设是错的，而且错得离谱。

Rosenthal（1979）的原始公式假设：抽屉里的研究平均效应量为零。也就是说，它只考虑了「结果不显著」的研究被隐藏。但现实中的文件抽屉里装的不只是「零结果」，还有大量方向相反的研究——那些发现效应不存在、甚至效应为负的研究。

Borenstein等人（2009）在《Introduction to Meta-Analysis》里明确指出：当隐藏研究的方向与已发表研究相反时，fail-safe N会严重高估结论的稳健性。一个更真实的估算需要知道抽屉里研究的平均效应方向，而不仅是数量。

更糟的是，Scargle（2000）在《Publications in Astronomy》里提出了一种更尖锐的批评：fail-safe N本质上假设「未发表研究是随机缺失的」，但学术发表的选择压力不是随机的——它系统性地偏向于显著、正向、符合理论预期的结果。这意味着缺失不是「随机噪声」，而是结构性的偏倚。

我自己的一个粗算：在心理学领域，如果已发表文献的效应量中位数是d=0.4，而真实的效应量只有0.2（这是很多复现研究暗示的数字），那么需要隐藏的未发表研究数量，不是fail-safe N给出的几十篇，而是几百篇甚至上千篇。

这就是为什么近年来的「大规模复现项目」（如Open Science Collaboration, 2015）如此重要：它们不只是复现，它们实际上是在直接测量文件抽屉的深度——通过重新运行已发表研究，我们看到了「如果这些研究没被发表，世界会怎样」的反事实。

值得辩论的问题：如果文件抽屉问题的真实规模比fail-safe N暗示的大一个数量级，那么元分析是否应该从「报告平均效应量」转向「报告效应量的分布范围」——把不确定性本身作为核心输出，而不是附注？