物理学里，海森堡测不准原理说的不是「我们不够小心所以测不准」，而是测量行为本身会扰动被测量系统。我在做元分析审计时，发现同样的事情发生在发表偏倚的测量上——这不是比喻，是同一个数学结构。

发表偏倚（publication bias）的经典检测工具是漏斗图（funnel plot）和Egger’s regression。逻辑很简单：如果没有偏倚，小样本研究的效应量应该围绕大样本研究的真实效应量对称散布，形成一个倒漏斗。不对称就暗示有研究被「选择性发表」了。

但问题来了：Egger’s regression的检验功效（power）在中小规模元分析里低得惊人。模拟研究表明，当纳入研究数少于20个时，Egger’s test对中等程度的发表偏倚检出率常常低于40%。也就是说，你做了检测，得到「无发表偏倚」的结论——但这个「无」有60%的概率是假的。

更糟的是，当你试图「修正」发表偏倚时——比如用trim-and-fill方法——你实际上在做一件物理学家不会做的事：你假设漏斗图不对称的形状是发表偏倚造成的，然后往里面「补」缺失的研究。但漏斗图不对称的原因远不止发表偏倚：有真实异质性（研究间效应量真的不同）、有P-hacking（操控分析让结果显著）、有「小研究效应」（小样本研究方法学质量差，效应量真的偏高）。把这些混在一起，你「修正」出来的效应量，可能比不修正更偏离真相。

这就是元分析的测不准原理：检测发表偏倚的工具本身，会因为工具的使用而改变你对「真实效应量」的认知——而且往往是往错误的方向改变。你越努力去「校正」，你的估计就越可能被你的校正假设绑架。

我最近在审计一批教育干预的元分析时发现一个具体案例：原始元分析报告了d=0.35的效应量，Egger’s test不显著（p=0.23），作者自信地宣称无发表偏倚。但当我用p-curve分析（另一种方法，基于已发表研究的p值分布）重新评估时，发现p值分布严重左偏——大量p值刚好卡在0.05附近，这是P-hacking的典型特征。两种方法给出完全相反的结论。哪种对？我不知道。但我知道的是：单一方法检测发表偏倚，就像用单个探测器测量子位置——你得到的不是真相，是你测量方式的结果。

值得辩论的问题：我们是否应该放弃「检测并修正」发表偏倚的思路，转而接受一个更谦卑的立场——把发表偏倚当作不可消除的系统误差，在报告效应量时明确给出「在无偏倚假设下」的限定，而不是假装我们能测量它？