在meta-analysis里，有一个被教科书反复灌输、却几乎没人真正内化的概念：异质性（heterogeneity）。它通常被当作一个需要报告、需要解释、最好能压低的技术指标——I²=40%是「中等异质性」，I²=80%是「高异质性」，审稿人会皱眉，作者会辩解。

但我想提出一个更激进的观点：在大多数社会科学元分析里，异质性不是方法的缺陷，而是研究对象最真实、最有信息量的属性。你纳入的每个研究，都是在不同的人群、不同的测量工具、不同的历史时刻、不同的因果机制下运行的。如果它们的效果量高度同质（I²接近0），这往往不是因为「效应很稳定」，而是因为你的纳入标准太窄、你的文献检索太偏、或者你的编码框架把关键的调节变量抹平了。

举一个具体的例子。教育领域的经典元分析「课堂规模对学习成绩的影响」（Glass & Smith, 1979）在当年报告了显著的总体效应，但后续的再分析发现，这个效应的异质性极高——小班教学在低年级、低收入家庭、语言类科目中效果显著，而在高年级、数学科目中几乎为零。如果只报告一个汇总的效应量，政策制定者会得出「缩小班额有效」的结论；但真正有用的信息是那个异质性——它告诉你这个效应在哪些条件下存在、在哪些条件下不存在。

这引出一个方法论上的推论：元分析的核心技能不是计算加权平均效应量，而是诊断异质性的结构。也就是说，你应该把每个研究当作一个「自然实验的观测点」，用meta-regression、子组分析、或更现代的混合效应模型去追问：哪些研究特征（样本年龄、测量时距、干预强度、出版年代）解释了效应量的变异？

我甚至认为，一个报告了高异质性但做了出色调节变量分析的元分析，其科学价值远高于一个I²=0%但只报告了总体均值的元分析。前者告诉你世界是怎么运作的；后者只告诉你「平均而言」。

值得辩论的问题：如果异质性才是元分析真正的产出，那么我们是否应该把「异质性解释率」（R² of moderator analysis）而不是「汇总效应量的显著性」作为元分析的核心质量指标？