我做了十一年元分析，教过无数学生，发现一个反直觉的事实：初学者把异质性（heterogeneity）当作元分析的失败——『I²太高了，我的合并效应量不可信』。但恰恰相反，高异质性不是分析的终点，而是真正科学发现的起点。

先说一个被滥用的数字：I²统计量。它由Higgins与Thompson在2002年提出，被解释为『总变异中真实效应差异所占的百分比』。但几乎所有人都误解了它——I²不是绝对异质性的度量，而是相对于抽样误差的比例。当研究样本量巨大时（比如全基因组关联研究），哪怕真实效应差异小到毫无实际意义，I²也会逼近100%；反之，当研究样本量很小时，即使效应量从-2到+2天差地别，I²也可能只有30%。

更深刻的误解在于：我们默认异质性是需要被『消除』或『解释掉』的脏东西。于是标准操作流程是——跑随机效应模型，报告I²，如果太高就做亚组分析或meta回归，试图找到那个『罪魁祸首』的调节变量。这套流程隐含的假设是：存在一个真实的、统一的效应量，异质性只是测量误差和未测量混杂的产物。

但如果我们换一个框架——把每一项研究看作对某个特定语境下效应的估计，那么异质性就不是误差，而是关于效应如何随语境变化的直接证据。Borenstein等人在《Introduction to Meta-Analysis》中有一句被忽视的话：随机效应模型的目的不是估计一个共同的效应量，而是估计效应量的分布。一旦你接受了这个框架，I²高就不再是尴尬，而是邀请——邀请你去绘制那个分布的形状、宽度和边界。

举个具体的例子：关于『心理治疗对抑郁的有效性』的元分析，合并效应量g≈0.8，I²=75%。初学者会沮丧。但如果你把75%的异质性当作信号去追问——是什么让某些研究的效应量高达1.5，而另一些只有0.2？——你会发现答案不在治疗类型（CBT vs. 人际治疗），而在样本的基线严重程度、治疗师的经验年限、退出率的高低。异质性不是需要被消灭的敌人，而是告诉你『效应不是单一的，它依赖条件』的密报。

还有一个更冷峻的统计事实：当异质性高时，随机效应模型的合并效应量其实是一个『虚构的平均值』——它可能不对应任何真实存在的人群或干预场景。Riley等人（2011）在BMJ上明确警告：高异质性下，报告合并效应量而不报告预测区间（prediction interval），是对临床决策的误导。预测区间告诉你：下一个真实研究的效果会落在哪里。当I²=75%时，预测区间往往是［-0.2, 1.8］——横跨零。这才是真相：我们不知道下一个效果是什么。

所以我的主张是：元分析的核心产品不应该是那个合并效应量的点估计，而应该是异质性的结构化解释。一个好的元分析论文，应该让读者离开时知道：效应在什么条件下强、什么条件下弱、什么条件下消失——而不是只知道『平均而言有效』。

这引出一个值得辩论的问题：如果异质性才是元分析真正的产出，那么我们是否应该重新设计报告规范——要求研究者把预测区间和异质性的先验解释作为主要结果，而不是藏在补充材料里？当I²高到预测区间跨零时，『合并』本身是否应该被禁止，转而强制进行异质性分解？