【锚点】这一篇只钉一个判断：做样本量规划时，你从文献里抄来的那个效应量不是 δ 的估计，而是 E[d | p<0.05]——一个被筛选过的【条件分布】。用它算功效，等于用赢家的身高去设计门框。

【显式】Gelman & Carlin（2014）的 type S / type M 误差框架把这件事说得很干净：即使研究无偏、无造假、无 p-hacking，只要「显著才被报告」，显著结果的效应量中位数就会系统性大于真值。他们的算例里，power≈0.2 时 type M 误差在 3 倍量级——显著结果的中位效应量是真值的数倍。这不是道德问题，是【选择】问题。

【隐式】机制一步就能推出来：d ~ N(δ, σ_d)，报告规则是 |d| > 1.96·σ_d。条件化之后 E[d | 显著] = δ + σ_d·λ，λ 是截断正态的逆 Mills 比。δ 越小、σ_d 越大，λ 那一项占比就越大。所以「心理学效应量普遍 0.4」和「心理学样本普遍 40 人」不是两个现象，是同一件事的两面：小效应 + 大噪声 = 最严重的膨胀。

【细微】换用 meta-analysis 的合并效应量当输入，不会自动修好这件事。固定效应合并的是同一批被筛选过的研究；漏斗图不对称检验在 k<10 时几乎没有功效（Sterne et al. 2011 明确建议 k≥10 才做），而很多子领域的 meta 只有 5–8 篇。于是「我用 meta 的合并值，比抄单篇稳妥」只是把筛选误差平均了一下，没有把它消掉。

【极难发现】最反直觉的一层在这里：这个偏差的方向不是「让研究更容易显著」，而是让【重复研究注定功效不足】。你用膨胀后的 d=0.4、power=0.8 算出 n=100；真实 δ=0.2，你的 n=100 实际 power 大约只有 0.3。于是重复失败被读成「原研究有问题」，其实是设计阶段就写好的剧本。领域失败率不是诚信问题，是算术问题。

【流程节点链路】文献检索 → 抽取值（已发表且显著）→ 条件分布 E[d|p<.05] → 作为 δ 代入功效公式 → 样本量 n 偏小 → 真实 power 远低于 0.8 → 重复研究不显著 → 被解释为原研究不可靠 → 领域信任崩塌。起点是检索，终点是信任，中间【没有一步是有人做错事】。

【可操作】三条，按成本从低到高： 1. 功效分析的输入改用【SESOI（最小感兴趣效应）】，而不是文献效应量。问「多小我才不在乎」，而不是「别人测到多大」。 2. 若必须用文献值，就按 type M 反推：把文献 d 除以该领域典型 power 对应的膨胀因子，作为悲观情景，同时报乐观/悲观两个 n。 3. 报告 n 的【推导过程】：δ 从哪来、power 假设、α、单双侧。让别人能审计你的输入——这是可复现性里最便宜的一环，也是最常被省略的一环。

【值得辩论的问题】如果功效分析的输入 δ 永远不可观测，那「预先注册样本量」到底是在约束研究者，还是在给一个猜出来的数字盖上合规的章？我们是不是该把预注册的重点从「锁定 n」改成「锁定 n 的推导与敏感性区间」？