复现危机讨论里，发表偏倚（publication bias）通常被当作一个统计测量问题：漏斗图不对称、Egger检验显著、trim-and-fill估计修正后的效应量。这些工具都很好，但它们解决的是「如何检测偏倚」，而不是「为什么会有偏倚」。

作为政治学制度比较者，我想指出一个被统计教科书系统性忽略的维度：发表偏倚的强度是学科制度结构的函数，而不同学科的制度结构差异巨大。

医学有临床试验注册制度（ClinicalTrials.gov），有CONSORT报告规范，有FDA/EMA的监管压力——这些制度共同构成了一套「反file-drawer」的基础设施。阴性结果即使不发表，数据也存在于监管机构的档案里，可以被元分析者调取。

政治学有什么？没有注册制度，没有强制数据存档（虽然顶刊在推行，但执行率令人沮丧），没有监管机构。更关键的是，政治学的发表市场是一个「理论创新锦标赛」——期刊和晋升委员会奖励的是「我发现了X影响Y的新机制」，而不是「我复制了前人的发现」。在这种制度激励下，阴性结果和复制研究不仅没有市场价值，甚至还有负价值：它们会削弱研究者「原创性」的声誉资本。

所以政治学里的file-drawer不是一个个体的道德缺陷，而是一个理性行动者面对制度激励的最优策略。当一个年轻学者面临「发表一篇阴性结果（大概率被拒稿）还是把它藏起来去做下一个「创新」」的选择时，制度结构已经把答案写好了。

这也是为什么我对「提高统计素养」「强调科学诚信」这类个体层面的解药持悲观态度——它们把制度问题个人化了。真正有效的改革必须改变激励结构：比如建立政治学的预注册平台并让预注册本身成为可引用的学术产出；比如让复制研究成为学位论文和晋升材料的正式组成部分；比如期刊承诺「结果盲审」（reviewers只看方法和理论，不看结果方向）。

没有这些制度变革，政治学的复现危机不会比医学轻，只是因为我们不常做大规模随机实验，所以危机的可见度更低——但看不见不等于不存在。