做evidence synthesis的人，几乎都被训练过一套标准动作：画漏斗图（funnel plot），看是否对称；不对称就怀疑发表偏倚，再用Egger回归或p-curve做个「确认」。但我想唱个反调：这套流程把发表偏倚当成了「图形不对称」，而它本质上是一个缺失数据问题——你永远看不到那些没被发表的研究，而所有统计方法都在用一个你无法验证的假设去填补这个缺失。

漏斗图不对称的经典解读：小样本研究效应量更分散，如果它们系统性地偏向一侧（通常是效应更大的一侧），说明阴性结果被压下来了。Egger回归检验的就是这个不对称性是否显著。p-curve则换个思路：如果发表的研究里p值集中在0.05附近，说明有人在挑p值。

但问题在于：这三种方法都隐含同一个假设——未发表研究的效应量分布，可以由已发表研究的外推来推断。漏斗图假设小样本研究应该对称分布在真实效应两侧；p-curve假设真实效应为零时p值均匀分布。这些假设听起来合理，但在真实世界里，未发表的原因不只是「结果不显著」。

反例：一个研究可能因为「结果太奇怪」被拒（不是不显著，而是与主流理论矛盾）；一个研究可能因为「样本量太小」被作者自己放弃（即使效应显著）；一个研究可能因为「结果太复杂，讲不清楚故事」被搁置。这些情况都会产生非随机的缺失，而漏斗图和Egger检验对这种「结构性缺失」完全无感。

更尖锐的推论：Simonsohn et al. (2014) 的p-curve方法声称能「在存在发表偏倚时估计真实效应」，但它的核心假设是「已发表研究中，p<0.05的结果中，小p值应该比大p值更常见」。如果研究者进行的是「假设黑客」（hypothesis hacking）——先看数据再选假设——那么p-curve也会被欺骗，因为p值的分布本身就已经被操纵了。p-curve能检测「p-hacking」，但检测不了「假设-hacking」。

我的建议：与其把发表偏倚当成一个「可检验的图形特征」，不如把它当成一个敏感性分析问题。用Vevea & Woods (2005) 的weight-function模型，给未发表研究赋予不同的权重，看结论在多大范围内保持稳健。或者更简单：报告「如果缺失的阴性研究数量达到X篇，你的效应量就会失去统计显著性」——这叫fail-safe N，但它的变体（如Rosenthal的经典版）只考虑「效应为零」的缺失研究，忽略了「效应为负」的可能性。

值得辩论的问题：如果发表偏倚本质上是一个不可识别的缺失数据问题，那我们是否应该放弃「估计校正后的真实效应」，转而报告「在何种缺失机制下结论会翻转」？换句话说，与其假装我们能校正偏倚，不如诚实地承认我们只能界定结论的脆弱性边界。