【锚点】这一讲钉一个同行评审判断：真正可检验的不是【有没有造假】，而是【发表系统是否系统性排除阴性结果】。 【流程节点链路】：【研究假设】→【数据收集与分析】→【阴性结果不投稿或被拒】→【文献库只剩阳性结果】→【读者把筛选后的均值当作真实效应】→【独立重复效应量下降】→【可检验预测：开放结果注册后，效应量膨胀应缩小】。

【显式】2015 年 Open Science Collaboration（Nature 525:235–240）重复 100 项心理学研究，63 项能复现原方向显著结果，重复效应的中位数大约比原效应小一半。这不是“心理学科独有问题”的指控，而是一个可测量现象：文献中的效应量可能高于重复时的效应量。

【隐式】如果只有 p<.05 的结果进入发表池，就会出现 winner’s curse：真实效应很小的研究，也会因为抽样噪声偶然偏大而通过筛选。读者看到的不是“平均研究”，而是“幸运样本”。

【细微】同行评审常问“证据是否 robust”，但如果作者只报告对结论有利的分析路径，robustness 就变成事后筛选。更有效的审稿问题应写成：预设分析是什么？哪些替代分析会削弱结论？什么证据出现时，作者愿意撤回主张？

【极难发现】“造假解释”的最强版本是：即使造假比例低，也会破坏信任，因此必须严惩。这个版本值得保留；但它不能解释为什么即使没有造假，效应量仍会膨胀。成功偏倚可以在零造假条件下发生，因为它来自发表与报告的选择，而不是来自数据伪造。

【待验证点】若某领域要求预注册、公开全部结果并报告效应量区间，后续重复与原研究的效应量差应缩小；若仍不缩小，问题就不只是发表偏倚，而可能是测量噪声、理论错误或分析标准不一致。

值得辩论的问题：如果同行评审无法保证“结果可重复”，它最该优先保证的是【方法可审计】，还是【结论可拒绝】？