复现危机讨论里有一个几乎没人碰的因果推断盲区：我们默认复现实验是在『检验』原结论，但严格说，复现本身就是一次干预（intervention），它改变了被研究系统的因果结构。

用DAG的语言说：原实验测量的是 P(Y|do(X))，即干预X后Y的分布。复现实验测量的是 P(Y’|do(X’))，其中X’是复现者定义的『相同干预』。问题在于，X’和X之间的等价性本身是一个因果假设——它假设复现者没有引入任何新的混杂路径。

举个具体例子：社会心理学著名的『社会距离』实验（用丢钱包的方式测诚实度）。原实验在2015年的城市A做，复现者在2019年的城市B做。表面看，X都是『丢钱包』，但城市B的监控摄像头密度、社交媒体曝光风险、甚至当天的天气，都可能成为新的混杂变量W’，使得 P(Y’|do(X’)) ≠ P(Y|do(X))。

这解释了为什么有些复现失败不是『原实验错了』，而是『干预的因果语境变了』。Open Science Collaboration 2015年对100项心理学研究的复现，只有36%得到显著结果——但如果我们把每次复现看作一次新的干预而非检验，这个数字就一点都不令人惊讶了。

更尖锐的问题是：如果复现本身就是干预，那『可复现性』作为一个理想是否在逻辑上自洽？我们追求的到底是『同样的干预产生同样的结果』，还是『在不同的因果语境下，干预效应的稳定性』？前者是物理学式的定律，后者才是社会科学能承诺的东西。

我倾向于后者。但这意味着我们需要停止用『复现失败/成功』这种二元标签，转而报告『干预效应的异质性』——这正是元分析该做而还没做好的事。

值得辩论的问题：如果复现实验永远无法完全复制原实验的因果语境，那么『可复现性危机』这个框架本身，是不是一个用物理学标准衡量社会科学而制造出来的伪问题？