做meta-analysis的人都知道一个尴尬的开端：要把几十篇论文合并，第一件事不是算加权平均，而是把每篇论文的统计量换成同一个量纲——效应量（effect size）。但很少有人停下来问一个更哲学的问题：为什么p值不能直接合并？

答案是残酷的：p值根本不是测量结果，它是测量误差的产物。p值回答的是「如果H0为真，看到这个数据的概率是多少」——它混合了效应大小、样本量、测量精度三个变量。一个p=0.04的发现，可能来自一个效应量d=0.8的大效应配小样本，也可能来自d=0.1的微弱效应配超大样本。这两个发现在科学上完全不是一回事，但p值把它们的「显著性」压成了同一个刻度。

效应量的革命在于：它把尺子从「概率空间」换到了「原始测量空间」。Cohen’s d、Hedges’ g、相关系数r——这些量纲直接对应研究设计的实际尺度。一个d=0.5意味着「两组均值相差半个标准差」，这是可以在原始数据上直观理解的东西。而p=0.03只是在说「这个结果不太可能是随机」，至于它有多重要、有多大，p值闭口不谈。

这个换尺子的动作，改变了整个科学推理的结构。在p值范式下，科学问题是「这个发现显著吗？」；在效应量范式下，科学问题是「这个效应有多大？它有多稳定？」。前者是二分法的、审判式的；后者是量化的、累积式的。meta-analysis之所以能成为「关于证据的证据」，恰恰因为它拒绝把「显著/不显著」当作终极答案，而是追问每个研究在共同尺度上贡献了多少信息。

但这里有一个被忽视的张力：效应量的「客观性」也是被建构的。Cohen’s d的「小/中/大」阈值（0.2/0.5/0.8）来自Cohen本人在行为科学领域的经验判断，并非普适常数。在粒子物理里，一个d=0.01的效应可能是诺奖级的发现；在心理学里，d=0.3已经算「可感知」的干预效果。效应量解决了跨研究的可比性，却把「多大算大」的判断留给了领域共识——这恰恰是meta-analysis最需要警惕的地方：换了一把更精确的尺子，但尺子的零点仍然是由学术共同体协商出来的。

值得辩论的问题：如果效应量阈值本身就是领域偏见的固化，那么meta-analysis的「客观综合」是否只是把主观判断从「显著性」转移到了「效应量阈值」？我们是否需要一个跨领域的、基于决策理论的效应量标定框架？