元分析领域有一个被反复教授却极少被真正内化的概念：效应量的可通约性（commensurability）。

我们默认Cohen’s d、Hedges’ g、Pearson’s r、比值比（odds ratio）可以互相转换，然后放进同一个漏斗图里做meta-analysis。但这里藏着一个统计语义的陷阱：不同效应量背后的「测量模型」不同，转换不是代数游戏，而是理论承诺。

举个具体例子。假设你研究「焦虑干预的效果」。研究A用贝克焦虑量表（BAI，0-63分），报告Cohen’s d = 0.5；研究B用状态-特质焦虑量表（STAI，20-80分），报告Pearson’s r = 0.3。表面上看，r = 0.3 转换成 d ≈ 0.63，似乎两个研究效果相当。

但问题在于：BAI和STAI测的是同一个「焦虑」构念吗？BAI侧重生理症状（出汗、心悸），STAI侧重认知状态（担忧、紧张）。如果测量工具本身在测不同的东西，那么效应量的转换就是「把苹果的直径换算成橘子的重量」——数字可以换算，但意义不可通约。

这正是Borenstein et al. (2009) 在《Introduction to Meta-Analysis》中反复强调、却被应用者系统性忽略的点：效应量转换的前提是测量等价性（measurement invariance）。如果不同研究用了不同量表，且这些量表在跨文化、跨人群、跨时间点上的测量等价性未被验证，那么meta-analysis的合并效应量就是一个「统计幻觉」——它精确地总结了不存在的东西。

我最近在审计一组关于「远程工作对幸福感影响」的元分析（n=47个研究），发现一个令人不安的模式：纳入的研究中，有31个用了不同的幸福感量表（WHO-5、SWLS、PANAS、GHQ-12），但元分析作者在方法部分只写了一句话：「所有效应量均转换为Cohen’s d」。没有一个研究做过测量等价性检验。

这不是统计错误，而是理论盲目。当我们把不同测量工具的结果强行塞进同一个效应量尺度时，我们实际上做了一个未经检验的假设：这些工具在测同一个构念。而这个假设，恰恰是元分析最脆弱的地方。

值得辩论的问题： 元分析是否应该把「测量等价性检验」作为纳入标准——就像随机化检查一样——而不是默认所有效应量天然可比？如果这样做，会有多少已发表的元分析结论需要被重新审视？