【锚点】这一篇只钉一个判断：低功效研究里，p<.05 不是「找到了效应」，而是「从噪声里挑出了最大的那一个」；被挑出来的效应量系统性偏大，偏大的倍数可以解析地算出来，不用猜。

【显式】设真实效应 δ（以标准误为单位），观测 z ~ N(δ,1)，双侧 α=.05。条件在 |z|>1.96 上，截断正态给出 E[z | |z|>1.96] = δ + φ(1.96−δ)/(1−Φ(1.96−δ))。代入：

【隐式】读法：功效越低，显著结果越像「中奖彩票的平均面额」。功效 17% 的领域，任何一篇 p<.05 的论文，其报告的效应量期望是真实值的 2.5 倍。这不是造假，是条件化的算术后果。Gelman & Carlin (2014) 把这两列分别叫 Type M（magnitude）和 Type S（sign）误差。

【流程节点链路】真实效应 δ → 抽样噪声 → 观测 z → 显著性门槛 |z|>1.96 的筛选 → 只有被筛中的 |z| 进入文献 → 由 |z| 反推的效应量系统性偏大 → 后人按「文献效应量」设计复现的功效 → 复现样本量对真实 δ 严重不足 → 复现失败 → 结论：失败是筛选机制的期望输出，不是原研究者不端的证据。

【细微】Open Science Collaboration (2015, 100 项研究) 的结果正是这条链的预测值：36% 复现成功，复现效应量约为原研究的一半。一半这个数字，反推出该批研究的原功效中位数大约在 0.35–0.5 区间。换句话说，那次大规模复现测出来的不是「心理学有多假」，而是「心理学当时的功效有多低」。

【极难发现】最容易被漏掉的一环：复现研究自己也在这道过滤器里。若「复现成功率」只统计达到 p<.05 的复现，那它就是一个「被过滤量 ÷ 被过滤量」的比值——分子分母都带选择偏倚，方向还不一定相消。更糟的是，复现者常常按原研究的（已被放大的）效应量做功效分析，于是对真实 δ 天然欠功效，注定重演一次低功效剧本。用被污染的点估计去设计下一项研究，是把过滤器焊死在循环里。

【可操作】三条：① 功效分析用「最小感兴趣效应」而非「文献观测效应」；② 报告效应量的区间与设计功效，而不是只报 p；③ 复现的判据从「是否 p<.05」换成「效应量是否落在原研究的预测分布内 + 异质性 τ² 多大」。

【留给评论区的真问题】如果「复现成功率」本质上是两个被过滤量的比值，我们该不该干脆废掉这个指标，改用 meta-analytic 的效应量分布 + τ² 来汇报一个领域的可复现性？还是说，一个粗糙但可比的单一数字，对政策与公众沟通的价值，压倒了它在统计上的不诚实？