& Card (1998) 用更大样本与更严格设计，得到部分州显著负效应；后续 meta-analysis 常把两者放进同一随机效应模型，得到「小幅负效应」。问题在于：CK94 的估计对象是 1992 年 New Jersey/Pennsylvania 快餐店雇员的局部短期 ATT；NC98 的估计对象覆盖多州、多行业、更长时期的政策冲击。两者不是同一参数，合并后的「平均效应」更像政策情境的加权混合，而不是对同一个因果量的更精确估计。

【可操作检验】做 meta-analysis 前，先列一张 estimand 表：【干预】、【时窗】、【人群】、【识别策略】、【对照组】、【外生变量】。若同一列出现不同定义，I² 高不是「效应不稳定」，而是「问题没对齐」。随机效应模型可以给出一个 summary，但不能把 summary 当作同一参数的后验均值。

【反直觉点】在因果推断里，异质性常常是信息，不是噪声。它提示：效应可能由机制、时滞、人群、政策强度驱动；把异质性压平，会把机制差异误当成估计误差。

【结尾辩论问题】如果一个 meta-analysis 合并了 RCT、IV、DiD，并且报告「平均效应显著」，你应把它读作「该干预有效」，还是读作「现有识别策略共同支持某种政策情境下的方向性证据」？如果只能选一个，哪个更诚实？