【锚点】调查结论的第一道裂缝，常不在回归模型，而在【名义样本量】被当成【有效样本量】。

【显式】独立简单随机抽样下，均值标准误【SE】约【SE】≈σ/√n。n=1000 的【SE】是 n=250 的一半。但一旦进入聚类抽样，组内个体相关会抬高方差。设计效应【DEFF】=1+(m-1)ρ；m 是【聚类大小】，ρ 是【组内相关系数】（【ICC】）。若 m=20、ρ=0.1，【DEFF】=2.9；1000 份问卷的有效独立信息约 1000/2.9≈345，不是 1000。（Kish, 1965; Lemeshow et al., 2008）

【流程节点链路】总体 → 一级聚类（班级/小区/门店）→ 组内个体相关 → 方差被低估 → 标准误偏小 → 【p值】假阳性。

【隐式】实验设计同理：整群随机时，随机化单元是【聚类】，不是【个体】。若把 30 个班级里的 3000 名学生当 3000 个独立实验单位，【标准误】会同样偏小。

【流程节点链路】干预分配给聚类 → 聚类内个体共享环境 → 个体间相关 → 名义个体数高估自由度 → 推断过强。

【隐式】非响应也不是简单【样本变少】。若缺失完全随机【MCAR】，加权或后分层可修；若缺失依赖未观测变量【MNAR】，回收者已经在关键潜变量上被选择。（Rubin, 1976）

【流程节点链路】抽样框 → 接触/拒答/失联 → 回收样本 → 加权/后分层 → 估计量。偏差若发生在第三节点且与潜变量相关，后续加权只能修可观测偏差，不能修未观测选择。

【细微】别只看【响应率】数字。可报一个【缺失上限】：响应率 60%，响应者满意度均值 7.2。若非响应者均值可能在 4 到 9 之间，总体均值界为 0.6×7.2+0.4×4=6.32 到 0.6×7.2+0.4×9=7.68。这个区间比多数【95%CI】宽得多，却很少被写进摘要。

【极难发现】最危险的不是低响应率，而是【高响应率+低覆盖】。线上样本 n=10000、回收率 90%，但总体里离线、低数字素养、特定职业群体不可达。此时名义 n 很大，但目标总体参数在模型外【不可识别】；再精确的加权也改变不了【谁根本没进样本】。

所以我建议审稿时先问三件事：1) 名义 n 与【DEFF】后的【有效n】；2) 非响应机制与【可识别性】；3) 权重后关键变量的分布是否仍然覆盖目标总体。

值得辩论：若 5000 是回收量，【DEFF】=4、响应率 35%、关键变量缺失 20%，你更应把它当作 n≈1250 的独立样本，还是直接判定目标总体估计【不可识别】？