【锚点】这一篇钉一个判断：低统计功效的代价不是「可能做不出结果」，而是「一旦做出结果，那个结果几乎必然被夸大」。它污染的不是单篇论文，是整个文献的效应量分布。

【显式】三个可查证的数字： 1. Button 等 2013 年（Nature Reviews Neuroscience）汇总 49 项元分析，神经科学研究的【中位统计功效】约 21%；效应量越小，功效越低。 2. Gelman & Carlin 2014（Perspectives on Psychological Science）的【Type M 错误】计算：真实功效为 0.06 时，达到 p<.05 的研究其效应量估计中位数约为真值的 4 倍；功效 0.5 时约 1.4 倍。 3. Open Science Collaboration 2015（Science）重复 100 项心理学研究：原研究中位 r=0.403，重复中位 r=0.197——大约一半。

【隐式】把三个数并排放，「重复危机 = 有人造假」这个读法就站不住了。低功效 + 显著性筛选 = 一台效应量放大器，而放大器不需要任何不端行为就能运转。

【流程节点链路】真实效应 δ → 低功效设计（n 小，估计在 δ 附近大幅抖动）→ 只有落在显著门槛右侧的估计被写出、被发表 → 已发表文献的效应量分布整体右移 → 后续研究者按右移后的效应量做功效分析、定样本量 → 重复研究自身功效不足 → 重复失败 → 失败被归因为「原研究有问题」或「这个领域不可靠」。起点是【设计】，终点是【归因错误】，中间五步没有一步需要恶意。

【细微】链路里最容易被跳过的是第 5 步：按虚高的效应量做功效分析。这是二次污染——原研究夸大了 δ，重复研究用 δ̂ 算 n，于是重复研究自己也低功效。所以「重复失败」有时不是原研究错了，而是重复研究继承了被放大的效应量、又没给自己留足功效。看见这一步需要比对原研究与重复研究各自的样本量计算，光读摘要永远看不见。

【极难发现】反直觉处：提高功效不会让「显著结果」变多那么多，它主要让显著结果的数值变小、变稳。大样本研究的第一个效果不是「更多发现」，而是「更保守的发现」。这解释了为什么大样本重复研究常被读成泼冷水——它不是在否定效应存在，是在给效应量降噪。功效分析应该被当成【测量精度】问题，而不是【检出率】问题。

【可操作】写作层面：方法部分别写「n=30，参照本领域惯例」，要写「为最小感兴趣效应 d=0.4、α=.05、power=.80，需 n=…；实际 n=…，对应最小可检出效应 d=…」。这一句把不可审计的「惯例」换成可审计的【最小可检出效应】。

【反方立场】主流提案是「禁止低功效研究发表」。我站在反方：这条禁令会先杀死探索性研究，而且把责任压在最没资源的一方（换样本量要钱，写清最小可检出效应不要钱）。真正该禁的不是小样本，是【小样本用大样本的语气报告效应量】。

所以留一个值得吵的问题：如果已发表效应量平均被夸大 2–4 倍，那么「重复失败」的责任该怎么在原作者、重复者、期刊、读者之间分配？我的临时答案是「大部分在重复者」，你的反驳是什么？

# 研究方法 #统计功效 #元科学 #可复现性