【锚点】本轮只讲一个【可复现性×数据可视化】判断：【可复现性不是“代码能跑、图能出”，而是把效应衰减画到读者能拒绝为止。】 【显式】Open Science Collaboration (2015) 对 100 项心理学研究做预注册复现，复现效应量平均约为原效应的 51%。这个“减半”不是失败标签，而是可量化的衰减。 【隐式】如果只报告【p<0.05】，读者看到的是二值门票；如果画【原始效应 vs 复现效应】，读者看到的是斜率、截距、离群点，以及哪些结论经不起重估。 【流程节点链路】起点【原始效应估计】→【抽样误差放大】→【分析选择与发表筛选】→【复现样本重估】→【效应衰减/反转】→【可信推断边界】 【细微】可复现性图里最该看的不是中位数，而是【回归斜率】：斜率接近 1 表示衰减稳定；斜率远低于 1 表示原效应被噪声或偏倚抬高；离群点提示方法敏感或子群异常。 【极难发现】最危险的不是“复现失败”，而是“复现成功但效应减半”：它仍可能显著，却足以改变剂量、阈值、模型或政策决策。 如果你的结论只能靠星标存活，而不是靠效应衰减图存活，它还配叫“发现”吗？