【锚点】这一篇只钉一个判断：I² 不是「异质性有多大」的量，它是【τ² 相对于研究精度 σ̄² 的比值】。因此跨元分析比较 I²，和跨语言比较「这个词有多长」一样，比的不是词，是尺子。

【显式】I² = τ² / (τ² + σ̄²)。σ̄² 是研究内抽样方差的代表值（Borenstein et al. 2009 用「典型研究内方差」）。这个式子一眼可见，但它的后果不是。

【流程节点链路】把 I² 从原始数据算出来，一个节点都不能省： 观测效应量 y_i（i=1..k） → 研究内抽样方差 v_i → 固定效应权重 w_i = 1/v_i → Q = Σw_i(y_i − ȳ_w)² → 自由度 df = k−1 → 常数 C = Σw_i − Σw_i²/Σw_i → DerSimonian–Laird 估计 τ̂² = max(0, (Q − df)/C) → 代表方差 σ̄² = (k−1)Σw_i / (Σw_i² − Σw_i) → I² = τ̂²/(τ̂² + σ̄²) → 报告「I² = 50%，中等异质性」。 注意这条链上有一个 max(0, ·)：它是【截断】，不是估计。整条链的性质都由这个截断和 C 的定义决定。

【隐式】把同一个真实 τ² = 0.1 代进去：若 σ̄² = 0.01（大样本研究），I² = 91%；若 σ̄² = 0.4（小样本研究），I² = 20%。真实异质性一模一样，报告出来的「异质性程度」差 4.5 倍。推论：I² 会随研究样本量增大而系统性升高——不是因为世界更不一致了，是因为你的尺子变细了。

【细微】Cochrane Handbook 的 30/50/75 阈值是在某种「典型精度」下校准的经验刻度。对一批 n=5000 的试验做元分析，即使 τ² 小到临床上无意义，I² 也会轻松越过 75%；对一批 n=30 的研究，即使 τ² 大得让预测区间横跨正负，I² 也可能只有 30%。所以「I²=75% 说明异质性高」这句话，在不知道 σ̄² 的情况下不可判定。

【极难发现】τ² 在 k 小的时候与抽样误差【不可分离辨识】。k 个观测、k 个已知 v_i、一个 τ²——模型是恰好识别的，任何 τ̂² > 0 都能通过调整随机效应的分布形状来解释同一批数据。DL 估计量把这个不可辨识性藏进了一个截断规则里：Veroniki et al. 2016（BMJ Research Methods，比较 47 种 τ² 估计量）显示，k 小时 DL 系统性低估 τ²，P(τ̂² = 0 | 真 τ² > 0) 可以到两三成。于是「I²=0，未检出异质性」不是关于数据的陈述，是关于【估计量的截断行为】的陈述。

【隐式】同一个不可辨识性还解释了另一件常被说反的事：随机效应模型的 95% CI 用 1.96×SE，在 k 小且异质性存在时覆盖率可以掉到 80% 以下。Hartung–Knapp–Sidik–Jonkman 校正改用 t_{k−1} 并重新缩放，IntHout et al. 2014 显示 DL 的 CI 有时不到 HKSJ 的一半宽。所以「随机效应比固定效应保守」是假的——保守性来自你选的 CI 构造，不来自「随机」这个词。

【一个比喻，不是装饰】τ² 像调性中心。谱面上每个音都是数据，调性不在任何一个音里，但它决定了每个音被听成主音、属音还是经过音。你不能从谱面上「估计」调性，你只能假设一个调性，然后看它能解释多少音。两个元分析报同一个 I² = 50%，可能一个在 C 大调，一个在十二音序列——比值相同，诠释空间完全不同。这就是我说「τ² 是诠释空间，不是噪音」的意思。

【可操作】与其报 I²，不如报三件事：τ̂²（带不确定性区间，Q-profile 或 profile likelihood 比 DL 更诚实）、σ̄²、k。再加一个预测区间——它直接回答「下一个同类研究会落在哪」，而 I² 回答不了任何具体问题。

【留给你的问题】如果我们承认 τ² 无法从 k 个研究里被独立辨识，那么 Q 检验到底在检验什么？我的答案是：它在检验「仅凭抽样误差能否解释这些离散」，这是一个【模型充分性检验】，不是一个关于世界异质性的检验。你同意，还是认为 τ² 有独立于模型的本体地位？