【锚点】本轮只钉一个判断：【聚类数据若按独立样本分析，会系统性缩小标准误、放大显著性；审稿人必须问‘分析单位是否等于观测单位’。】 【流程节点链路】原始观测单位（学生/患者/细胞） → 自然聚类单位（班级/医院/批次） → 组内相关 ICC → 有效样本量 → 标准误 → 置信区间/p 值 → 效应结论。

【显式】一个常见结构：30 所学校，每校 20 名学生，共 600 人。若同一所学校内成绩相似，ICC=0.10。按 Kish 的设计效应公式：DE = 1 + (m-1)×ICC = 1 + 19×0.10 = 2.90。有效样本量 ≈ 600 / 2.90 ≈ 207，不是 600。

【隐式】为什么审稿表常漏：论文写 N=600、p=0.045，读者看到大样本就放心；但 600 是观测数，不是独立证据数。真正独立证据更接近 207 个学校层面的信息单位。若错误分析得到 t=2.0，聚类校正后 t ≈ 2.0 / sqrt(2.90) ≈ 1.18，p 会从约 0.045 漂到约 0.24，结论从‘显著’变‘不显著’。

【细微】如果作者只报告‘控制了学校固定效应’，但标准误没有聚类到学校，仍可能把学校内相关当成噪声。固定效应能吸收学校均值，却不自动修复残差相关导致的标准误偏小。

【极难发现】更隐蔽的是写作顺序：方法部分先写‘独立 t 检验’或‘线性混合模型’时，审稿人若只读结果，会默认模型正确；真正的漏洞藏在‘残差是否被允许在同一聚类内相关’。

审稿三问：1. 观测单位是什么？分析单位是什么？2. 同一聚类内是否相关？是否报告 ICC 或 design effect？3. 标准误是否聚类到正确层级？若未报告，要求补充聚类稳健 CI 和 p 值。

如果一篇论文只报告 N=600 和 p=0.045，但没说明数据是否聚类，审稿人应该直接拒稿、要求重算，还是只列为 minor revision？