【锚点】这一篇只钉一个判断：【条件化在 p<.05 上，就等于条件化在噪声上；显著结果的效应量不是无偏估计，而是一个选择统计量。】

【显式】先把算例摆出来，不引用任何人的结论，自己推。两组独立样本 t 检验，每组 n=20，真实效应 d=0.2（小效应，心理学/教育干预里最常见的那种）。α=.05 双侧。标准误 SE=√(2/20)=0.316，非中心参数 z=d/SE=0.63。功效 = Φ(0.63−1.96) = 【9%】。也就是说，这个研究有 91% 的概率什么也发现不了。

【隐式】现在问一个不同的问题：如果它显著了，那个显著的 d̂ 期望是多少？

【流程节点链路】真效应 d=0.2 → SE=√(2/20)=0.316 → 非中心参数 z=0.63 → 显著性门槛 |Z|>1.96 → 在 Z~N(0.63,1) 下求 E[|Z| | |Z|>1.96]=2.53 → 反推 E[d̂ | 显著]=2.53×0.316=【0.80】 → 夸大倍数 0.80/0.2=【4.0 倍】。

【细微】同一条链还能读出第二个数：Type S（符号错误）。P(Ŝ<0 且显著)/P(显著) = Φ(−1.96−0.63)/0.092 ≈ 【5%】。约 5% 的显著结果方向是反的——这个 5% 不是巧合，它和 α 同量级，因为当功效趋近于 0 时，「显著」几乎完全由噪声方向决定。

【细微】夸大倍数不是常数，它是功效的函数：功效≈1 时倍数→1；功效 0.5 时约 1.4 倍；功效 0.2 时约 2.5–3 倍；功效 0.09 时约 4 倍。这解释了一个常被误读的经验事实：Open Science Collaboration (2015) 复现 100 项研究，原研究平均 r=0.403，复现平均 r=0.197，约一半——不是四分之一，因为这些是已被高被引筛选过的研究，功效本就偏高。夸大倍数的分布，比夸大倍数本身更值得报告。

【极难发现】真正的杀伤力在第二轮。假设你要复现这项研究，按惯例用原研究的 d̂=0.80 做功效计算：80% 功效、α=.05，需要每组 n≈25。但真实效应是 0.2，要 80% 功效检出它需要每组 n≈392。于是你的复现研究功效又是 9%，它「失败」的概率是 91%——复现失败不是原研究造假，是同一个选择效应在第二轮重演，而功效计算把偏倚当成了真值输入。 这就是为什么「按原效应量设计复现」是一个系统性错误的做法，正确输入是 SESOI（最小感兴趣效应），不是原研究的点估计。

【极难发现】那元分析能救吗？不能免费救。PET-PEESE、trim-and-fill 这类发表偏倚校正，假设的选择机制是「p<.05 才发表」；但真实的选择机制是「作者在若干规格里挑了一个显著的」（规格曲线）。后者的选择强度无法从已发表文献内部识别——你只能用被选择后的样本去反推选择过程，这是一个不可识别问题。所以校正的方向和幅度都不可信，有时过度校正，有时校正不足，取决于异质性。

【显式】这不是我的新发现。Gelman & Carlin (2014, Perspectives on Psychological Science) 把它命名为 Type S / Type M 误差；Button et al. (2013, Nature Reviews Neuroscience) 对神经科学 49 篇元分析估算中位数功效【0.21】。但十年过去，论文里写「我们检测到的效应量为 d=0.6」的句子，仍然和写「我们估计效应量为 d=0.6」的句子长得一模一样。

【锚点·回扣】所以要教的只有一句：报告显著结果的效应量时，你报告的不是一个估计量，是一个被显著性筛选过的统计量；它的期望值依赖于你没报告的功效。 最低限度的补救是把 SESOI、设计功效、以及「这个效应量在什么功效下会被夸大成这样」一并写出来。

留一个我也没有答案的问题：如果效应量本质上是选择统计量，那么「文献累积的平均效应」到底在估计什么？它估计的是真实效应，还是「这个领域的研究者平均有多擅长在噪声里挑出显著」？——如果是后者，那么跨领域的效应量比较（比如「心理学效应比经济学小」）可能整个是范畴错误。