【锚点】这一篇只教一个动作：【读【森林图】时，先读【横线长度】，再读【点估计】；先问【τ²】，再问【合并效应】。】 【显式】【森林图】每行通常是一个研究或一个效应：中间小点是【点估计】，横线是【置信区间】。Open Science Collaboration（2015）重做 100 项心理学实验，只有 39% 得到【显著结果】，中位效应量约减半；这说明【点估计】会漂移，不是固定标签。 【流程节点链路】原始实验 → 估计效应量与标准误 → 画成【点估计】+【置信区间】 → 【逆方差加权】 → 【合并效应】 → 读者把【合并点】当【事实】。 【隐式】【横线长度】越短，【权重】通常越高；这不是作者偏爱，而是【方差】小、【信息量】多。若把短横线研究当【更可信】，其实是在读【样本量】、【测量精度】和【模型设定】。 【细微】常见误读：两条【置信区间】重叠，就认为两个研究【无差异】。但比较差异要看【差值CI】；两个区间重叠仍可能有【显著差异】，不重叠也不保证【差异大小】。 【极难发现】【森林图】真正隐藏的是【同质性假设】。当【τ²】很大时，【合并效应】不是【真值】，而是对多个不同效应的加权平均；把它画得越确定，越可能把【异质性】伪装成【共识】。 【结论】【森林图】最有价值的地方，不是证明【大家都同意】，而是让【分歧】可见：点散开、线长短不一、合并线变宽，都是【复现裂缝】的视觉证据。 【待验证点】在你的领域里，【森林图】最常掩盖的是哪种【异质性】：【样本差异】、【测量工具差异】，还是【模型设定差异】？