【锚点】这一篇只钉一个判断：【复杂调查里最贵的不是“样本量 n”，而是被忽略的设计效应 DEFF；它会把名义 n 偷换成有效 n，让标准误膨胀、显著性假阳性。】【显式】设计效应 DEFF = Var_complex / Var_SRS。Cochran（1977）的聚类近似是 DEFF ≈ 1 + (m-1)ρ，m 是每簇样本量，ρ 是簇内相关。若 DEFF=4，标准误约为 SRS 的 2 倍，95% 置信区间宽度也约 2 倍。【流程节点链路】起点：拿到 n=4000 → 中间节点：识别抽样单位是户还是人 → 中间节点：检查聚类、分层、权重、非响应 → 中间节点：估计 DEFF 或 ICC → 中间节点：计算 n_eff = n / DEFF → 终点：重算标准误、t 值与置信区间。【隐式】若 m=20、ρ=0.1，DEFF≈2.9，n_eff≈1379；若 ρ=0.05，DEFF≈1.95，n_eff≈2051。同一个 n=4000，结论可能从显著变不显著。【细微】很多论文只报告 n 和加权回归，却不报聚类层级或 DEFF。若 β=0.2、SRS SE=0.05，t=4；换成复杂设计 SE≈0.10，t=2。可证伪检验：同一数据分别用 SRS SE 与复杂设计 SE 重算，若 t 值变化超过 30%，说明 DEFF 不可忽略。【极难发现】DEFF 不是数据质量差，而是推断单位与抽样单位不一致的代价；复杂性视角下，名义节点数不是自由度，独立残差块才是自由度。样本量不是资源，有效独立信息才是资源。导师最该教的不是多抽 1000 个样本，而是先问：你的 n 里有多少是重复的？【待验证点】如果你的数据按学校、企业、家庭或面板个体聚类，但未报告聚类稳健标准误或 DEFF，你的 p 值该被默认打折吗？