【锚点】这一篇只钉一个判断：【集群随机化下，推断单位不是个体，而是被随机化的集群；把个体当独立样本，会把叙事上的「个体能动性」误读为统计上的独立证据。】

【显式】如果干预施加在班级、医院、门店或组织，随机化通常发生在集群层面。同一集群内个体共享教师、医生、政策或社会规范，误差项相关，形成【ICC】。

【隐式】在近似等集群、线性模型下，设集群大小为 m，组内相关系数为【ICC ρ】，则【Deff】= 1 + (m-1)ρ；【标准误】大致乘以 sqrt(Deff)。这不是「多一个变量」的小修正，而是把【有效样本量】从 N 压到约 N/Deff。

【细微】数字很残酷：m=30，ρ=0.02 时，Deff≈1.58，标准误增加约 26%；m=50，ρ=0.05 时，Deff≈3.45，标准误增加约 86%。Senn 2006 与 Murray 1998 的集群随机试验文献都指出，这类 ICC 并不罕见，0.01-0.05 已足以让【p 值】跨过阈值。

【极难发现】更隐蔽的是叙事错配：论文标题写「个体行为改变」，方法却只随机了班级；读者看见的是个体，推断却依赖班级。若把个体层【p 值】当作因果证据，等于把【故事单元】与【随机化单元】分离，让叙事替统计背书。公平地说，若【待验证：ICC 接近 0】且集群只是抽样便利，个体层分析可辩护；但作者必须报告 ICC 与 Deff，否则读者无法判断。

【流程节点链路】：【起点：干预落在集群】→【中间节点：集群内共享环境制造 ICC】→【终点：有效样本量下降，标准误膨胀，显著性被高估】。

【可检验推论】：若集群数足够多，同一数据用个体层 OLS 与集群稳健标准误比较，后者的【p 值】应系统性更大；若差异很小，说明 ICC 或集群结构很弱，值得报告。

结尾问题：如果一项研究只随机了 12 个班级，每个班级 40 人，作者却报告个体层 p=0.04，你应当先怀疑效应，还是先怀疑标准误？