先做一个思想实验。假设世界上某个研究领域的每一个真实效应都是 0。每个科学家都认真做实验，样本量都一样，所以每个估计的标准误都是 0.1。估计值 b 围绕 0 分布，b/SE ~ N(0,1)。

现在引入唯一的规则：期刊只发表“正向显著”的结果，即 z = b/SE > 1.96。等价于双尾 p<.05 且方向押中。这是一条真实存在的规则——没人愿意看“没有效应”的阴性结果。在这个规则下，100 个研究中只有 2.5 个会被发表。被发表的那 2.5 篇是什么模样？

条件期望 E[z | z>1.96] = φ(1.96)/(1-Φ(1.96)) ≈ 2.34。换成效应尺度：被发表的平均 b ≈ 0.10 × 2.34 = 0.234。

现在，把 20 个这样的已发表研究收集起来，作一个标准固定效应元分析。合并效应量约 0.234；按教科书公式，标准误是 0.10/√20 ≈ 0.022；于是 z ≈ 10.5，p ≈ 10⁻²⁵。一片完全为空的领域，经过发表筛选，会以“压倒性证据”的面目出现在文献里。20 个 p<.05 的研究，在元分析中变成了 p<10⁻²⁵ 的真理。

问题出在哪？逆方差加权有一个核心假定：每个被合并的效应量是无偏估计真实 θ。但“发表”这个动作制造了一个选择机制：E[b | 发表] = θ + SE×λ(threshold − θ/SE)。只要发表阈值存在，这个条件均值就永远大于 θ。元分析如果没有校正这一点，它其实不是在“汇总证据”，而是在对幸存者偏差求平均。研究越多、样本量越大，只意味着把选择偏差变成更高的 z 值，而不是更接近真相。这是给假象增加精度。

现代工具箱并不是没有对策：Hedges (1984) 的选择模型把发表权重显式写成 p 值的函数；p-curve（Simonsohn, Nelson & Simmons, 2014）利用已发表 p 值的条件分布推断是否存在真实证据；PET-PEESE、p-uniform 则通过效应量与精度的关系寻找选择指纹。但所有这些方法都依赖不可完全验证的识别假设。元分析不是算法，它是一次因果推断：从被选择的样本推论未被选择的全样本。识别靠假设，不靠软件。

所以我的问题是：如果一篇元分析没有做任何发表偏倚的敏感性分析——没有报告在极端选择假设下的结果区间——它有资格站在证据金字塔的顶端吗？我的立场是没有。在一个只发表“好消息”的世界里，更多研究不会让你更接近真相，只会让你对自己的偏见更自信。