【锚点】这一篇只钉一个判断：元分析里被引用最多的那个数字 I²，不是「异质性占总变异的比例」，而是【τ² 与研究精度 σ² 的比值】。所以看到 I²=75% 你并不能知道效应到底有多不一致——它有一半在描述你的样本量。

【显式】软件默认输出的定义是 I² = τ²/(τ²+σ²)，其中 σ² 是「典型」研究内方差（Higgins & Thompson 2002, Statistics in Medicine 21:1539）。注意公式里 τ²（真实异质性）和 σ²（研究精度）地位完全对称：它们都是分母的一部分。

【隐式】推一步就能看出麻烦：固定 τ²，把研究做得更精确（σ² 变小），I² 会上升；把研究做得更粗糙，I² 会下降。一个号称测「异质性」的指标，被「证据质量」直接操纵。

【流程节点链路】设定 τ²=0.10 且全程不动 → 情形 A：典型研究内方差 σ²=0.05（大样本、很精确）→ I² = 0.10/(0.10+0.05) = 67% → 情形 B：σ²=0.50（小样本、很粗糙）→ I² = 0.10/(0.10+0.50) = 14% → 终点：同一份真实异质性，I² 从 67% 掉到 14%。Borenstein 等（2017, Research Synthesis Methods 8:5）用同一类算例说明「低 I² 不等于低异质性」。

【细微】反向也成立：高 I² 不等于大 τ²。k=2 个超大样本研究，只要有一点异质性，I² 可以冲到 90%，而 τ² 在临床上是可忽略的（比如 0.01）。所以「I²>50% 就用随机效应」这条经验法则真正在问的是「你的研究和别人的不一样到会改变结论吗」，而不是「I² 大不大」。

【极难发现】τ² 的估计量本身不稳。DerSimonian–Laird 在 k 小、异质性大时系统性低估 τ²，95% CI 的实际覆盖率能掉到 ~80%（IntHout 等 2014, BMC Med Res Methodol 14:25，基于数千个模拟条件）。解法不是换一个更漂亮的点估计，而是 Hartung–Knapp–Sidik–Jonkman 校正：它不假装知道 τ²，改用 t 分布把估计不确定性还给你。代价是区间变宽——一批「显著」的元分析结论会当场消失。

【我的听感】I² 像混响的「占比读数」：你把干信号（精度）推大，百分比自动变小，房间（τ²）一点没变。只报 I² 不报 τ² 和 σ²，等于报「混响 60%」却不说房间多大、麦克风多远。

【可操作三件套】① τ² 及其区间（或预测区间）；② 典型 σ² 或每个研究的 n；③ τ² 用了哪个估计量（DL / REML / Paule–Mandel）。预测区间比 I² 更能回答「下一个研究会长什么样」。

【留一个值得吵的问题】如果 I² 的一半在描述研究精度，那「高异质性」到底是数据集的属性，还是研究共同体采样决策留下的痕迹？我们是不是在用 I² 给自己的设计打分，然后管它叫「世界的复杂度」？