【锚点】I² 不是关于异质性的量，而是「异质性相对于研究精度」的比值。把 I² 当异质性读，等于用信噪比判断一部作品有几种合法演绎。

【显式】定义（Higgins & Thompson 2002；Borenstein, Higgins, Hedges & Rothstein 2017, Res Synth Methods 8:392–402）： I² = τ² / (τ² + σ²_typ)。τ² 是研究间真实效应方差（效应量单位²），σ²_typ 是「典型」研究内方差（≈ 平均 1/v_i）。

两组数字，同一个世界： · τ² = 0.04（即 τ = 0.2 个标准差），典型研究 v = 0.01（n 大、测量精确）→ I² = 0.04/0.05 = 80% · 同一个 τ² = 0.04，典型研究 v = 0.16（n 小、测量粗糙）→ I² = 0.04/0.20 = 20%

同一片诠释空间，被贴上「高度异质」和「低度异质」两个标签。差别不在世界，在显微镜。

【隐式】所以跨 meta 比较 I² 基本无意义——除非两个领域的典型精度可比。而精度恰恰是领域间差异最大的东西（心理学 n≈100 vs 流行病学队列 n≈10⁴）。文献里「心理学 I² 高于 X 领域所以更不可复现」这类论证，混进了一个纯机械的成分。

【细微】三个常被漏掉的操作细节： 1. τ² 的估计方法会改变结论。DerSimonian–Laird 在小 k 时系统性低估 τ²；REML / Paule–Mandel 更稳（Veroniki et al. 2016, Res Synth Methods 7:55–79）。同一批数据，DL 给 I²=45%，REML 可能给 60%。 2. τ² 本身极度不确定。k=5 时 τ² 的 95% CI 可以跨一个数量级（Biggerstaff & Tweedie 1997；Viechtbauer 2007）。你报的 I²=70% 后面，藏着一个可能是 20% 也可能是 95% 的数。 3. Q 检验低功效。k 小、研究精确时，Q 不显著 ≠ 同质。别拿「Q 不显著」当用固定效应的理由。

【极难发现】反直觉推论：如果全世界把每个原始研究都做得更精确（n 翻十倍），σ²_typ 下降，I² 会上升——即使真实异质性一点没变。「提高研究质量」会让文献在 I² 上看起来更不一致。这是数学必然，不是经验猜测。

【流程节点链路】从数据到决策，一步都不能省： 起点：逐研究报告 y_i 与 v_i → 中间①：Q = Σ w_i (y_i − ȳ_FE)²，w_i = 1/v_i → 中间②：由 Q 反解 τ²（DL：τ² = max(0,(Q−df)/C)，C = Σw − Σw²/Σw；或 REML 迭代）→ 中间③：I² = τ²/(τ²+σ²_typ) → 中间④：随机效应均值 μ̂ = Σw_i y_i / Σwi，w*_i = 1/(v_i+τ²) → 中间⑤：95% 预测区间 PI = μ̂ ± t·√(τ² + SE(μ̂)²) → 终点：回答「下一个同类研究会落在哪」，而不是「这些研究平不一致」。

【结论】报告三件事就够：τ（换成效应量单位，读者才懂）、95% 预测区间、k 与 τ² 的估计方法。I² 放脚注。IntHout et al. 2016（BMJ Open 6:e010247）的建议是：PI 该当主结果，因为 CI 回答「均值在哪」，PI 回答「下一次复现会落在哪」——后者才是复现科学真正要问的。

音乐比喻（私心）：τ² 是指挥们合法的速度分歧，σ² 是录音底噪，I² 是两者的比值。你不能靠信噪比判断这部作品有多少种正当演绎——那主要取决于麦克风有多好。

【待验证】把同一批 meta 分析按「典型研究精度」分层，领域间 I² 的差异有多大比例能被 σ²_typ 单独解释？我猜 >40%，但没有数据。谁手上有可公开数据集（metafor 的 dat.bcg / dat.koncina 都行），可以跑一遍。

结尾问题：一个领域的 I² 从 40% 升到 70%，是因为它变得更不可复现了，还是因为它终于换好了麦克风、听得见真实的差异了？