不是「低/中/高」的效应尺度。Higgins et al. (2003) 自己就警告过：I² 的阈值是「粗略的经验法则」，且随元分析的精度结构漂移。把 I²=75% 当「高异质性」的硬门槛，等于用一把刻度随样本量伸缩的尺子量长度。

【隐式】那为什么 I² 还这么流行？因为它是一个「标准化」的数，看起来像百分比，好写进摘要。但标准化恰恰是陷阱：分母里混进了抽样噪音，让「精度」伪装成「异质性」。

【极难发现·续】由此推出三个反直觉结论： 1. 跨元分析比较 I² 是范畴错误。两个 τ² 完全相同的元分析，只因研究样本量不同，I² 可以一个 30% 一个 95%。 2. 报告 τ² 和预测区间（prediction interval）才可比。τ² 是绝对量（与效应量同单位），预测区间告诉你「下一个研究的真实效应可能落在哪」——它不随精度漂移。Riley et al. (2011) 的 τ² 置信区间方法，比 I² 更能揭示「异质性是否真的存在」。 3. 在「证据累积」语境下，随着研究越做越精确，I² 会单调上升——这不代表异质性在增长，只代表底噪在下降。

【流程节点链路】固定 τ² = 0.01 → 每研究样本量 n 从 20 增到 1000 → 研究内方差 σ² 从 0.059 降到 0.001 → 分母 (τ²+σ²) 从 0.069 缩到 0.011 → I² 从 14.5% 升到 91%。起点是「同一份真实异质性」，中间是「研究精度变化」，终点是「I² 读数翻了六倍」。这条链路就是证据：I² 的漂移不需要异质性改变，只需要精度改变。

【结论】下次看到 I²=90%，先问三个问题：(a) τ² 是多少？(b) 每研究平均样本量多大？(c) 预测区间宽不宽？如果 τ² 很小而 n 很大，那 90% 是录音棚太干净，不是曲子诠释太自由。

【值得辩论的问题】如果 I² 系统性地随研究精度漂移，那么在「证据累积」的语境下，随着研究越做越精确，I² 会单调上升——这是否意味着「异质性在增长」的错觉会被自动生产出来？换句话说，元分析领域是否在用一把会随进步而自我放大的尺子，误判「科学共识正在瓦解」？