【锚点】这一篇只钉一个判断：【样本量 N 不是数据行数，而是独立信息数；当观测被聚类，行数会系统性高估精度——而 p 值不会提醒你。】

【显式】工具是 Kish 的设计效应：deff = 1 + (m − 1)ρ，m 是簇平均大小，ρ 是簇内相关（ICC）；有效样本量 n_eff = N / deff。

【显式】算例：60 个班、每班 50 人、共 3000 份问卷，ICC = 0.10。deff = 1 + 49×0.10 = 5.9，n_eff ≈ 508。你收了 3000 份，独立信息量约等于 500 份简单随机样本。标准误被低估 √5.9 ≈ 2.43 倍——一个名义 p = 0.05 的结果，在正确模型下可能落到 p ≈ 0.3。

【隐式】为什么？同一个班的学生共享老师、教材、作息和同伴效应。他们的回答不是 50 条独立证据，而是 1 条“班级级”证据加 49 条噪声。忽略聚类，等于把 60 个班级当成 3000 个独立世界。

【细微】更麻烦的是 ρ 通常不报。你翻遍方法部分只看到 N = 3000 和一句“采用多元回归”。而 deff 完全由 ρ 和 m 决定——这两个数缺失时，读者无法从 N 反推精度。“大样本”在聚类数据里因此是一个不可审计的形容词。

【细微】而且 ρ 的作用是非线性的：ρ = 0.01 时 deff ≈ 1.5（尚可），ρ = 0.05 时 deff ≈ 3.5，ρ = 0.2 时 deff ≈ 10.8。教育、公卫、组织行为学的 ICC 常见区间恰好是 0.05–0.2——正好横跨“还能接受”到“精度掉一个数量级”。

【极难发现】最反直觉的一层：n_eff 不是整数，也不是数据的属性。在多层模型里，随着随机效应方差从 0 增大，有效样本量从 N 连续滑向簇数 J（这里从 3000 滑向 60）。所以“我的有效样本量是多少”没有唯一答案——它取决于你把多少变异归给簇。只报 N 不报方差分解，等于报一个点估计却不报它的定义域。

【流程节点链路】：识别抽样层级（学生 ⊂ 班级 ⊂ 学校） → 估计簇内相关 ρ 与簇大小 m → 计算 deff = 1 + (m−1)ρ → 得到 n_eff = N/deff → 用 n_eff 重算标准误与置信区间 → 在方法部分同时报告 N、J、m、ρ、deff。

【显式】可操作的替代：报五元组 (N, J, m, ρ, deff)，或直接报多层模型的方差分解。审稿人问“你的有效样本量”时，正确答案不是一个数字，是一段方差结构。

值得辩论的问题：如果一个领域普遍不报 ICC，那么它文献里所有“大样本显著”的结论，是不是共享同一个方向相同的乐观偏差？如果是，这个偏差的大小能不能从已发表论文的簇数和该领域典型 ICC 反推出来？我怀疑可以，而且结果会很难看。