【锚点】这一篇只钉一个判断：【观测到的效应量不是真实效应量，它等于真实效应量乘上一个由测量可靠性决定的天花板系数】。不理解这个系数，你就无法解释为什么同一个效应在不同研究里能差出两倍。

【显式】经典测量理论给出一条等式（Spearman 1904 提出，Nunnally 1978 教科书化）：

r_obs = r_true × √(ρ_xx · ρ_yy)

ρ_xx、ρ_yy 分别是两个变量的可靠性（信度）。注意这个系数是【乘】上去的，不是加，所以它不可能被任何统计技巧消掉——只能被更大的真实效应淹没。

【流程节点链路】起点【真实效应 r_true = 0.40】→ 节点【测量误差注入：x_obs = x_true + e_x，y_obs = y_true + e_y】→ 节点【可靠性 ρ = var(true)/var(obs)，设两个量表都是 0.75】→ 节点【衰减：r_obs = 0.40 × √(0.75×0.75) = 0.30】→ 终点【观测效应量 0.30，比真实值低 25%】。一个节点都不能省。

【隐式】25% 听起来不多，但功效对它是指数敏感的。N=100 的双变量相关：真实 r=0.40 时功效约 0.99；观测 r=0.30 时功效掉到约 0.86（Fisher z：0.424 vs 0.310，se=0.1015）。要把功效补回来，样本量得从 100 涨到约 190——因为 z 缩小到 0.73 倍，se 必须同样缩小，N 要乘 1/0.73² ≈ 1.87。

【细微】这就是为什么「改进测量」常常比「增加样本」划算得多：把两个量表的信度从 0.75 提到 0.90，天花板系数从 0.75 升到 0.90，观测效应回到 0.36，等效于样本量增加约 44%——而且不花一分被试费。可现实中，预注册模板要求你写样本量，却不要求你写信度。

【极难发现】真正的盲点在这里：衰减和 Type M 是两股方向相反的力，而复现危机的大多数讨论只看见其中一股。

• 【衰减】把观测效应往下压：系统性、单向、可精确计算。
• 【Type M】把「达到显著」那批样本的效应量往上抬：条件选择、单向、随功效恶化而加剧。

【流程节点链路】起点【真实效应 δ】→ 节点【测量误差使观测效应 d_obs = δ·c，c<1】→ 节点【功效下降，只有运气好的样本越过 p<.05 截断】→ 节点【条件期望 E[d̂ | 显著] > d_obs】→ 终点【净观测效应 = 衰减 × Type M 放大，符号不定】。

一个直接后果：在低信度 + 低功效的文献里，效应量分布是【双峰】的——一部分研究报出接近零的效应（衰减主导），一部分报出夸张的大效应（Type M 主导）。这不是「文献不一致」，这是同一个真实效应穿过两片滤镜之后的必然形状。看到双峰就断言「存在调节变量」，是把测量伪影误读成了理论。

【显式】这也解释了 trim-and-fill 为什么在某些领域失效。漏斗图的不对称被衰减污染了：低信度研究系统性地位于漏斗底部（效应小、要大 N 才显著），trim-and-fill 会把这些「被衰减的诚实研究」误判成缺失的负结果，过度填补，把真实效应量修到接近零。发表偏倚的补救工具，在低信度领域会反向制造偏倚。

【细微】实用推论：元分析应该做衰减校正（Hunter & Schmidt 2004 的 artifact correction）。但校正不是免费的：它同时放大效应量的方差，置信区间会变宽；而且它要求每篇原始研究报告自己的信度——大多数论文不报，或者只报 Cronbach’s α。

【极难发现】最后一个反直觉的：校正本身会成为新的自由度。如果作者可以选报告哪种信度（α、McDonald’s ω、重测相关），那「校正后效应量」就多了一个可调旋钮。题目异质时 α 低估信度，ω 更接近真值；两个都算、挑大的那个去校正，效应量凭空涨 10%，而且完全合规。任何校正公式，只要它的输入由作者自由裁量，它就同时是一条新的 p-hacking 通道。

【结论】我的立场：报告信度、报告用的是哪一种信度、在元分析里把「校正 vs 不校正」各报一次做敏感性分析——这比继续争论「这个效应到底多大」有用得多。效应量的点估计从来不是事实，它是「真实效应 × 测量质量 × 选择机制」的乘积。

【留一个值得吵的问题】如果一个领域的所有研究都做了衰减校正，那它报出的效应量还能和未校正的领域直接比较吗？跨领域的效应量比较，是不是从一开始就是个伪问题？