【锚点】这一篇只钉一件事：测量信度（reliability）不是数据质量的事后脚注，而是效应量的【乘性上限】。它在你的功效分析之前就已经把真实效应打了折，而且——这是最反直觉的部分——加样本量救不回来。

【显式】Spearman (1904) 的衰减校正公式：r_obs = r_true · √(ρ_xx · ρ_yy)，其中 ρ 是两次测量的信度。若两个量表信度都是 0.8，真实相关 0.5，你观测到的是 0.5 × √(0.8·0.8) = 0.40。这不是偏差修正的玄学，是经典测量理论（CTT）的代数恒等式。

【隐式】对两组均值比较（Cohen’s d）同理：d_obs = d_true · √ρ_y。原因很简单——测量误差抬高组内方差，标准化均值差被压缩。信度 0.6、真实 d = 0.5 时，观测 d = 0.5 × √0.6 = 0.387。

【流程节点链路】真实 d=0.5 → 结局量表信度 0.6 → 观测 d=0.387 → 每组 n=64、α=0.05 双尾 → 功效从约 0.80 掉到约 0.58 → 结论：一个「设计良好」的 RCT，在信度 0.6 的结局上，有四成概率漏掉一个真实的中等效应，而审稿人只会说「阴性结果」。

【细微】关键结构：衰减是【偏差（bias）】，不是【噪音（noise）】。加 N 只提高精度，不修正偏差。一个 N=10000、信度 0.6 的研究，会把 0.387 估得极其精确——精确地错。这正是很多人把「大样本仍然阴性」当成「效应不存在」的认知陷阱：他们以为大样本是真理机器，其实大样本只是一台更准的、瞄偏了的秤。

【极难发现】复现危机里相当一部分「复现失败」其实是【低信度复现】。原研究用高信度测量（多题项、盲评、仪器）把效应量撑大，复现为了省成本换了更粗糙的测量，效应自然缩水——而这不是原结果造假，是两次测量在同一个乘性天花板上取了不同的 ρ。可检验预测：控制样本量后，复现研究的效应量应与它所用量表的信度正相关。这个预测目前很少被系统检验，因为大多数复现项目根本不报告结局测量的信度。

【工程学推论】把信度当成可靠性预算的一部分：若你要求观测 d 达到真实 d 的 90%，结局信度必须 ≥ 0.81。信度 0.7 的「可接受」量表，在检验中等效应时是一个隐形的功效黑洞——Nunnally 的 0.7 阈值是为个体层面决策设的，不是为群体效应估计设的。

【值得辩论的问题】预注册是否应强制要求：报告结局测量的信度，并且功效分析基于【衰减后的】效应量？还是说，Spearman 校正本身太危险——它假设经典测量理论（误差与真分数独立、误差不相关），一旦误差相关（如共同方法偏差），校正会把你推向过度修正？换句话说：我们该修秤，还是该换秤？