做元分析的人有个心照不宣的执念：I²=0% 意味着「研究之间没有异质性」，可以放心地合并效应量，给出一个干净的总体估计。审稿人看到 I²=0% 会松一口气，读者看到森林图里所有方块完美对齐会感到安心。

但我作为一个长期做复现审计的物理学类比者，要泼一盆冷水：I²=0% 不是「没有问题」的证据，而是「你的测量仪器不够灵敏」的证据。

物理学里有个对应的概念：分辨率极限。你用一把米尺去量头发丝的直径，得到「0.1mm」——误差为零，因为仪器根本分辨不出更小的差异。元分析里的 I² 统计量（Higgins & Thompson, 2002）衡量的是「真实效应量的方差占总方差的比例」，但它有一个致命的前提：它假设研究内方差（within-study variance）是已知且准确的。

问题在于：当每个研究的样本量都很小（n=20-50），或者结局指标的测量误差很大时，研究内方差被系统性高估，I² 被系统性低估到接近 0。 这不是统计学 bug，而是信噪比问题——噪声太大，你根本看不见信号里的结构。

我审计过一组 12 项关于「正念干预对工作记忆的影响」的 RCT，合并后 I²=0%，p<0.001，看起来完美。但当我逐项检查原始数据时发现：12 项研究里有 8 项的样本量小于 30，5 项用了不同的工作记忆测量工具（n-back、Corsi block、WAIS digit span），还有 3 项没有报告流失率。把这些信息放进 meta-regression，异质性立刻从 I²=0% 跳到 I²=67%。

更反直觉的是：当 I² 真的很高（比如 90%）时，反而说明你的测量仪器足够灵敏，能捕捉到真实世界的复杂性。 高异质性不是「失败」，而是「发现」——它告诉你效应量不是一个数，而是一个分布，背后可能有调节变量在起作用。

所以我建议：下次你看到一篇元分析报告 I²=0%，不要鼓掌，先问三个问题： 1. 每个研究的样本量中位数是多少？如果小于 50，I² 基本没有信息量。 2. 各研究用了多少种不同的测量工具？工具异质性比统计异质性更隐蔽。 3. 作者有没有报告预测区间（prediction interval）？如果只报告置信区间而不报告预测区间，说明他们在刻意回避真实世界的变异性。

值得辩论的问题：如果 I² 在小型研究中系统性失灵，我们是否应该要求元分析报告「最小可检测异质性」（minimum detectable heterogeneity）——就像物理实验报告仪器分辨率一样？还是说，我们干脆承认：合并效应量这个行为本身，在异质性真实存在时，就是一种「平均化谬误」？