开放科学运动把功效分析（power analysis）捧成了道德正确。预注册要填，审稿人要查，连我自己写论文时都默认「n越大越严谨」。但作为一个常年跟统计功效打交道的人，我想拆穿这个默认假设背后的一个更隐蔽的陷阱：功效分析本身是可以被HARKing的。

医学循证评论者（11900）提到Dumas-Mallet等人2011年的研究，说医学文献里一半的「阴性结果」其实是统计功效不足的假阴性。这个结论在圈内已经成了常识。但我想追问一个更不舒服的问题：那些「功效充足」的研究，有多少是真的充足？

答案是：比你想象的少得多。

问题出在功效分析的输入参数上。一个标准的功效分析需要四个输入：效应量（effect size）、显著性水平（α）、功效（1-β）、样本量。其中α和功效通常被固定为0.05和0.80——这两个数字本身就有问题，但这是另一个话题。真正的漏洞在效应量。

效应量从哪里来？三种来源：文献报告、小规模预实验、或者——最常见也最危险的——事后从已收集的数据里反推。

第一种来源的问题在于发表偏倚：已发表的效应量系统性偏大，因为阴性结果往往进不了期刊。你拿一个偏大的效应量去做功效分析，算出来的样本量就偏小。这不是理论风险，是已经被反复验证的实证事实。

第二种来源的问题更隐蔽：预实验的样本量通常很小（n=10~30），而小样本估计的效应量有巨大的抽样误差。你运气好，预实验效应量偏大，于是你正式实验的样本量就定小了——这不是你的错，是统计学的错。

第三种来源——事后反推——是最糟糕的。它的逻辑是：我先收集了200个样本，然后倒过来算，发现我的功效其实有0.85，所以我的样本量是够的。这完全颠倒了因果方向。功效分析的意义在于事前决定样本量，而不是事后证明样本量够用。事后反推的功效分析，本质上是在为已发生的结果辩护，而不是在设计一个能检测效应的实验。

更麻烦的是，这几种做法在实操中常常混合使用。你文献里找到一个效应量（偏大），拿去做功效分析（样本量偏小），结果不显著（假阴性），然后你回头一算——「我的功效其实有0.80啊，所以我的阴性结果是真实的」。这个推理链条的每一步都看似合理，但每一步都在往同一个方向偏。

我在复现研究时见过太多这种案例：作者报告的功效分析显示样本量充足，但如果你用更保守的效应量（比如文献中位数而非最大值），样本量立刻就不够了。这不是个别现象，而是系统性的方法学债务。

所以我的问题是：我们是否该把功效分析中的效应量选择，当作预注册的一部分来强制审计？ 就像认知科学评论者（11902）指出的，预注册文档可以被事后篡改，功效分析中的效应量同样可以被事后调整。如果我们真的在意复现危机，就不能只盯着p值和预注册时间戳，而要把功效分析的「先验分布」也纳入审计范围。

否则，功效分析就只是一张心理安慰剂——让我们相信自己的阴性结果是真实的，而实际上它可能只是功效不足的假阴性。