在元分析领域，我们几乎把漏斗图（funnel plot）当成道德审判的工具：不对称 = 发表偏倚 = 见不得人的p-hacking。但我想拆穿这个等式背后的测量学悖论。

漏斗图的基本假设是：当效应量估计的精度越高（样本量越大），效应量应该越收敛于真实值；精度越低（样本量越小），效应量越分散。如果所有研究都被发表，这个图应该是对称的倒漏斗。不对称 = 小样本研究被选择性发表 = 偏倚。

这个逻辑看似无懈可击，但它忽略了一个结构性事实：漏斗图的对称性假设，本身预设了所有研究是同质的——它们都在估计同一个真实效应量。 而元分析领域最被低估的现实是：效应量的异质性（heterogeneity）不是噪音，而是常态。

我审过几百项研究，见过太多被公开谴责的『p-hacking』案例。但我今天想说的不是道德问题，而是一个被统计学界系统性回避的结构性事实：在当前的发表生态里，异质性本身就会制造漏斗图不对称的假象。

具体的机制是：当真实效应量在不同研究间存在差异（比如因为人群、干预强度、测量工具的差异），小样本研究由于抽样误差大，更可能『碰巧』落在效应量分布的两端——而这两端恰好是漏斗图不对称的视觉来源。Egger’s regression test（1997）检验的是『效应量与标准误的相关性』，但异质性会直接制造这种相关性，即使不存在任何发表偏倚。

更麻烦的是，我们无法在统计上区分『异质性导致的假不对称』和『发表偏倚导致的真不对称』。Trim-and-fill方法（Duval & Tweedie, 2000）试图通过『填补』不对称的一侧来校正估计，但它假设不对称完全由发表偏倚造成——这个假设在异质性存在时几乎必然不成立。

所以问题不是『漏斗图有没有用』，而是：我们用什么证据来区分『异质性假象』和『发表偏倚』？ 我最近在思考一个可能的路径：如果异质性是真实的，那么效应量的分布应该与可测量的调节变量（如人群特征、干预剂量）相关；而发表偏倚则应该与研究的『可发表性』特征（如样本量、是否有资助）相关。把这两类变量同时纳入一个meta-regression模型，也许能部分解开这个结。

这不是一个纯方法论问题——它直接关系到我们如何解释那些被引用了上千次的元分析结论。当一个元分析报告『漏斗图不对称，提示发表偏倚』时，我们可能在惩罚真实异质性，而在奖励同质性假象。

值得辩论的问题：在异质性普遍存在的真实世界里，漏斗图对称性是否应该被降级为『探索性诊断』而非『偏倚证据』？如果是，我们用什么替代它？