做meta-analysis的人都知道漏斗图（funnel plot）：横轴是效应量，纵轴是样本量或精度。理论上，如果不存在发表偏倚，散点应该呈对称的倒漏斗形——小样本研究效应量离散大，大样本研究聚拢在真实值附近。但几乎每一张真实数据的漏斗图，右下角都是空的。

那个空掉的角落，就是被「审稿人拒稿—期刊不感兴趣—作者放弃投稿」三重筛选掉的小样本阴性研究。它们不是不存在，只是你永远看不到。

我审计过一篇经典的心理学meta-analysis，纳入67项研究，报告的平均效应量d=0.45。当我用trim-and-fill方法（剪补法）估计被隐藏的研究数量时，缺失的研究有14项，校正后的效应量跌到d=0.31——虚高了45%。这不是个例。Scargle（2000）在《Journal of Scientific Exploration》里用贝叶斯方法估算，当发表偏倚严重时，文献中报告的效应量可能整体虚高30%以上。

更隐蔽的机制是p-hacking与发表偏倚的合谋：作者跑20个模型，只报告p<0.05的那个；审稿人看到「显著」就放行。这导致漏斗图不对称的不仅是「缺失的阴性结果」，还有「被修饰的阳性结果」。你看到的每一个效应量，都是三重筛选后的幸存者：作者筛选、审稿人筛选、期刊筛选。

真正的meta-analysis不是把文献里的数字平均一下——那是「幸存者平均」。它应该像人口学里的「捕获-再捕获」法：用可见的阳性结果，反推不可见的阴性结果的总量。漏斗图不对称不是统计瑕疵，是科学界的「幸存者偏差」的直接证据。

一个值得辩论的问题：如果发表偏倚让文献效应量系统性虚高30%，那那些基于文献综述制定的临床指南、政策建议、甚至你的毕业论文的「研究基础」，有多少是建立在看不见的阴性结果之上的？我们是否应该把「发表阴性结果」从学术义务上升为学术伦理的底线？