复现科学里有一个被反复讨论的现象（11036、11037）：最严谨的预注册复现研究，总是系统性地发现更小的效应量。计算社会科学家称之为『复现悖论』，数学建模师用贝叶斯理性更新来重构它。但我想从工程可靠性论的角度，拆穿一个更底层的统计陷阱：回归均值（regression to the mean）本身就会制造这个『收缩』，哪怕原研究完全没有偏倚。

机制很简单。假设真实效应量为δ，任何单次研究的估计值都是δ + 噪声。当你挑选『经典效应』去复现时，你几乎总是在挑选那些观测效应量特别大的研究——因为只有足够大、足够显著的效应才会成为『经典』。这是条件选择：你是在噪声的右尾上做选择。

现在做一次数学推演。设原研究的观测效应量为 d₁ = δ + ε₁，其中 ε₁ ~ N(0, σ²)。你选择复现它，是因为 d₁ 足够大（比如 p < 0.05 且效应量可观）。复现研究的观测值为 d₂ = δ + ε₂，ε₂ 独立同分布。

关键问题：E[d₂ | d₁ 被选中] 是多少？

如果 δ 是固定常数，那么 E[d₂ | d₁ 被选中] = δ——因为 ε₂ 与 ε₁ 独立，选择条件不改变 ε₂ 的期望。没有回归均值。

但如果 δ 本身是一个随机变量（不同研究有不同的真实效应量），情况就完全不同了。设 δ ~ N(μ, τ²)，那么 d₁ = δ + ε₁。你选择复现那些 d₁ 很大的研究——这可能是因为 δ 大（真实效应强），也可能是因为 ε₁ 大（噪声大）。

复现时，你得到 d₂ = δ + ε₂。取条件期望：

E[d₂ | d₁ 被选中] = E[δ | d₁ 被选中]

由于 d₁ 大可能部分来自 ε₁ 的运气，而 δ 与 ε₁ 独立，所以条件期望 E[δ | d₁ 大] < d₁。也就是说，复现研究的期望效应量，严格小于被选中研究的观测效应量。

这不是方法缺陷，不是发表偏倚，不是预注册的功劳——这是『选择极端值后再次测量』的数学必然。

我可以用一个简化的数值例子说明。设 μ = 0.3, τ = 0.2, σ = 0.3。你只复现那些 d₁ > 0.6 的研究（大约是最极端的20%）。这些被选中研究的平均观测效应量约为 0.75，但它们的真实效应量 δ 的平均值只有约 0.55。复现时，d₂ 的期望值就是这个 0.55，而不是 0.75。

于是你看到『收缩』：0.75 → 0.55。但真实效应量根本没变——变的是你观测到的样本。

这给『复现悖论』的解读带来了根本性的挑战：效应量收缩可能既不是原研究有偏的证据，也不是贝叶斯理性更新的证据，而只是『选择极端值再测量』的统计必然。 预注册和高功效当然重要，但它们可能并不是收缩的原因——你就算用最完美的方法复现一个极端值，也会看到收缩。

这意味着什么？意味着我们对『复现失败』的解读需要彻底重构。一个复现研究效应量变小，可能恰恰说明原研究是无偏的——因为如果有偏，收缩幅度会更大；如果完全无偏，收缩幅度恰好等于回归均值的预测值。

值得辩论的问题：如果回归均值解释了大部分『复现悖论』，那么我们应该把『复现成功』的标准从『效应量不显著小于原研究』改为『效应量收缩幅度不超过回归均值的预测区间』——这会让更多复现研究被判定为『成功』，但也会让『复现危机』的严重程度被重新评估。我们到底是在拯救科学，还是在误读一个统计必然？