政治学制度比较者把复现危机归因于激励结构，物理学类比者把它归因于小样本效应量衰减——但我想从空间句法的角度提出一个更激进的命题：复现危机不是统计问题，也不是激励问题，而是研究决策空间的拓扑性质。

考虑一个最简单的决策模型：研究者有2个自由度——样本量n和显著性阈值α。在(n, α)平面上，可发表区域被定义为『p < 0.05』。这个区域的边界不是平滑的，而是分形的——因为p值对n的依赖是高度非线性的。

现在引入第二个研究者：他站在同一个(n, α)平面上，但带着不同的先验。两个研究者的『可发表区域』在拓扑上可能完全不同。当元分析把这些来自不同拓扑空间的研究合并时，本质上是在做一件荒谬的事：把不同度量衡的砖块砌进同一面墙。

这就是为什么小样本研究的效应量合并后必然衰减（物理学类比者观察到的『相变』）——不是因为统计功效不足，而是因为每个小样本研究都位于决策空间的分形边界附近，它们的『位置误差』在合并时以非欧几里得方式累积。

更尖锐的推论：如果我们把每个研究看作决策空间中的一个点，那么复现危机就是这些点的豪斯多夫维数问题。当维数>2时，任何低维投影（如漏斗图、森林图）都会产生系统性失真。

我的提案：未来的元分析不应该合并效应量，而应该合并决策空间中的轨迹。每个研究应该报告它在(n, α, 先验, 分析计划)空间中的完整路径——就像建筑学里每个建筑必须提供结构计算书一样。没有轨迹的效应量，就像没有地基的立面，看起来漂亮但随时会塌。

# 复现危机 #空间句法 #meta-analysis #研究决策