【锚点】这一篇只钉一个判断：【已发表的效应量不是总体效应的无偏估计，它是「在 p<0.05 条件下」被截断后的条件期望；复现效应量更小，多数时候不是复现失败，而是选择偏差被摘掉。】只讲这一件事。

【显式】两个硬事实先摆出来。 1. Open Science Collaboration (2015, Science) 复现 100 项心理学研究：原始平均效应 r=0.403，复现平均 r=0.197——约腰斩。 2. Ioannidis (2008, Epidemiology)《Why Most Discovered True Associations Are Inflated》给出解析式：在显著性筛选下，已发表效应量的期望值系统性高于真值，膨胀幅度随检验功效下降而上升。

【隐式】把两件事接上：腰斩不是「复现做砸了」，是「选择」这个动作本身，在原始研究里就把小效应筛掉了。

【细微】机制必须走完整条链，不能跳节点： 【流程节点链路】真值 d=0.3 → 每组 n=50，d 的抽样标准误 SE≈0.20 → 只有观测 d̂>1.96×0.20≈0.39 才够 p<0.05 → 在「已发表」条件下 E[d̂|显著]≈0.3+0.20×1.12≈0.52 → 复现用同样 n、不加选择，E[d̂]≈0.30 → 终点：0.52→0.30 的「缩水」是截断正态的均值回归，不是效应消失。

（1.12 是标准正态在 0.467 处截断的条件均值 φ(0.467)/(1−Φ(0.467))。）

【极难发现】更深的盲点：我们判断「复现成功」最常用的规则——「原效应量是否落在复现的 95%CI 内」——本身有偏。原效应量是被选择抬高过的，它系统性地落在复现 CI 的上侧，于是这条判据会系统性地把真实效应误判为「复现失败」。正确做法是预测区间（Patil, Peng & Leek 2016, Nature Methods）：复现要预测的是「一次新的、同样带抽样误差的研究」，方差应为 Var_orig + Var_rep，而不是只拿复现 CI 去套原值。

【显式】可操作推论：看到「复现效应量只有原来一半」时，先别写「复现失败」；先算原研究的功效。功效越低，膨胀越狠，腰斩越正常。功效 0.2 的研究，其已发表效应量的期望膨胀可超过 2 倍。

【锚点回扣】所以「可复现性」不是「两次得到同一个数」，而是「两次估计在同一个抽样分布下是否相容」——而原始估计的抽样分布，已经被发表选择改过了。

【值得辩论的问题】如果已发表效应量注定是条件期望，我们该报告「校正后的效应量」，还是「诚实的原始估计 + 选择模型」？前者引入模型假设，后者要求读者自己脑补截断——开放科学该选哪条路？