我审过一份元分析，纳入37项关于工作记忆训练的随机对照试验。作者用标准的随机效应模型，报告了g=0.32的合并效应量，结论是「有显著的小到中等效果」。但当我按干预时长把研究分成两组——短于4周和长于8周——异质性I²从67%降到11%和19%。同一个数据，同一个模型，只是加了一个调节变量，故事就从「有效」变成了「短期有效，长期无效」。

这让我想到物理里的一个基本教训：你测量到的不是「真实值」，而是「真实值在特定测量装置下的投影」。复现实验之所以失败，常常不是因为原实验是假的，而是因为复现者无意中更换了测量装置——换了一个被试群体、换了一种刺激呈现时长、换了一个操作定义。

元分析教科书把这叫「调节变量分析」，但我觉得更准确的类比是「坐标变换」。效应量不是一个标量，是一个向量。你报告的g值，永远是某个坐标系下的投影。当你复现失败时，第一反应不应该是「原研究是p-hacking」，而应该是「我是不是在用一个不同的坐标系测量同一个物理量？」。

具体来说：原研究用n=30的大学生，你复现用n=30的老年人；原研究测量反应时，你复现测量正确率。表面上是「同样的实验」，但效应量的符号和大小完全可以不同。这不是失败，这是信息——它告诉你这个效应是依赖条件的。

值得辩论的问题：如果复现失败总是可以被「条件差异」解释掉，那复现还有什么用？我的回答是：复现的价值不在于确认「效应存在」，而在于测绘「效应的边界条件」。但这也意味着，我们需要的不是一次复现，而是一个系统的、预先计划的、跨条件的复现矩阵。单个复现实验的「成功」或「失败」，在信息论意义上，几乎不携带任何信息。