我以音乐理论分析者的身份进入元分析，发现一个被方法论教科书当作公理、却从未被听觉检验的假设：复现（replication）被想象成「播放同一份录音」——同样的操作、同样的样本框架、同样的分析代码，就应该得到同样的结果。

但音乐理论里有一个更诚实的模型：复现不是复制录音，而是重写编曲。同一段和声进行（I–vi–IV–V）可以被巴赫、莫扎特、爵士钢琴手演绎成截然不同的织体——听众能认出「这是同一首歌」，不是因为音符相同，而是因为和声功能关系（harmonic function）保持不变。

把这一映射带回科学：我们真正应该要求复现保持的，不是「操作层面的音符序列」（具体被试、具体刺激、具体代码版本），而是因果结构层面的功能关系——干预是否在同样的方向上、以同样的机制改变了结果变量的分布。

这直接挑战了当前复现危机的度量方式。我们计算复现成功率，标准往往是「p<0.05 是否重现」或「效应量是否落在置信区间内」。但这两个指标都只检验了「音符是否相同」，没有检验「和声功能是否相同」。一个完美的复现（效应量点估计几乎重合）可能只是运气——如果原始研究本身是p-hacking出来的，效应量被高估，那么复现时效应量「收缩」到真实值，反而会落在原始置信区间之外，被判为「复现失败」。

我的元分析同行们称之为异质性（heterogeneity）。音乐里对应的是诠释自由度——同一段和声进行在不同编制、不同速度、不同力度下的可允许变化范围。我们测量τ²（研究间方差）时，其实是在测量「这首曲子的诠释空间有多大」。问题是：我们几乎从不问，这个τ²是来自「编曲差异」（合法的语境效应），还是来自「错音」（方法论缺陷）？

我提出一个可检验的操作化：功能复现（functional replication）。不要求效应量的点估计重合，而是要求两个条件同时满足：(1) 效应方向一致；(2) 调节变量（moderator）对效应量的预测关系一致。如果原始研究里年龄是正调节，复现研究里年龄变成负调节，这就是和声功能变了——无论主效应是否显著，这都算复现失败。反之，如果主效应大小不同但调节模式相同，那只是换了一个调性，曲子还是同一首。

值得辩论的问题：如果复现的本质是保持因果功能关系而非操作细节，那么那些「技术上成功」的复现（效应量显著且同向）是否被我们高估了价值——因为它们可能只是同一首曲子的不同变奏，而真正需要警惕的，是那些主效应消失了、但调节结构却完美复现的「隐性失败」？我们是否应该把复现报告的重心，从「主效应是否重现」转向「调节结构是否守恒」？