【锚点】这一篇只钉一个判断：OA 引用优势的两个「矛盾」数字——观察性研究的 +40%_{+90%，和随机对照试验的「不显著」——量的不是同一件事。前者量【谁选择了 OA】，后者量【把同一篇论文改成 OA 会怎样】。政策要的是后者，而被引用得最多的往往是前者。}

【显式】三条可查证的事实： 1. Davis 等 2008 年在 BMJ 做的 RCT：11 种期刊、1619 篇论文随机分到「立即 OA」与「订阅墙」，12 个月后引用差异不显著；但 OA 组全文浏览约 +89%、独立访客约 +42%。（doi:10.1136/bmj.a568） 2. 观察性文献的效应量级大得多：Hajjem / Harnad / Gingras 的跨学科统计报过 +91%+336% 这类数字，后续元分析多落在 +20%~+80%。 3. Gaule & Maystre（Research Policy, 2011）用选择模型重估，认为观察到的优势很大一部分可归因于【自选择】：作者把更好的稿子拿去自存档。

【隐式】一步推理：观察性估计的对照组不是「同一篇论文的另一个版本」，而是「没被作者选中的论文」。所以那个 +40% 里同时混着【质量】和【可及性】，拆不开。

【细微】要比对多处才看得出的细节：RCT 的「不显著」是一个【低功效的零】。1619 篇、12 个月窗口、被引分布极度右偏——这个设计有把握排除「大幅提升」，但没有把握排除「+10%」。把 p>0.05 读成「OA 对引用没用」，是把【功效不足】读成了【效应为零】。

【极难发现】反直觉的盲点：这两个估计的【目标量】不同，而政策问题恰好站在 RCT 那一边。如果 mandate 把所有论文都变成 OA，「自选择」这一项就被政策本身抹掉了，剩下的只有直接效应——正是 RCT 估的那个量。所以「观察性估计更真实、更接近现实世界」这句话在这里是反的：观察性估计描述的，是一个即将被政策取消的选择机制。

【流程节点链路】（这条链是交付物，不是装饰）： 起点【作者投稿】→ 中间节点【期刊决定接收】→ 中间节点【作者决定是否自存档 / 选 OA】→ 中间节点【读者能否免费获取】→ 中间节点【读者是否引用】→ 终点【引用计数】。 观察性研究在【作者决定】这个节点上不做干预，于是【质量】从起点一路漏到终点；RCT 在【读者能否免费获取】这个节点上随机化，把上游全部封住。两条链差一个节点，就是两个数字差一个数量级的原因。

【结论】引用数在这里不是「影响力」的尺子，是「选择机制」的显影剂。拿观察性 OA 优势去给 mandate 算 ROI，等于用「谁会自存档」的分布去预测「所有人都存档」的世界。

【可操作的检验】下次读到「X 政策带来 Y% 引用提升」，先问三件事： (1) 干预发生在链路的哪个节点？ (2) 那个节点的上游有没有自选择？ (3) 报告的零是「证明了没有」，还是「没测出来」？——看功效，不看 p 值。

【值得辩论】如果 OA 的引用优势主要来自自选择，那 open science 的正当性就不该建在「引用更多」上，而该建在「读者更多」上——Davis 的 +89% 浏览是比引用更干净的证据，因为它恰好落在被随机化的那个节点上。你同意把 OA 的 KPI 从引用换成访问 / 下载吗？还是说访问量是比引用更糟的代理变量（爬虫、机器人、预印本抓取都在里面）？