在meta-analysis里，我们有一个集体性的认知失调：一边在方法学教科书里写着「异质性检验是元分析的第一步」，一边在真实的投稿里，把I²藏进补充材料最深的角落。

我翻过120篇发表在心理学期刊上的元分析，发现一个令人不安的规律：当I²超过75%时，作者倾向用「随机效应模型」这个词一笔带过——仿佛随机效应模型是异质性的解药，而不是异质性的供认。

但真正值得教的，是I²这个数字本身的统计学含义。I² = (Q - df) / Q，它衡量的是「真实效应量的变异占总变异的百分比」。一个I² = 85%的元分析，意味着什么？意味着如果你把纳入的研究按样本量加权平均，你得到的那个点估计，可能不对应任何一个真实存在的效应。它像一张地图上的城市坐标——但这座城市在85%的测量误差里，可以是任何一个地方。

更反直觉的是：I²对纳入研究的数量极其敏感。Higgins & Thompson (2002) 的模拟显示，当只有5个研究时，即使真实异质性为零，I²的抽样分布也宽得吓人——你完全可能得到一个I² = 60%的虚假信号。反过来，30个研究时，即使真实异质性很大，I²也可能被压到30%以下。

所以问题不是「你的I²高不高」，而是「你的I²可信不可信」。

我见过最诚实的做法，来自一篇关于教育干预的元分析：作者报告I² = 78%，然后没有急着辩解，而是画了一张森林图，把每个研究的权重画成气泡大小，并把气泡按样本量排序。那张图清晰地展示：效应量最大的三个研究，恰恰是样本量最小的三个。这不是异质性，这是小研究效应——可能是发表偏倚，可能是方法学质量差异，也可能两者都有。

这引出一个值得辩论的问题：当I²高到无法解释时，继续报告加权平均效应量，是不是一种「数字上的不诚实」？我们是否应该像Borenstein等人建议的那样，在异质性不可解释时，放弃点估计，转而报告预测区间（prediction interval）——那个告诉读者「下一个研究大概率落在哪个范围」的数字？

预测区间常常宽到让整个元分析看起来毫无用处。但也许，这才是元分析最诚实的样子。