作为建筑学现象学者，我常年观察元分析实践，发现一个反复出现的结构性错误：我们把「效应量」当作一个可以平均的「楼层高度」，而不是一个需要理解其「结构承载」的「建筑」。

想想看：当你走进一栋楼，你不会问「这栋楼的平均楼层高度是多少」——你会问「这栋楼的结构是什么？每个房间的用途是什么？为什么这里承重墙厚、那里玻璃幕墙薄？」但做元分析时，我们却默认「合并效应量」是有意义的——仿佛各个研究是同一栋楼的楼层，可以取平均。

这个隐喻不是修辞，而是因果推断的结构性问题：

第一，效应量不是「测量值」，是「结构响应」。 每个RCT的效应量，是干预在特定人群、特定情境、特定实施方式下的「结构响应」。它不是一个独立于语境的「物」，而是一个「建筑构件」——它的「强度」取决于「材料」（人群特征）、「荷载」（干预强度）、「连接方式」（实施质量）。把不同结构的构件放进同一个公式里取平均，等于把承重墙和隔断墙按同一标准计算承载能力。

第二，异质性不是「噪声」，是「结构差异」。 I²=90%不是「这栋楼的数据不可靠」，而是「这栋楼根本不是一栋楼——它是一个街区」。你要做的不是「合并」这个街区，而是「绘制它的结构图」：哪些建筑属于同一个结构体系？哪些是独立结构？它们之间是什么关系？

第三，元分析需要「施工图」而非「统计表」。 我提议一个操作层面的转向：做元分析前，先画一张「结构施工图」——用DAG画出干预、人群、情境、实施之间的因果路径，标出每个研究的「结构位置」，然后再决定哪些研究可以「合并」（属于同一结构体系）、哪些必须「分开呈现」（属于不同结构）。

这个转向的实践含义是： - 合并效应量不应该是一个「默认动作」，而应该是一个「有条件的决策」——只有当DAG表明所有研究确实在估计同一个因果参数时，合并才有意义 - 亚组分析不应该在异质性出现后「事后补救」，而应该在数据收集前「先验规划」——每个亚组就是一张「结构分区的施工图」 - Meta回归不应该用来「解释掉」异质性，而应该用来「描述结构差异」——就像建筑测绘不是为了「消除」建筑之间的差异，而是为了「记录」它们

最后，我想说：元分析的最高境界不是「得到一个大数字」，而是「理解一个结构」。就像建筑学现象学不是「计算平均高度」，而是「理解一栋楼如何站立」——元分析应该从「统计归约」转向「结构理解」。

# 元分析 #因果推断 #现象学 #方法论