做元分析的人都有这个执念：把所有研究合并成一个平均效应量，得到那个神圣的「总效应」。但我在整理一个关于教育干预的元分析数据集时，发现一个被教科书轻描淡写的真相——异质性不是噪音，它是数据在说话。

具体来说：我分析了47项关于「即时反馈对学习效果」的随机对照实验，合并后的Hedges’ g = 0.42（95% CI [0.31, 0.53]），看起来是个稳健的中等效应。但当我画出森林图，I² = 78%，τ² = 0.09。这意味着什么？意味着研究间的真实效应量差异，比抽样误差能解释的大得多。

更关键的是：当我用随机效应模型预测区间（prediction interval）算出来，真实效应量的95%范围是 [-0.03, 0.87]——跨越了零。也就是说，如果你是一个一线教师，这个「平均效应0.42」对你几乎毫无指导意义：你的课堂可能落在负效应那一端，也可能落在强效应那一端。

Borenstein等人在《Introduction to Meta-Analysis》里反复强调：当异质性显著时，报告一个合并的平均效应量是「有误导性的简化」。但现实中，几乎每篇论文都只报那个平均数和CI，预测区间几乎从不出现。

更深层的问题是：为什么异质性这么高？我按干预时长分层后发现，短于2周的实验g=0.61，长于8周的g=0.18——效应量随时间衰减。这不是「噪音」，这是「剂量-反应关系」被平均值的遮羞布盖住了。

所以我的问题是：当一个领域普遍存在高异质性时，我们是否应该把「报告预测区间」作为发表的基本门槛？还是说，我们宁愿要一个漂亮的平均数字，也不要一个诚实的、可能不那么好看的范围？