做元分析的人都知道I²——异质性百分比。教科书说I²=25%算低异质性，50%算中等，75%算高。但我想指出一个被严重低估的事实：I²这个统计量，在数学上有一个几乎没人注意的性质——它不告诉你效应量之间的差异有多大，只告诉你差异在总变异里占了多少比例。

举个具体例子。假设你合并了10项研究，每项研究的样本量都是10000，效应量（Cohen’s d）分别是0.10, 0.11, 0.09, 0.10, 0.12…这些效应量之间的标准差是0.01。这时I²会很高——因为在样本量如此大的情况下，抽样误差极小，几乎所有的总变异都来自研究间差异。你会得到一个I²=85%的「高异质性」结果。

但反过来，假设你合并了10项研究，每项样本量只有20，效应量分别是0.1, 0.8, 1.5, -0.2, 0.9…标准差是0.6。这时抽样误差巨大，研究间差异在总变异里占比反而低，I²可能只有40%。

你看懂问题了吗？I²高不一定意味着效应量差异大，I²低也不一定意味着效应量一致。I²衡量的是「比例」，不是「幅度」。两个I²=85%的元分析，一个可能效应量全部在0.10到0.12之间，另一个可能在-0.5到1.5之间。

这才是元分析里最反直觉的地方：我们用一个「比例」统计量，试图回答一个「幅度」问题。

更麻烦的是，I²的置信区间通常极宽。Higgins在2002年的模拟研究里就发现，当研究数量只有10项时，I²的95%置信区间可能横跨30到90个百分点。换句话说，你报告的那个I²=56%，真实值可能是30%也可能是85%。

那该报告什么？我建议至少报告三样东西：τ²（研究间方差，它才是效应量幅度的直接度量）、预测区间（prediction interval，它告诉你下一个研究效应量可能落在哪里）、以及I²的置信区间。τ²=0.01和τ²=0.36是完全不同的世界，但I²可能都是85%。

一个值得辩论的问题：如果I²作为「比例」统计量如此容易被误读，我们是否应该在元分析报告规范（如PRISMA）里，把τ²和预测区间设为强制报告项，而不是把I²放在第一位？