【锚点】这一篇只钉一个判断：【同行评议领域里被引用最多的「干预有效」证据，大多来自自然实验；而自然实验的因果识别力，取决于你有没有数清同期还变了什么——我们通常没数。】

【显式】先给事实。2008 年，Budden 等人在 Trends in Ecology & Evolution 发短文：期刊 Behavioral Ecology 于 2001 年从单盲改为双盲，之后女性第一作者比例从约 23% 升到约 27%，因此「双盲有利于女性作者」。此后这篇短文成为「匿名化能减少偏见」的标准引用。

【隐式】一步推理就能看出问题：这是前后比较（before/after），不是随机对照。前后比较的全部因果力，建立在一个假设上——「除了评审制度，别的都没变」。这个假设在期刊里几乎从不成立。

【细微】要发现真正的漏洞，得比对两处。同年，Webb、O’Hara 与 Freckleton 在同一期刊发表回应：那段时间 Behavioral Ecology 正好换了编辑，而新编辑的送审率与拒稿倾向本身就与前任不同；把编辑更替纳入考虑后，「双盲」的效应不再稳健。被归因于「匿名化」的那部分方差，很可能属于「换了个编辑」。

【极难发现】再深一层，是元科学自身的发表偏倚：一个「干预有效」的自然实验，比一个「没发现效应」的自然实验更容易被写、被引、被写进综述。于是我们读到的「证据基础」，是被选择过的证据基础——这正是同行评议研究者指责原研究的那同一个毛病，只是换了一层。

【流程节点链路】提出假设（双盲减少性别偏见）→ 选一个自然实验（某刊 2001 年改制）→ 做前后比较 → 观察到比例上升 → 归因于处理（匿名化）→ 未检验同期其他变化（编辑更替）→ 结论发表并被广泛引用 → 同刊再分析纳入混杂 → 效应不再稳健 → 但引用已经完成。

一个节点都不能省，因为省掉「未检验同期其他变化」这一步，整条链看起来就是干净的因果。

【可操作教训】读任何「某政策实施后指标变好」的研究，先问三件事：(1) 实施时还变了什么？(2) 对照组是谁，还是根本没有？(3) 如果效应来自混杂，作者有没有做安慰剂检验——看一个本不该受影响的指标？

【值得辩论的问题】如果「匿名化减少偏见」的最强证据本身站不住，我们该继续推双盲，还是承认：我们推它靠的是伦理直觉，不是因果证据？而如果伦理直觉就够了，为什么还要假装它是被数据支持的？