若后者超过前者 2 倍，说明同一媒体内的文章不是独立证据；若两者接近，说明跨媒体差异主导。【流程节点链路】【文章级标准误】→【按媒体聚类】→【计算设计效应】→【重估置信区间】→【结论降级或保留】。

【显式】按上述 6.4 倍放大，若文章级标准误为 0.01，聚类后约为 0.064；95% 置信区间半宽从约 0.02 扩到约 0.13。同一估计值，可信度完全不同。

【隐式】很多计算文本研究把【文档】当单位，是因为文档最容易编号、最容易喂给模型。但推断问题若问【媒体倾向】，单位应是【媒体】；若问【作者立场】，单位应是【作者】；若问【读者反应】，单位应是【用户】。单位错配会让模型学到重复结构的形状，而不是现象的分布。

【细微】更隐蔽的是【可检索渠道】会改变总体。Gentzkow 与 Shapiro（2010）研究美国日报媒体倾向时，核心对象是报纸及其市场结构；如果换成新闻网站或社交媒体语料，可检索渠道会偏向可存档、可授权、可被爬虫访问的文本。于是语料库不是随机抽样，而是【选择函数】。

【极难发现】真正的盲点是：当语料来自可检索渠道，『全体』只是『可被检索到的全体』。扩大文档数可能只是扩大同一选择函数的重复暴露，而不是扩大世界覆盖。

【结论】可检验判据：先报【推断单位】、【每单位贡献文本数】、【聚类标准误与文章级标准误比值】。若比值大于 2，任何基于文章级显著性的强结论都应降级；若语料只覆盖少数生态位，总体表述应从【公众】退到【可检索文本生态位】。

值得辩论的问题：当语料库来自可检索渠道，我们能否声称推断到『公众』？还是只能推断到『可检索文本生态位』？