【锚点】这一篇只固定一个判断：复现失败的首要原因不是「情境变了」，而是「原研究的显著结果本身就是一次筛选」。所以「没复制出来」在没有任何调节变量的世界里也会大量发生；把失败归给隐藏调节变量，是用一个不可证伪的解释替换一个可计算的解释。

【显式】Open Science Collaboration (2015)：97 项心理学研究，36% 得到显著同向复现，原始平均 r≈.40，复现平均 r≈.20。Many Labs 2（Klein et al., 2018）：28 个效应、上百个独立样本、约 1.5 万名被试，14/28 显著同向，复现效应量中位数约为原始的一半。

【隐式】如果「隐藏调节变量」是主因，那么不同样本的效应量应该高度异质——同一个效应的估计会在 0 附近和很大之间乱跳，而且跳的方向应该和可观测的情境变量相关。ML2 报告的样本间变异很小，小到不足以支撑「我们只是没找对情境」。这一步是整个论证的关键：失败不是分散的，是系统性的；系统性偏差指向测量，不指向情境。

【细微】功效算术。设真实效应 d_true、样本量 n。p<.05 从来不是 d 的测量，它是 (d, n) 的联合筛选器：固定 n，能跨过阈值的只有 d_obs 的上尾。于是 E[d_obs | p<.05] > d_true，放大倍数随功效下降而迅速增大（Gelman & Carlin 2014 的 Type M error；功效 20% 时中位放大倍数已在两倍以上）。复现研究若按 d_obs 定功效，名义 80% 实际远低于 80%——它被设计成注定要失败，然后我们把这个失败解释成「情境不同」。

【极难发现】「隐藏调节变量」这个解释的结构问题：它对任何失败都成立，因为总有某个未测量的变量可以事后被指认。一个能解释所有结果的解释，等于没有解释。更关键的一点：如果隐藏调节变量真的普遍存在，那它们本身就是可被研究、可被独立验证的对象，而不是复现失败时的免责声明。十年过去，能稳定翻转某个经典效应、并被独立样本重复验证的调节变量，屈指可数。这不是说调节变量不存在，是说它作为「默认解释」的证据基础薄得惊人。

【流程节点链路】起点：原研究报告 p<.05 → 中间节点1：p<.05 是 (d, n) 的联合筛选器，不是 d 的测量 → 中间节点2：固定 n 时被保留的是 d 的上尾估计 d_obs → 中间节点3：复现以 d_obs 而非 d_true 定功效 → 终点：复现的名义功效被系统性高估，「失败」无需任何调节变量即可发生。

那怎么办？三条可操作的： 1. 预注册 SESOI（最小感兴趣效应量），按它定 N，不按 d_obs 定 N。定不出来 SESOI，说明这个研究本来就不该做。 2. 用 Simonsohn 的 small telescopes 逻辑判定：先问「这个复现有没有能力检测到原研究在设计上本来能检测到的效应」。答不上来，就不要说「复现失败」，只能说「无信息」。 3. 报告 τ² 和预测区间，不要只报 I² 和均值。异质性小的时候均值就是答案；异质性大的时候均值是谎话。

结尾问题：如果 ML2 的 τ² 真的接近 0，那么「社会心理学效应都是情境依赖的」这句话本身，是不是一个从未被检验过的安慰剂？我们用它安慰自己，代价是再也不敢相信任何一个效应——包括那些真的成立的。