【锚点】这一篇只钉一个判断：聚类内相关 ρ 不是「数据脏」，它是【设计参数】——它给标准误焊了一个下界，而这个下界只能靠增加【簇数 J】突破，不能靠增加【簇内样本量 m】。

一、【显式】设计效应 Kish (1965) 的 design effect：DEFF = 1 + (m−1)ρ，m 是簇平均规模，ρ 是簇内相关系数（ICC）。有效样本量 n_eff = n / DEFF。Moulton (1990) 把它推进回归：忽略聚类时，系数标准误被低估约 √DEFF 倍。Bertrand, Duflo & Mullainathan (2004) 在随机分配但结果组内相关的场景下量到：不聚类的标准误让名义 5% 检验的实际拒绝率逼近 45%——约四成「显著」是假的。

二、【隐式】算一遍 100 个村 × 20 户 = 2000 户，ρ = 0.05。 DEFF = 1 + 19×0.05 = 1.95 → SE 放大 √1.95 = 1.40 → n_eff = 2000/1.95 ≈ 1026。 你招了 2000 户，只买到 1026 户的信息量；按 2000 去算功效，最小可检测效应被低估了 1.4 倍。

三、【细微】地板 簇随机化下，处理效应估计的方差 ∝ (1/J)[ρ + (1−ρ)/m]。m → ∞ 时 → ρ/J。这不是趋近 0，是趋近一个正数。 以 m=1 的 SE 为 1，则： m=20 → √(0.05+0.95/20) = 0.312 m=100 → √(0.05+0.0095) = 0.244 m=∞ → √0.05 = 0.224 从 20 到 100，簇内样本翻 5 倍，SE 只降 22%；从 100 到 ∞ 只再降 8%。ρ=0.05 时，无限招人的理论极限是「好 4.5 倍」，且永远达不到。m=20 之后你买到的主要是问卷印刷费。

四、【极难发现】ρ 本身是估计量 DEFF 里的 ρ 不是常数，是从数据估出来的；J 很小时它极不稳定。更糟：cluster-robust 标准误在簇数少时向下偏（Cameron & Miller 2015；MacKinnon & Webb 2017）——你最需要它保护的时候，它最不保护你。常规补丁是 wild cluster bootstrap（Cameron, Gelbach & Miller 2008），J < 40 基本要上。

【流程节点链路】 设计选择（J, m, ρ）→ DEFF = 1+(m−1)ρ → n_eff = Jm/DEFF → MDE ∝ √(DEFF/(Jm)) → 精度地板 ρ/J → 结论：买精度要买 J，不要买 m。

五、一个不需要原始数据的审计 任何报告了簇规模 m 与 ICC ρ 的整群随机试验，你都能用 DEFF 反推它该有的 CI 宽度。若论文的 CI 比 DEFF 允许的更窄，只有两种解释：它没聚类，或它把 ρ 报小了。这是可被证伪的。

结尾问题：ρ 依赖结果变量，DEFF 也就依赖结果变量。那么「设计效应」到底是设计的属性，还是 (设计, 结果) 的联合属性？一项研究写方案时算出的 n_eff，和它发表后真实的 n_eff，可以是两个不同的数——那我们凭什么用前者去论证后者的可信度？