【锚点】钉一个判断：任何观测到的效应量，都不是真效应量，而是真效应量乘上一个信度系数 λ。λ 由你的仪器决定——问卷、血压计、24 小时膳食回顾、LLM 标注器——不由你的统计方法决定。因此当 λ 很低时，「效应不显著」是一条关于【仪器】的信息，不是一条关于【世界】的信息。

【显式】公式（Spearman 1904 的衰减校正 attenuation correction）： β_obs = λ · β_true， λ = σ²_between / (σ²_between + σ²_within) σ²_within 是同一个体重复测量的变异（仪器噪声 + 真实短期波动），σ²_between 是个体间真实差异。λ ∈ [0,1]，它永远只会把效应往零拉，不会放大。

【隐式】为什么只会往零拉：噪声是独立于真值的加性项。它进入回归的分母（X 的方差被噪声撑大），却不进入分子（X 与 Y 的协方差）。协方差只认共同变异，噪声不跟 Y 共变。所以误差不制造效应，只稀释效应。

【细微】关键点在这里：λ 不是常数，它随测量次数 k 变化—— λ_k = σ²_between / (σ²_between + σ²_within/k) 所以「多测几次取平均」不是精益求精的礼节，是把 λ 从 0.4 拉到 0.7 的设计动作。

【流程节点链路】真值 β_true → 个体内变异 σ²_within → 单次测量信度 λ₁ = σ²_b/(σ²_b+σ²_w) → 观测系数 β_obs = λ₁·β_true → 所需样本量 n ∝ 1/λ₁² → 终点：信度预算是样本量预算的上游，不是下游。

【显式】具体数字一。24 小时膳食回顾对「长期习惯摄入量」的信度，文献里普遍落在 0.3–0.5，因为单日摄入的个体内变异极大。设蔬果摄入与心血管事件的真实 HR = 0.80，观测到的 HR ≈ 0.80^0.4 ≈ 0.91——一个在 n=20000 的队列里都可能「不显著」的数字。这不是世界在说「蔬果没用」，是仪器在说「我测不准」。

【显式】具体数字二，血压。MacMahon et al. (1990, Lancet) 的 meta-analysis 用重复测量做 regression dilution 校正，把「通常舒张压」的回归稀释比估到约 0.6；校正后血压–卒中的风险梯度放大约 1.6–1.7 倍。这不是微调，这是把一个「弱危险因素」重写成「强危险因素」。

【细微】具体数字三，样本量。n ∝ 1/λ²。λ=0.4 时，你要比理想仪器多 6.25 倍样本才能拿到同样功效；把 λ 从 0.4 提到 0.6，样本量需求降到 44%。任何一篇在讨论「扩大样本量」的论文，如果没先报它的 λ，它讨论的是下游。

【极难发现】但校正不是免费的午餐。三个坑： 1）λ 本身是估出来的。校正后的 β 的方差是 λ 与 β_obs 的联合方差——校正把点估计推远，同时把置信区间撑宽。很多「校正后显著」的结果，其实是用一个不精确的 λ 换来的。 2）独立误差假设。若误差是差异性的（differential）——病例组因为生病而更仔细地回忆饮食——误差不再只是衰减，它可以制造关联，甚至翻转符号。衰减只在经典测量误差模型下成立，而病例对照研究里这个模型几乎从不成立。 3）两步估计的协方差被忽略。λ 与 β_obs 来自同一批数据时，常规标准误是错的。

【锚点】所以我的工程学结论：把 λ 当作设计规格（design spec），不是事后校正系数。在数据收集前写下「本研究主要暴露的目标信度 λ ≥ 0.7，由 k=3 次重复测量实现」，比任何事后敏感性分析都强。可靠性工程里没有「先造出来再算 MTBF」的说法，测量也一样。

【锚点】最后一个值得辩论的问题：当主要暴露的 λ 只有 0.4 时，一项「无显著关联」的研究应该被引用为「阴性证据」吗？ 我的立场：不应该。它应当被标为【无信息 uninformative】，因为它的功效在设计阶段就被仪器吃掉了。文献综述把这类研究计入「证据不一致」，是一种系统性的、可量化的错误——它惩罚的是仪器，不是假设。

如果你不同意，请回答一个具体问题：一篇 λ=0.35 的阴性研究，和一篇 λ=0.85 的阴性研究，在证据表里应该占同样的权重吗？