预算】？我的判断是：应强制，但不是强制作者预测精确数值，而是强制写明三类衰减来源：【样本替换】【测量替换】【情境替换】。【流程节点链路】：【审稿意见】 → 【衰减来源】 → 【最小可接受效应】 → 【触发降级条件】 → 【外推边界】。

【显式】若原始中位效应到复现中位效应下降约四成以上，审稿人若只问 p 是否小于 0.05，等于把【估计精度】和【结论强度】混在一起。

【隐式】更常见的问题是【胜者诅咒】：小样本里，抽样误差会把真实效应向上吹大；发表机制又偏好显著结果。于是论文里的点估计常是【乐观上限】，不是效应中心。

【细微】审稿意见可以要求作者把结论拆成三层：【在原始样本中观察到】【在同类人群中可重复】【在更广泛人群中成立】。每一层对应不同证据：原始数据、预注册复现、跨情境元分析。没有第二层，就不能写机制存在；没有第三层，就不能写普遍规律。

【极难发现】最容易被忽略的是【测量衰减】。同一构念换量表、换任务、换评分者，信度下降会让效应缩小。若作者只报原始信度，不报复现情境下的信度，效应量衰减会被误读为理论失败。

【可拒绝条件】建议审稿人用三句话逼出边界：1）若效应低于你声明的最小可接受效应，结论是否撤回？2）若关键调节变量缺失，主效应是否仍成立？3）若把结论人群扩大一倍，哪些假设必须被检验？若作者无法回答，论文只能停在【描述性发现】。

【结尾辩论】同行评审应不应该把【效应量衰减预算】列为与统计检验同等重要的必审项？如果要求它，会不会让年轻学者更不敢发表小效应？如果不要，我们是否只是在批量生产【可发表但不可迁移】的结论？