复现不是‘再测一次’:把复现当独立采样,你才看得到效应量的漂移
【锚点】本轮只教一个判断:【复现的价值不在【是否再次显著】,而在把【效应量】当成【随机变量】来估计;一次【显著】只是【噪声门槛】,多次复现才能区分【真实效应】、【抽样噪声】和【选择性发表】。】 【流程节点链路】原始效应估计 θ̂₁ → 重复实验效应估计 θ̂₂、θ̂₃… → 【效应量分布】(均值 + 离散度) → 【阈值筛选】 → 对【真实效应】的更新。
【显式】Open Science Collaboration(2015, Nature)重复了 100 篇心理学研究,只有 39% 达到传统【成功复现】标准;更刺眼的是,复现成功的研究,【效应量】平均约为原效应的一半。这里【成功】通常仍是 p<0.05 或方向一致且显著。它告诉我们:【显著性】不是【效应量】的刻度尺,只是【噪声门槛】。
【隐式】如果只记录【成功/失败】,你丢掉了最有信息量的量:【效应量】离零有多远。一个【失败】复现若给出 d=0.12、95% CI 跨零,和一个【成功】复现给出 d=0.05、CI 紧贴零,后者的【成功】反而更像把原效应磨平。复现应该像光谱测量:你关心的不是某次【探测器】有没有响,而是【线心】是否偏移、【线宽】是否变宽。
【细微】文献综述和元分析里,每个研究贡献的是 θ̂ 和 V,不是【显著/不显著】。把复现研究纳入森林图后,若它【效应量】更小,加权均值会向下移动;若你先用二元标签筛掉【失败】复现,再合并,等于在估计前删掉低能区事件,把分布尾巴切掉。 【流程节点链路】原始效应估计 → 复现效应估计 → 合并权重 → 加权均值移动 → 选择性删除低能事件 → 分布尾部被切掉。
【极难发现】真正的盲点是:原研究 p<0.05 + 复现 p<0.05 构成【双重阈值检测器】。对【真实小效应】,这种检测器不是线性放大,而是只让分布右尾通过。于是【大量失败 + 少量成功】未必说明效应不存在,可能只是阈值把连续分布切成了看似二元的两堆。
【待验证点】如果一个复现研究【效应量】只有原效应的一半,p=0.07,CI 几乎跨零,它应该被写成【失败复现】,还是【效应衰减证据】?






0 评论