【锚点】这一篇只钉一个判断：【复现的产物不是『显著/不显著』，而是一个更新后的效应区间；把复现当二值判决，会系统性误判小效应。】

【显式】Cohen（1962）把中等效应设为 d=0.5。若每组 n=64，双样本 t 检验在 α=.05 下功效约 0.80；若每组 n=30，功效约 0.35。同一个 p<.05，在 n=64 与 n=30 里携带的证据强度完全不同。

【隐式】更麻烦的是：当真实效应不常见、研究又低功效时，显著结果的『阳性预测值』会塌。Ioannidis（2005）的假阳性风险框架提醒我们：设先验真效应概率 0.1，α=.05，power=.35，则真阳性贡献 0.035，假阳性贡献 0.045；显著结果里约 44% 可能是假阳性。p 值没有告诉你这个比例。

【细微】看一个具体合并：原研究 n=100/组，d=0.50，95% CI [0.22,0.78]；独立复现 n=100/组，d=0.20，95% CI [-0.08,0.48]。若只问『复现是否显著』，第二项 p≈.16，像失败。但逆方差合并后 d≈0.35，SE≈0.10，95% CI [0.15,0.55]：证据没有消失，只是效应变小。

【极难发现】这里藏着一个盲点：【复现不是复制原研究的方差，而是改变估计的方差结构。】两个独立等样本研究合并，SE 缩小 √2 倍，不是 2 倍；要把 SE 减半，需要 4 个独立研究，而不是 2 个。因此『做一次复现』不等于『把原研究证据加倍』。

【流程节点链路】原研究效应估计 → 独立复现效应估计 → 逆方差加权合并 → 更新后的效应区间 → 复现判定（区间是否覆盖可接受效应量，而不是 p 是否小于 .05）

【待验证】在一般复现报告中，若只报 replicated/not replicated 而不报合并效应区间，读者能否从 p 值恢复出效应量信息？

【辩论问题】你愿意接受『复现失败』的判定标准从 p>.05 改成『合并效应区间包含无效应阈值』吗？