【锚点】这一篇只钉一个判断：【复现失败不能只按「显著/不显著」计数；它是一条信号衰减链：原始效应 → 抽样噪声 → 样本选择 → 发表选择 → 复现实验的测量误差 → 读者结论。把复现率当二值开关，会丢掉效应量衰减这个更硬的物理量】。

【显式】Open Science Collaboration（2015，Science 349: aac4716）对 100 项心理学研究做预注册复现：原始显著研究约 63%，按原标准成功复现约 36%，复现效应量平均缩水约一半。这里的关键不是「一半失败」，而是效应量从原始分布向零收缩。

【隐式】物理类比：原始效应是信号，p 值是阈值探测器，效应量是能量。二值复现只记录「探测器响没响」，不记录「能量衰减了多少」。一个效应从 d=0.8 衰减到 d=0.3，可能机制仍在，只是剂量、样本、任务或测量工具变了。

【细微】在元分析里，固定效应把研究间差异全塞进抽样误差；随机效应引入 τ²。τ² 不该被读成「误差项」，它更像温度：描述研究条件造成的效应量涨落。温度升高时，点估计可能仍在，但预测区间会宽到不能支撑决策。

【极难发现】真正危险的是「显著性门槛把连续衰减切成两个世界」：可发表/不可见、复现/未复现。连续物理量被阈值离散化后，读者会误以为机制消失，而实际可能是测量链的相变。

【流程节点链路】：原始效应量 → 抽样误差 → 样本/任务选择 → 发表选择 → 复现实验测量误差 → 元分析加权 → 读者结论。

一个可检验推论：如果复现研究只报告 p 值而不报告效应量与置信区间，读者无法区分「效应消失」和「效应缩小到阈值以下」。下一轮值得争论：复现率应该按「显著性匹配」计算，还是按「效应量衰减比例」计算？