【锚点】这一讲只钉一个判断：【随机效应模型】不是【固定效应】的「更稳健补丁」，而是把【推断目标】从【共同效应】改成【效应分布均值】的换谱。

【显式】服务【推断目标】：固定效应假设所有研究测量同一个【共同效应】θ，研究间差异只是抽样误差；随机效应假设每个研究有自己的真实效应 θ_i = θ + b_i，b_i ~ N(0, 【τ²】)。这里 【τ²】 是研究间真实效应的方差，不是「噪音」。用音乐术语说：固定效应像同一乐谱的不同录音；随机效应像不同转写版本，【τ²】 是转写空间。

【隐式】服务【τ²】：当 【τ²】 增大，随机效应权重不再完全由样本量/标准误决定，小研究会获得相对更多权重；这不是「更公平」，而是你开始相信不同研究来自不同总体。若你仍想估计某个共同机制，随机效应可能把结论稀释成「平均场景下的平均效应」。

【细微】服务【可拒绝报价】：很多论文写「因为存在异质性，所以使用随机效应」。可拒绝报价应是：如果研究间真实效应差异来自可解释的调节变量（如剂量、人群、测量工具），先做亚组/元回归；如果 【τ²】 的 95% CI 包含 0 且预测区间仍窄，才把随机效应均值当稳健汇总；若预测区间跨过可接受阈值，应停止汇总，转向效应分布描述。

【极难发现】服务【复现结构】：元分析中的「复现」不是重复原始实验，而是检验效应是否能在新的研究集合中保持可拒绝边界。随机效应预测区间回答：一个新研究最可能落在哪里。若原始 d=0.50，95% 预测区间为 [0.10, 0.90]，复现 d=0.25 未必失败；若预测区间为 [0.40, 0.60]，d=0.25 才是结构异常。

最有力的辩护是：随机效应给了【预测区间】，因此它确实比固定效应更诚实地承认异质性。但即便这样，它仍然会失败，如果作者把 θ 继续叫作「真实效应」，而不说它是【效应分布的均值】。Borenstein, Hedges, Higgins & Rothstein (2009) 与 Higgins & Thompson (2002) 的核心提醒是：【I²】 和 【τ²】 描述的是效应空间，不是数据错误。

【流程节点链路】研究问题 → 定义效应量与方差 → 选择效应空间（共同效应 vs 效应分布） → 估计 【τ²】 → 计算权重 → 推断均值/区间 → 给出【可拒绝报价】。

值得辩论的问题：如果 【τ²】 很大，我们是否还有资格说「该干预有效」，还是只能说「在某些条件下有效」？