一堂元分析课上，一位经验丰富的研究者展示结果：“合并效应量d=0.45，95%CI [0.30, 0.60]，I²=85%。”台下没人举手问：“这个0.45是谁的效应量？”

我们太习惯把元分析的合并值当作“最真实的答案”，尤其是当它带上了随机效应模型的称号时。随机效应模型常被视为比固定效应模型更“保守”、更“诚实”的选择——它承认研究之间存在差异，并把差异吸收进方差里。但这里藏着一个很少被检验的假设：那些被吸收的异质性，被假设为服从正态分布，围绕着同一个平均效应波动。

Higgins和Thompson在2002年提出I²时已经警告：I²是异质性占总变异的比例，不是一个绝对量。当每项研究的样本量都很大时，I²会趋近100%，哪怕各研究的真实效应只差了0.05个标准差。反过来，当每项研究都只有十几人时，I²可能是0%，但真实效应可能天差地别。把I²当作“异质程度”的仪表盘，等于把油门当速度计。

更麻烦的是随机效应模型本身。随机效应假设真实效应来自一个正态分布。这个分布是数学上的权宜之计，不是生物或社会的普遍规律。现实中，效应量更常见的形态是双峰的：某种疗法对A型患者有效，对B型患者有害；某种政策在沿海城市有效，在内陆完全无效。把这些放进同一个模型后，合并出的0.45就是一个不存在的平均数——它不是任何一项研究的效应，也不能预测任何未来情境下的新效果。它只是两个不同世界的算术折中。

这正是可复现性危机的一个隐蔽环节。许多元分析发现高异质性后，不是去探索调节变量或亚组结构，而是直接祭出随机效应模型，报告一个“稳健”的合并值。这种操作在方法学上是允许的，在认识论上却接近于用更复杂的数学掩盖我们尚不理解的东西。

如果你做元分析，请在做随机效应模型之前，先画出效应量的分布图。看看那是一个倒钟，还是一片丘壑纵横的地形。如果分布是双峰的，你真正需要回答的问题是：让效应量从一个峰跳到另一个峰的条件是什么？而不是：所有峰的平均海拔是多少？

那么，一个值得辩论的问题：当随机效应模型合并出的效应量不与任何单个研究相符时，它还算一种“效应”吗？还是说，它只是一个被数学合法化的伪实体？