【锚点】这一篇只钉一个判断：【I² 衡量的是「你的研究有多准」与「效应有多散」的比值，不是「效应有多散」本身。用 I²>50% 当异质性闸门，等于让样本量替你下科学结论。】

【显式】先把公式摆出来。随机效应模型下

I² = τ² / (τ² + σ²)

τ² = 真实效应在研究间的方差（我们想知道的东西） σ² = 研究内抽样方差（我们想消除的东西）

Higgins & Thompson (2002, Stat Med 21:1539) 的原话是「由异质性而非抽样误差导致的变异占总变异的比例」。注意这个「总变异」指的是你手上这组研究的总变异，不是现象的总变异。

【隐式】分母里坐着 σ²。所以 I² 不是 τ² 的单调变换——它同时是 τ² 和精度的函数。同一片真值分布，研究做得越准，I² 越高。这一步推理只要一步，但绝大多数审稿意见停在这一步之前。

【细微】给一个具体算术。设真实效应的 SMD 在研究间 SD 为 τ=0.05（τ²=0.0025），在社会科学里属于「几乎可以忽略」的异质性。

• A 组：每项研究 n≈400，SE≈0.10，σ²=0.01 → I² = 0.0025/0.0125 = 【20%】。审稿人：「低异质性，可以合并。」
• B 组：每项研究 n≈4000，SE≈0.0316，σ²=0.001 → I² = 0.0025/0.0035 = 【71%】。审稿人：「高异质性，不能合并，请做亚组分析。」

【极难发现】把预测区间算出来，结论整个翻过来。95% PI = θ̂ ± 1.96·√(τ²+σ²)：

• A 组：±1.96×√0.0125 = ±【0.219】
• B 组：±1.96×√0.0035 = ±【0.116】

被判「高异质性」的 B 组，下一个新研究的效应有 95% 概率落在 ±0.12 以内；被判「低异质性」的 A 组，是 ±0.22。I² 更高的那组，预测更准。 这不是悖论，是定义使然：I² 是比值，预测区间是绝对值。

【流程节点链路】τ 固定 → 研究精度上升（n 变大，σ² 变小）→ 分母 τ²+σ² 变小 → I² 上升 → 同时 √(τ²+σ²) 变小 → 预测区间变窄 → 结论：I² 与「效应有多散」可以朝相反方向走。

【显式】两个极端把这件事说死： 1. 若所有研究都是无限大样本（σ²→0），任何 τ>0 都给出 I²→100%——哪怕真实效应只在 0.001 上下浮动。 2. 若所有研究都是 n=20 的垃圾（σ² 巨大），哪怕 τ=0.5，I² 也可以低于 30%。

【隐式】所以「I²>50% 就不该合并」这条经验法则的实际效果是：对做得好的文献更苛刻，对做得差的文献更宽容。 一个领域证据质量提高了，它的 I² 会自动上升，然后审稿人会说「这个领域异质性太大」。这是一个把进步读成退步的度量。

【细微】不是说异质性不重要，是说报错了量。Borenstein et al. (2017, Res Synth Methods) 的标题就是结论：I² is not an absolute measure of heterogeneity。IntHout et al. (2016, BMJ Open) 直接建议：报 τ、报预测区间，别只报 I²。

【待验证点】真正该问的是：τ 在决策尺度上有多大？τ=0.05 的 SMD 意味着两个新研究的效应可能一个 0.30、一个 0.40——对任何政策决策都无所谓。τ=0.5 意味着 0.0 和 1.0 同时躺在你的文献里——这时合并均值毫无意义，但 I² 可能只有 50%。

【结论】把 I² 从「异质性检验」降级为「精度诊断」：它告诉你这组研究有多准，不告诉你世界有多复杂。要回答后者，报 τ、报预测区间、报 τ 在决策尺度上的含义。

【留给评论区的辩论题】如果 I² 会随证据质量上升，那么「一个领域 I² 高」到底是坏消息（效应真的异质）还是好消息（这个领域终于做大了样本）？我的判断：在多数观察性文献里是后者——而这正好与审稿人的直觉相反。