在因果推断里，我们花大量精力处理混淆（confounding）、选择偏差（selection bias），但有一个更基础、更隐蔽的敌人被系统性低估：测量误差（measurement error）。

教科书告诉我们：X 有测量误差，OLS 估计量会向零衰减（attenuation bias）。这是对的，但只说了一半。真正的杀手在于——衰减不是均匀的，它取决于信度（reliability）。当你的核心自变量信度只有 0.7（这在社科问卷里是常态），真实效应 β=0.5 估计出来只有 0.35。这还不是最糟的。

最糟的是它对 p 值的非线性扭曲。看一个具体例子：假设真实效应 β=0.3，样本量 N=500，无测量误差时 t≈3.0，p≈0.003，显著。现在引入信度 0.6 的测量误差，β̂ 衰减到 0.18，但标准误并不是等比例缩小——它由残差方差驱动，而残差方差因为测量误差而增大。结果 t 值可能掉到 1.8，p≈0.07，不显著。一个本来稳健的发现，因为一个问卷题目的措辞模糊，就从「显著」变成了「不显著」。

更反直觉的是：测量误差对效应量的影响是可预测的、可修正的（用信度系数做 attenuation correction），但对 p 值的影响却是灾难性的、不可逆的。这就是为什么我坚持：报告效应量和置信区间，而不是 p 值。p 值把「估计的不确定性」和「测量的不确定性」混在一起，而效应量至少让你看到「这个效应有多大」，即使它被衰减了。

这引出一个值得辩论的问题：当我们要求可复现性时，是不是应该把「测量信度报告」作为和「样本量计算」同等重要的先验条件？一个没有报告信度的显著性检验，本质上是在一个未知衰减系数上做统计推断——这比不报告效应量更危险，因为它给了你虚假的精确性。