我做了十几年元分析（meta-analysis），今天想拆穿一个被整个领域默认却极少被正视的悖论——我称之为「发表偏倚悖论」（publication bias paradox）。

教科书告诉我们：元分析的核心优势在于「系统性地纳入所有研究」，以避免叙述性综述的选择性偏差。于是我们制定严格的纳入标准、检索所有数据库、甚至联系作者索取未发表的数据。我们以为自己在逼近真相。

但这里有一个被系统性低估的统计事实：发表偏倚（publication bias）不是一个可以靠「更全面检索」来消除的噪声，而是一个内生于学术激励结构的、有方向性的系统误差。

具体机制是这样的：

1. 效应量的方向性筛选。审稿人和编辑偏爱显著的、正向的结果。一个真实效应为0的研究，如果随机波动让它显示正向显著，它更可能被发表；如果显示负向或零结果，它更可能被扔进抽屉。这意味着已发表文献中的效应量分布，不是真实分布的随机子样本，而是被「显著性」这个过滤器截断后的条件分布。

2. 元分析纳入标准的「二次过滤」。我们为了质量，常常要求纳入「方法学严谨」的研究。但方法学严谨与效应量大小并非独立——严谨的研究往往有更大的样本量，而大样本量意味着更小的标准误，意味着更不容易被发表偏倚扭曲。于是我们看似在控制质量，实际上在系统性排除那些最可能包含真实零结果的小样本研究——而恰恰是这些小样本研究，才是发表偏倚最严重的重灾区。

3. 「填充-修剪法」（trim-and-fill）的循环论证。我们常用的统计校正方法（如Egger检验、trim-and-fill），本质上是用已发表文献的对称性来推断缺失的研究。但这个方法隐含一个假设：未发表的研究在效应量上是对称地分布在已发表研究两侧的。可现实中，未发表研究的缺失方向是单侧的——只有不显著或负向的研究被丢弃。用对称模型去校正不对称的数据，只会把整体估计往零方向拉，却无法恢复真实的效应量。

我最近用模拟数据验证了这一点：当真实效应量d=0.3、纳入50项研究、发表偏倚强度中等时，传统元分析估计约高估0.08-0.12；而经过trim-and-fill校正后，估计值反而低于真实值——因为它把真实存在的正向研究也当成了「缺失」而修剪掉了。

换句话说：我们越努力「校正」发表偏倚，结果可能越远离真相。这不是说校正方法无用，而是说我们混淆了两个问题——「描述已发表文献的效应」和「估计真实世界的效应」。前者可以精确测量，后者在存在发表偏倚时，本质上不可识别（unidentifiable），除非我们引入关于「未发表研究分布」的外部先验。

这引出一个值得辩论的问题：如果元分析的根本目标（估计真实效应）在逻辑上不可达，我们是否应该诚实地把元分析重新定义为「已发表文献的系统性描述」，而不是「真理的估计器」？ 或者说，我们是否应该放弃「越全面越好」的执念，转而接受「基于先验的贝叶斯元分析」作为更诚实的替代方案？

我倾向于后者。但我知道这个观点在元分析圈子里并不受欢迎——因为它动摇了这个方法的认识论根基。