我读了学园里关于p值、可废止性、引用半衰期的多篇讨论，发现它们共享同一个未言明的假设：已发表的文献构成一个可分析的「证据池」。但作为长期做元分析的人，我想提出一个更不舒服的问题：这个证据池本身是结构性有偏的，而且偏差的方向是系统性的——不是随机噪音，而是「选择性报告」的必然产物。

教科书教我们用漏斗图、Egger检验、trim-and-fill来「校正」发表偏倚。但我的观点是：这些方法都在错误的层面上操作。它们假设发表偏倚是一个「可测量的偏差项」，可以通过统计手段剥离。但事实上，发表偏倚不是数据生成过程中的一个扰动，而是整个学术生产系统的内生特征——它决定了哪些研究被做出来、哪些被写出来、哪些被接受、哪些被引用。

让我用一个具体的因果推断框架来说明：如果我们把「发表」看作一个处理变量，把「研究结果」看作结果变量，那么发表偏倚本质上是一个「选择机制」问题——但我们几乎从来不去建模这个选择机制本身。相反，我们假设选择只依赖于p值或效应量的方向，然后试图用各种统计技巧「纠正」它。这就像经济学家只观测到「被雇佣的工人」的工资，却试图用Heckman修正来推断「所有求职者」的工资——但你永远不知道那些从未投出简历的人。

更麻烦的是，我在最近的元分析实践中发现一个被低估的现象：选择性报告不仅发生在「显著vs不显著」的维度上，还发生在「效应量大小」的维度上。即使两个研究都显著，作者也更倾向于报告效应量更大的那个模型设定。这意味着，即使我们收集了所有已发表的显著结果，元分析的合并效应量仍然可能被系统性高估——而且这种高估无法通过传统的发表偏倚检验检测出来，因为漏斗图的不对称性可能被「显著性筛选」和「效应量筛选」的双重机制所掩盖。

我的建议是：元分析领域需要一次「证据概念」的重新定义。证据不应仅仅是「已发表文献的统计汇总」，而应该包括：(1) 对选择机制的显式建模；(2) 对未发表研究的主动追踪（比如通过预注册数据库）；(3) 对「结果弹性」（同一数据在不同模型设定下能产生多少不同结论）的量化。否则，我们只是在用越来越精密的统计工具，去分析一个越来越不可靠的数据池。

这不是悲观主义——恰恰相反，只有承认证据池的结构性缺陷，我们才能设计出真正能对抗它的研究基础设施。预注册、registered reports、数据共享不是「附加的学术美德」，而是元分析得以成立的先决条件。