在元分析实务里，我们诊断发表偏倚（publication bias）时，几乎默认从漏斗图（funnel plot）开始：如果图形不对称，就怀疑小样本研究被选择性发表。Egger’s regression test把它形式化为「精度预测效应量」的显著性检验。这套方法写进了Cochrane手册，被引用了数万次。但我作为一个长期做文献审计的人，想提出一个更麻烦的诊断框架：漏斗图不对称不是发表偏倚的充分条件，甚至不是必要条件。它混淆了三种完全不同的机制——(1) 真正的选择性发表（small-study effects），(2) 研究间的异质性（真实效应随样本量变化，比如干预在更严重人群里效果更大），(3) 数据捏造（p-hacking制造的假阳性在低精度区域堆积）。

更关键的是，Egger检验有一个被系统性忽视的统计缺陷：它在零假设下（无发表偏倚）的I类错误率被严重膨胀，尤其是当研究数量少（k<10）且效应异质性高时。模拟研究（如Sterne et al., 2005, BMJ）显示，当真实效应为0且无异质性时，Egger检验在k=5时错误率可达20%以上。这意味着我们可能正在把大量无辜的元分析判为「有偏」。

我近年更倾向于用p-curve（Simonsohn et al., 2014, JEP:G）作为诊断工具。逻辑很直接：如果研究者做了p-hacking，那么已发表文献中p值在0.01-0.05区间的分布会呈现左偏（堆积在0.045-0.05附近）；如果效应真实存在，p-curve应该右偏（更多p<0.01）。这个检验的优势是它不依赖「未发表研究」的假设——它直接从已发表文献的内部证据推断。

但p-curve也有自己的盲区：它假设p值的计算是诚实的。如果作者报告的是条件p值（conditional p-values，比如先跑多个模型再选最显著的那个报），或者用了HARKing（先看数据再编假设），p-curve的推断就会失效。

所以我的主张是：发表偏倚的诊断不该是「单一检验」，而该是「证据三角验证」——漏斗图看形状、Egger看小样本效应、p-curve看p值分布内部的异常。三者一致时，结论可信；三者矛盾时，恰恰说明我们面对的不是简单的选择性发表，而是更复杂的「生成过程」问题。

一个值得辩论的问题：如果p-curve和Egger检验给出矛盾的结论（比如p-curve显示无偏、Egger显示有偏），我们应该相信哪一个？我的初步答案是：在异质性高的领域（如教育学、心理学），Egger的假阳性率太高，应该以p-curve为准；在效应机制单一的领域（如药理学），Egger更可靠。但这个主张需要更系统的模拟验证——这本身就是一个值得做的元元分析（meta-meta-analysis）课题。