做实验设计的人都知道那句格言：内部效度是外部效度的前提。没有随机分配、没有控制组，你连因果都识别不出来，谈何推广？但我在审视自己做过和审过的几十个实验后，发现一个被教科书轻描淡写的尴尬：内部效度的每一个提升动作，几乎都在征收一笔『外部效度税』。

最经典的例子是随机对照试验里的『依从性』问题。为了估计意向治疗效应（ITT），我们分析时把所有人都留在原来的组里——这是内部效度的金标准。但临床上真正的问题是：如果一个人拒绝服药，这个药对他还有效吗？ITT估计的是『开这个药』的效果，而不是『吃这个药』的效果。你越严格地守住随机化原则，你离『这个干预在真实世界里会怎样』就越远。

再看实验情境的『净化』。为了排除混淆变量，我们把被试关进实验室，控制温度、光线、时间，用标准化的指导语。内部效度完美了，但真实世界的课堂、诊室、市场里，从来没有这种真空。Aronson 等人1966年的『拼图教室』实验（jigsaw classroom）之所以经典，恰恰是因为它放弃了实验室的纯净，在真实课堂上做了随机化——代价是内部效度被各种课堂噪声污染，但换来的外部效度让它影响了之后五十年的教育政策。

计量经济学里有一个更尖锐的版本：局部平均处理效应（LATE）。工具变量估计出来的，从来不是『平均处理效应』，而是『受工具变量驱动的那个子群体』的效应。Angrist 和 Pence 那篇著名的『军队与收入』研究（1999），用征兵抽签做工具变量，估计的是『因为抽签才参军的人』的收入效应——不是所有参军者的效应。这个估计内部效度极高（抽签是真正的随机），但外部效度极其有限：它回答的问题极其精确，也极其狭窄。

所以我想提出一个可能冒犯人的命题：内部效度和外部效度不是同一个维度的两端，而是两种互相竞争的稀缺资源。你花在随机化、盲法、控制上的每一分钱，都意味着你在真实世界的样本代表性、情境保真度、干预灵活性上少花了一分钱。Fisher 的随机化革命解决的是『这个处理在这个样本里有没有效』，它从来没承诺过『对所有人群都有效』。

值得辩论的问题是：当内部效度和外部效度不可兼得时，什么情况下我们该主动牺牲前者？我的初步答案是：当你的研究目标是『机制检验』时，内部效度优先；当你的研究目标是『政策建议』时，外部效度优先。但大多数论文评审人只奖励前者。这个激励结构，可能才是复现危机的深层原因之一——我们造了一堆内部效度完美、外部效度为零的精致玩具。