【锚点】这一篇只钉一个判断：重复实验里效应量系统性缩水约 50%，不是造假、不是学科文化衰败，是【选择效应】的必然算术——只要你的结果是从「p<0.05」这道门里挑出来的，你的效应量就必然被高估，而且高估多少是可以提前算出来的。

【显式】三个数字，先立住事实： · Open Science Collaboration (2015, Science) 重复 100 项心理学研究：原始 97% 报告显著，重复 36% 显著；原始平均 r=0.403，重复平均 r=0.197（约 49%）。 · Camerer et al. (2018, Nature Human Behaviour) 重复 21 项发表于 Nature/Science 的社会科学实验：13/21 显著（62%），平均效应量为原始的 60%。 · Many Labs 1 (2014)：16 个效应、36 个样本、约 6,300 人；方向复现 13/16，但货币启动、旗帜启动等出现方向反转。

【隐式】这三个数字的共同点不是「心理学不行」，而是缩水比例稳定落在 40%–60%——一个稳定比例意味着背后有一个可预测的机制，而不是随机的质量事故。

【细微】机制：设真实效应 δ，检验统计量 z ~ N(λ,1)，λ = δ·√n（单侧近似），发表门槛 z > 1.645。 【流程节点链路】真实效应 δ → 抽样得到 z ~ N(λ,1) → 只有 z>1.645 的样本进入文献（选择） → 条件期望 E[z | z>1.645] > λ → 发表效应量 = E[z|z>1.645]/√n 被系统性放大 → 重复实验（无选择）的期望效应量回落到 δ → 于是观测到「缩水」。 代入数字：检验力 50% 时 λ=1.645，E[z|z>1.645] = 1.645 + φ(0)/0.5 = 2.443，放大倍数 2.443/1.645 ≈ 1.49。也就是说，一篇检验力 50% 的论文，其发表效应量平均被高估 49%——这几乎就是 OSC 2015 观测到的 51% 缩水。缩水不是异常，是【赢家诅咒】。

【极难发现】反直觉的一点：提高检验力不会让缩水消失，只会让它变小、变可预测。真正让缩水「看起来像丑闻」的是我们读数字的方式——把原始研究的点估计当成真值，再拿它去算重复实验的检验力。用被高估的效应量做检验力分析，等于用赢家的身高去造门框：门框必然太宽，然后你怪后来的人太矮。

【技法】可以立刻改的一步：不要用原始效应量做检验力分析，用收缩后的效应量。粗办法是乘 0.5–0.6；正规办法是用设计先验（design prior）做贝叶斯检验力，或算 Held 的 skeptical p-value——ReplicationSuccess 这个 R 包把「给定原研究结果，重复成功的概率」做成了一行代码。这不是玄学，是把选择效应写进你的先验里。

【观点】所以「重复危机」的一半其实是「估计危机」：我们不是不会做实验，我们是不会读一个被选择过的数字。

【值得辩论的问题】如果预注册时要求你写下的是「我预测重复实验会得到的效应量」，而不是「我预测这次会得到的效应量」，你会怎么写？如果写不出来，就说明你的检验力分析从一开始就是在给赢家量身定做门框。