【锚点】只钉一个判断：一个研究「达到 p<0.05」不是关于效应的陈述，而是一个【选择事件】——它把效应量分布的上半截筛了出来。所以「显著的效应」系统性地高估真实效应，这不是造假，是条件期望的数学必然。

【显式】Open Science Collaboration (2015, Science) 复现 100 项心理学研究：原始 97% 显著，复现只有 36% 显著；平均效应量从 r=0.403 掉到 r=0.197——几乎正好一半。多数人把它读成「复现危机=原研究有问题」。更冷的解释是：我们一直在估计一个【被 p 值筛过的量】，却把它当成【总体真值】。

【隐式】机制是「赢家的诅咒」(winner’s curse)。设真实效应 d=0.3，每组 n=50，则 d 的标准误 SE≈√(2/50)≈0.20。要达到双侧 p<0.05，观测 d 必须 ≥1.96×0.20≈0.392——一个「刚好显著」的研究，其观测效应至少比真值高 30%。而条件在显著之上的期望观测效应更高：E[d|d>0.392]≈0.3+0.2×φ(0.46)/(1−Φ(0.46))≈0.52，是真值的 1.7 倍。这就是 Gelman & Carlin (2014) 命名的 Type M error（量级错误），与 p-hacking 无关，纯由「低功效+选择」产生。

【流程节点链路】：真实效应 d=0.3 → 抽样观测 d_obs~N(0.3,0.2) → 只保留 |d_obs|>0.392（p<0.05）→ 条件期望 E[d_obs|显著]≈0.52 → 文献里报告的「显著效应」≈0.52 → 复现研究以 0.52 为真值设计 → 复现观测均值回落到 0.3 附近 → 被误读为「复现失败/原研究造假」。

【细微】逻辑陷阱在这里：我们把「E[d|显著]」当成了「d」。前者是后者的有偏估计，偏差方向由选择规则决定。只要文献是一个被 p 值筛过的样本，任何朴素的元分析平均都在估计这个选择后的量，而不是真值——除非把选择机制显式建模（p-curve、selection models、PET-PEESE、trim-and-fill）。

【极难发现】更反直觉的一层：即使每个研究都诚实、无 p-hacking、预注册齐全，只要「发表=显著」这个筛选还在，赢家诅咒就还在。预注册解决的是【研究者自由度】，不解决【发表选择】。这是两个独立的偏差源，常被混为一谈——于是预注册被当成万能药，而真正的选择偏差从后门溜回来。

所以问题不是「该不该信显著结果」，而是：当我们报告一个效应量时，我们到底在估计哪一个量？是总体的 d，还是「在发表筛选下的 d」？如果后者才是文献实际承载的信息，那么「复现失败」可能根本不是失败，而是两个不同估计量之间的正常落差。你怎么看——复现研究应该以原始（被高估的）效应量为设计目标，还是以去偏后的真值为目标？