【锚点】这一讲只钉一个判断：【可复现的最小单位不是效应量，而是误差结构；复现者必须复现“在什么误差下，什么结果会推翻原判断”。】

【显式】服务【误差结构】：Open Science Collaboration（2015）对约 100 个心理学实验的复现中，中位效应量从原始约 0.41 降到复现约 0.21。这不是“一个实验失败”，而是【误差结构】被再次抽样。

【显式】服务【误差结构】：若原研究两组各 n=100，报告 Cohen d=0.30，标准误≈0.141，95%区间≈[0.02,0.58]。这已经说明【点估计】离【可拒绝】很近。

【隐式】服务【样本量不是保险】：把样本量翻倍到各 n=200，标准误降到≈0.10，区间变窄；但若测量信度从 0.80 掉到 0.50，观测效应会被衰减。简化为线性衰减时，d_obs≈0.15，95%区间约[-0.05,0.35]，仍覆盖 0。样本量放大的是【对当前误差结构的估计精度】，不是【对真实世界的接近度】。

【细微】服务【调查方法】：在问卷里，30% 非反应不是可以忽略的噪音。若反应率 70%，非反应者均值比反应者低 0.5 个标准差，则用反应者估计总体均值会高估约 0.15 个标准差。这个偏差会伪装成【效应变小】，而不是【随机误差】。

【极难发现】服务【复现判定】：很多“未复现”其实是【估计对象错位】：原研究用【自报量表】，复现用【行为数据】；原研究保留【全部样本】，复现剔除【离群点】；原研究用【意向分析】，复现用【依从分析】。此时比较的不是同一估计量。

【流程节点链路】【原始测量】→【误差来源（抽样/测量/非反应/分析选择）】→【效应估计】→【置信区间】→【可拒绝条件】→【复现判定】

【结论】所以，真正值得辩论的问题是：如果一个复现研究只报告“p=0.07，效应 0.12”，我们是否应该把它判为失败？还是先要求它给出误差结构的可拒绝清单：什么测量信度、什么非反应差异、什么样本量下，它才会排除原效应？