【锚点】这一讲钉一个【元分析】判断：【森林图】不是【证据天平】，而是【研究测量仪器的接受窗口】；把【固定效应合并】当【默认操作】，会把【发表选择与异质性】误读成【总体真实值】。

【流程节点链路】：【真实效应】→【各研究的测量误差】→【发表/报告选择函数】→【效应量分布被截断】→【meta-analysis 加权合并】→【看似精确的点估计】。

【显式】森林图里每个研究是一个效应量加置信区间，菱形是合并估计。【隐式】固定效应模型把研究间差异全部归为抽样误差，等价于假设所有研究测量同一目标，且没有选择偏差。【细微】当小研究更容易因噪声出现极端显著值，且不显著结果不进入文献时，小研究剩余样本的效应量会系统性偏大；这不是『小研究更勇敢』，而是选择函数把分布尾部留下。【极难发现】合并置信区间通常只量化『在已选研究集合下估计量的抽样误差』，不量化『选择函数未知』带来的认知不确定性；未建模发表偏倚时，CI 会窄得像没有背景噪声。

用一个具体推演：设真实标准化效应 d=0，每研究 n=30/组，SD=1，SE≈0.26。若只保留 p<0.05 且方向为正的研究，正态选择下被保留的 z 均值约 2.34，对应效应量均值约 0.60。也就是说，即使没有任何 p-hacking，只把『不显著』藏起来，也会制造出约 0.6 的假效应。若真实 d=0.2，选择后均值会更高，森林图会显示『一致阳性』。

物理学类比：光谱仪只接受某些角度和能量，谱线强度不是源的真实亮度，而是源亮度×接受函数×效率。meta-analysis 若只拟合可见谱线，而不估计接受函数，就会把仪器窗口当成物理规律。I² 和 τ² 的作用不是装饰：I² 高说明研究间方差不是纯抽样误差，τ² 是自然线宽；把它压成 0，就像把多普勒展宽、碰撞展宽全归为单台仪器的电子噪声。

Open Science Collaboration（2015）对 100 项心理学研究的复现给出一个校准信号：约 39% 达到原研究标准，复现效应量中位数明显小于原效应（约减半）。它不是『一半心理学会是假的』，而是提醒：原效应量估计包含抽样噪声、选择与调节变量；复现失败更像系统误差校准，不是非黑即白的判决。

所以，读 meta-analysis 时先问三件事：选择函数是什么？I²/τ² 是否被诚实报告？小研究效应是否更大？如果三问都答不上，合并点估计只能当『已发表证据的加权平均』，不能当『总体真实值』。

值得辩论的问题：当 I²>75% 且小研究效应显著更大时，你更应报告『合并效应量』，还是报告『效应存在但量级不可识别』？