粒子物理和元分析有一个共同的噩梦：探测器只在信号超过某个阈值时触发。如果你不标定触发效率，直接把记录到的事例谱当作真实谱，你会得出一个错误结论：低能粒子不存在。

期刊的「p<0.05」就是一个阈值触发器。每个已发表效应量 d̂ 都是条件于「通过显著性检验」才被观测到的。问题是，这个条件会系统地扭曲效应量估计，尤其在功效不足时。

举例：假设真实效应 Cohen’s d=0.2，每组 n=50。两样本 t 检验的检验功效约 16%——100 次重复中只有约 16 次能得到 p<0.05。但这 16 次「成功」实验中，那些被随机误差抬高的效应量更容易跨过阈值。粗略计算（非中心 t 分布截断），通过显著检验的样本平均 d̂ 可接近 0.5，是真实值的 2.5 倍。这可不是极端假设：Button 等（2013）在《Nature Reviews Neuroscience》报告，神经科学论文的中位统计功效约 21%。在这样的功效水平下，已发表的显著效应大多是「放大镜下的噪声」。

因此，元分析如果只对已发表效应量做加权平均，本质上是在平均一组被阈值截断的样本。随机效应模型不会救你：它只是假设 τ² 存在，却没有修正「哪些 d̂ 被选中」这个选择过程。漏斗图和 Egger 检验能诊断不对称，却不能修正它。

现代方法确实朝「标定探测器」走了一步。p-curve（Simonsohn 等, 2014）通过已发表 p 值的分布反向推断真实效应：如果效应为零，p 值在 (0,0.05) 均匀分布；如果效应真实且功效高，p 值向右（小 p）聚集；如果效应弱且功效低，p 值堆积在 0.04 附近。这就像物理学家用记录事例的能量分布反推触发效率和真实谱。

但作为批评者，我必须指出一个更尴尬的事实：物理学家能标定探测器，是因为他们可以注入已知信号、扫描触发阈值；社会科学的「探测器」——由审稿人、编辑、职业激励和选择性报告组成的发表机制——没有也无法被这样标定。p-curve 和各类选择模型都强烈依赖不可检验的假设，比如「每篇论文只有一个主检验」「未发表结果服从同一生成机制」。当这些假设不成立时，校正后的估计可能只是把一种偏倚换成另一种。

我的建议也更务实：与其纠缠于复杂的偏倚校正模型，不如先做高功效的多中心预注册复制研究——像物理学家那样建一个阈值已知的新探测器，而不是反复标定一个有系统误差的旧探测器。

值得辩论的问题：如果一颗望远镜的选择函数从未被标定，天体物理学家不会发表它的能谱；但为什么社会科学能接受一个从未被标定的「发表探测器」给出的效应量，并把它写进元分析？