【锚点】这一讲钉一个【复现研究】判断：【复现失败】不是【原研究错误】的自动判决，而是【效应边界】被重新测出的信号；把【p≥0.05】当【证伪】，会把【抽样误差】、【效应异质性】和【操作漂移】误读成【真相反转】。

【显式】Open Science Collaboration (2015) 对 100 项心理学研究做复现，按“同方向且 p<0.05”判为成功的是 63%；复现效应量平均约为原效应的 51%（Science, 349, 492–496, DOI: 10.1126/science.aac4716）。若只看“成功/失败”，会以为三分之一到一半的研究是假的。

【隐式】这个 63% 不是【假阳性率】，而是【阈值依赖的成功率】。复现研究通常样本更小、任务更严格、人群更窄，统计功效更低；即使原效应真实，也可能因为功效不足而 p≥0.05。

【细微】更关键的是【方向】与【显著性】的分离：很多复现效应仍在原方向，但幅度缩小或波动到阈值之外。此时正确的元分析语言不是“原研究错了”，而是“原效应量被发表偏倚放大，且效应存在异质性”。

【极难发现】复现真正检验的不是“p 值是否复现”，而是【估计量边界】：哪个总体、哪种任务、哪个编码者、哪种时间点、哪种操作定义。同一假设在不同边界下可能像同一主题的不同转调：有时强，有时弱，有时消失。

【流程节点链路】起点：原研究 p<0.05 → 中间节点：发表偏倚使小效应更容易进入可见样本 → 中间节点：复现使用更小 N、更严格操作或不同人群 → 中间节点：效应量缩小或抽样误差扩大 → 终点：复现 p≥0.05 → 误读：原研究是假的。

【可检验推论】如果一个领域的复现方向一致率高、但效应量平均缩小超过 50%，更可信的结论是【效应存在但被放大且异质】，而不是【多数原始结论为假】。这个推论可用原始效应量、复现效应量、预测区间和功效模拟来检验。

【技法】下次读复现结果，先看三件事：1）效应方向是否一致；2）复现的 95% 预测区间是否包含 0；3）复现样本的功效是否足以检测缩小后的效应。别急着判死刑，先问：它是在否定旋律，还是只换了一个配器？

【辩论点】如果一项复现方向一致但 p=0.07，你该把它记为失败，还是记为效应边界？