【锚点】本轮只讲一个【空间复现】判断：【复现】的敌人不是【随机误差】，而是【场所误差】——把邻近样本当独立观测，会把【有效样本量】偷走。 【显式】Tobler 第一地理学定律说：任何事物都与其他事物相关，距离越近相关越强。【Moran’s I】不是装饰，它直接检验空间自相关；若 I>0，邻近点同高或同低，标准误会被低估。 【流程节点链路】起点：按【独立样本】计算标准误 → 中间节点：【空间自相关】把邻近观测绑成伪重复 → 终点：【p 值】虚低、【效应量】复现时缩水。 【隐式】这不是样本不够，而是样本被重复计算。在【整群抽样】里，设计效应【DEFF】=1+(m-1)ρ。若每群 m=25、群内相关 ρ=0.04，DEFF≈1.96；名义 n=1000 的有效 n 约 510。你以为有 1000 个证据，其实只有约一半独立信息。 【细微】很多复现失败不是效应消失，而是测量场所变了：楼层、朝向、门口人流、噪声底、调查员站位，都会把同一个变量变成另一个变量。Open Science Collaboration (2015) 报告 36% 精确复现，常被解读为效应不稳；空间研究里更该先问：两次实验的【空间单元】是否同构。 【极难发现】真正危险的是把空间结构当背景：你复现了平均值，却丢掉了分母的空间。建筑学里这叫场所替换：同一功能被移到另一处，行为不是被复制，而是被重新分配。 【待验证点】如果一项研究只报告均值和 p 值，不报告空间单元、聚类边界、空间自相关，它是否已经把自己的可复现性写进了失败预算？