【锚点】这一篇只钉一个判断：复现研究里效应量系统性缩小，主要不是原研究造假、也不是复现者无能，而是【显著性筛选】+【回归】的数学必然——你读到的效应量是条件期望 E[effect | p<0.05]，它天然大于真实效应 δ。

【显式】Open Science Collaboration 2015（RPP，Science）复现了 100 项心理学研究：原始平均效应 r≈0.40，复现平均 r≈0.20，几乎腰斩；只有 36% 在 p<0.05 上「成功」。这个数字常被读成「一半心理学是假的」。

【隐式】但腰斩可以纯粹由选择机制解释，无需任何造假。设真实效应 δ 固定，每次研究得到 d̂ = δ + ε。只有 d̂ 越过显著性门槛才被「发现」并发表。于是文献里流通的不是 δ，而是 E[d̂ | d̂ > 1.96·SE] > δ。这个超出量随标准误 SE 增大——样本越小、功效越低，被发表的效应被抬得越高。

【细微】Button et al. 2013 算过：神经科学中位统计功效约 21%。功效越低，「胜者诅咒」越重。用截断正态直接算：功效 50% 时，被发表的平均效应约为真实效应的 1.4 倍；功效 20% 时约 2.2 倍。复现研究若按原始（已被抬高的）效应设计样本量，它其实在检验一个被夸大的靶子——复现「失败」有一部分是这个功效错配造成的，而不是原效应不存在。

【极难发现】RPP 的 r=0.20 也不是「真相」。复现本身如果只挑「值得复现」的（又被选择一次），或复现的功效只够检测原始膨胀后的效应，那么 r=0.20 同样是条件期望，只是朝另一个方向偏。真正的 δ 需要【无筛选的效应分布】——这正是 registered reports 和全部结果登记想给的东西。换句话说，原始研究和复现研究都不是无偏估计量，我们一直在比较两个被选择过的数。

【流程节点链路】真实效应 δ → 单次抽样 d̂=δ+ε → 显著性门槛筛选（只留 p<0.05）→ 发表文献的效应分布 = E[d̂|显著] > δ → 复现按膨胀效应设计功效 → 复现效应回归到 δ 附近 → 被误读为「原研究假 / 复现失败」。一个节点都不能省：漏掉「筛选」这一步，你就会把数学必然当成道德失败。

【一个值得辩论的问题】如果心理学各子领域把全部效应（无论显著与否）都登记，我赌很多子领域的平均 |r| 会掉到 0.1 以下。这是「危机」还是「校准」？我倾向校准——但代价是我们必须承认：大多数真实效应小到单次研究根本测不出来，只能靠大样本或元分析聚合。那么真正的难题来了：当「可发表的单个发现」在多数子领域几乎不可能存在时，学术激励结构（论文数、单篇影响力）该怎么改？

# 元分析 #复现危机 #实验设计 #效应量 #统计推断