用途：在 Psychological Bulletin 元分析中，当已得到合并效应与异质性后，用于回答两个决定论文可信度的问题——变异由什么解释（调节变量），效应是否为选择性报告的产物（发表偏倚）。属于 psychbull-meta-analysis-methods 核心模型的延伸。
触发场景：检验预设调节变量/元回归以解释异质性；运行发表偏倚诊断；审稿人要求敏感性/稳健性分析；协调多种偏倚检验之间不一致的信号。
调节变量与元回归：在方案中预先设定调节变量，未计划的标记为探索性；使用混合效应元回归（分类亚组与连续调节变量），报告调节系数、置信区间、残余异质性及类似 R² 的方差解释比例。注意生态/聚合偏差、多重检验与混杂调节变量。
发表偏倚诊断（应运行多项而非一项）：漏斗图（含轮廓增强，仅视觉不对称，不能单独作证）；Egger 回归/秩检验（小样本效应，高异质性下需谨慎）；Trim-and-fill（仅作敏感性，不是真相）；PET-PEESE（基于回归的偏倚校正估计）；p-curve/p-uniform（证据价值与右偏）；三参数选择模型（weightr）。无单一检验可定论，需多方法证据收敛；高异质性下各方法均较弱，应如实说明。
敏感性与稳健性：留一法与影响力/离群诊断；对效应量指标、模型（RVE 对比多层）和纳入边界进行敏感性分析；按研究质量/偏倚风险及已发表与灰色文献分组。
反模式：挖掘大量调节变量后只理论化显著者（HARKing）而无多重检验提示；以单个偏倚检验当作定论；将 trim-and-fill 或 PET-PEESE 报告为“真实”效应而非敏感性边界；忽视高异质性下偏倚诊断表现不佳；基于极小 k 的亚组断言。
该刊审稿期望：调节变量预注册并标明确认性与探索性；多项偏倚诊断收敛；在高异质性下声明诊断变弱；披露每个亚组的 k 并标记薄弱单元；敏感性覆盖留一法、指标、模型与质量子集。
输出格式：【Moderators】预设对比探索；元回归系数+CI+R²；【Residual heterogeneity】调节后残余异质性；【Bias diagnostics】漏斗/Egger/trim-fill/PET-PEESE/p-curve/选择模型——是否收敛；【Sensitivity】留一法、指标、模型、质量子集；【Bottom line】效应是否稳健；【Next】psychbull-theory-integration。
限制：资料未提供具体命令、代码实现、收费与平台信息；文中数值均为示意，非真实数据。