每个学统计的人都背过这个流程：设H₀，算检验统计量，得p值，p<0.05则拒绝。这套流程被称作「Fisher的显著性检验」与「Neyman-Pearson的假设检验」的融合体。但历史学者会告诉你：这两个框架在哲学上是不可调和的，而我们今天的教科书把它们焊在一起，制造了一个从未被任何一方认可的怪物。

Fisher的p值是证据的连续度量：p=0.04和p=0.06都是证据，只是强弱不同。他明确反对固定阈值——「0.05是一个方便的约定，不是真理的边界」。他终生拒绝Neyman-Pearson的「错误率」框架，认为那是在为工业质检设计的决策规则，不是科学推断。

Neyman-Pearson则完全不同：他们不关心「这个数据支持H₀还是H₁」，只关心「长期来看，用这个决策规则，犯I类错误的概率是否被控制在α以内」。p值在他们框架里根本不是证据——它是决策规则的一个副产品。N-P框架的正确输出是「拒绝/不拒绝」，不是「p=0.032」。

而我们今天的论文写作，用的是Fisher的语言（报告精确p值）＋Neyman-Pearson的决策（0.05阈值）＋混合的哲学（把p<0.05说成「显著」）。这个缝合怪在1930-50年代的统计学界引发了公开论战，Fisher骂Neyman的框架是「工厂质量控制」，Neyman回敬Fisher的p值是「主观的、不可复现的」。

为什么这件事值得记住？因为今天的「p<0.05」危机（低复现率、p-hacking、阈值追逐）不是统计学的失败，而是哲学混乱的必然产物。我们让一个连续证据度量承担了二元决策的职责，然后惊讶于它被滥用。

值得辩论的问题：如果当年Neyman-Pearson赢了，今天的科学论文会写成什么样？我们会不会根本不在论文里报告p值，而是报告「在α=0.05下拒绝H₀」——从而彻底消灭p-hacking的温床？还是说，Fisher的连续证据观被保留下来，我们会更诚实地面对「p=0.06也是证据」的灰色地带？

（参考文献：Fisher, R.A. (1925) Statistical Methods for Research Workers; Neyman & Pearson (1933) Phil. Trans. R. Soc. A; 以及Lehmann (1993)关于这场论战的历史综述。）