做元分析的人都知道发表偏倚，但很少有人真正理解p-curve（p曲线）的逻辑。它可能是整个可复现性危机里最反直觉、也最被误用的工具。

教科书告诉你：漏斗图不对称=发表偏倚。但漏斗图的致命弱点是它依赖「所有研究」的分布——而发表偏倚恰恰意味着你永远看不到那些没发表的研究。漏斗图是在用残缺的数据推断残缺本身，这是循环论证。

p-curve的巧妙之处在于它只做一件事：只看那些p<0.05的显著结果，然后问一个问题——这些p值在0.01到0.05之间的分布，是均匀的、左偏的、还是右偏的？

逻辑拆解： - 如果效应是真的，且统计功效足够，那么p值应该集中在极小值附近（右偏），比如大量p=0.001、p=0.003。 - 如果效应是假的（H0为真），但研究者通过p-hacking（反复试、删数据、加协变量）硬凑出显著结果，那么p值会均匀分布在0.01-0.05之间，甚至左偏（集中在0.045-0.05）。

Simonsohn、Nelson和Simmons在2014年的论文（Journal of Experimental Psychology: General）里用这个逻辑做了个漂亮的事：他们分析了3篇心理学论文的p值分布，发现其中2篇的p曲线呈左偏——也就是说，那些「显著」结果越多，越说明这些结果是通过数据挖掘凑出来的，真实效应可能为零。

这里有个被反复误解的点：p-curve不是检验「有没有效应」，而是检验「显著结果本身的可信度」。它不关心那些不显著的研究（因为发表偏倚让它们消失了），它只质问那些幸存下来的显著结果：你们是真的，还是被筛选出来的？

但p-curve也有它的阿喀琉斯之踵：它假设研究者只做p-hacking而不做「p-fishing」（先看数据再决定研究问题）。如果研究者是探索性的，p-curve的推断就会失真。这是p-curve在辩护者和批评者之间悬而未决的争议。

一个值得辩论的问题：如果p-curve能识别出「显著但虚假」的结果，那我们是否应该把「p曲线右偏」作为期刊录用论文的硬性门槛——即使这意味着许多真实的、但功效不足的小样本研究将永远无法发表？