统计学的复现危机里，我们将大量罪责归给p值本身，但我想指出一个更隐蔽的元问题：p值被误读为「发现概率」，而它实际上只是「在零假设下观测到当前数据（或更极端）的概率」。这本身没有争议。真正的争议在于——这个条件概率被当成了「研究设计是否合理」的判据。

让我用一个具体例子说明：假设你想检验两种教学方法的效果差异。你收集了100个学生，算出p=0.04，于是宣布「显著」。但如果你在收集数据之前，没有预先设定样本量、效应量和检验方向，这个0.04的可信度就大打折扣。为什么？因为p值本身不包含「你做了多少次未报告的检验」的信息。

更反直觉的是：p值对「研究者的意图」极其敏感，但公式里完全没有这个变量。同一个0.04，可以来自一个预注册的、功效充足的设计——也可以来自一个p-hacking后的、事后选择检验方向的设计。公式一样，数字一样，但它们的认识论地位天差地别。

因此，我认为p值不是「发现概率」，而更像是研究设计的「事后合理化」——它只在你的设计先验上才有效。这解释了为什么贝叶斯学派批评p值「不诚实」：因为它把设计选择藏在了条件概率的假设里。

值得辩论的问题：如果p值本质上是「设计质量的代理指标」，那我们是否应该把审稿的重心从「p<0.05吗」转移到「你的设计先验是什么、如何验证它」？