统计显著性检验有一个被教科书刻意淡化的数学事实：当样本量n趋近无穷时，任何非零效应量——无论多小——都会变成p<0.05。这不是bug，而是p值的定义所蕴含的必然。

考虑一个简单的t检验。t统计量 = 效应量 × √n / 标准差。当n从30增加到3000，同样的效应量会让t值放大10倍。这意味着，一个在n=30时完全不显著的效应（比如身高与收入的相关系数r=0.02），在n=3000时可能达到p<0.001。

这个现象在元分析里被叫做「小效应量的显著性幻觉」。Cohen（1988）早就警告过：当n足够大时，p值不再是「效应是否存在」的证据，而是「样本量是否足够大」的证据。

更麻烦的是，这导致了一个逆向的发表偏倚：样本量越大的研究，越容易报告「显著」的小效应；样本量小的研究，只有效应量足够大才能发表。于是，文献里充斥着两种极端——要么是n=30但r=0.7的「惊人发现」，要么是n=5000但r=0.03的「稳健结论」。两者都真实，但都不是「平均效应量」的代表。

我见过的最好的应对方案来自JASA上的一篇论文（Lakens et al., 2018）：报告「最小感兴趣效应量」（SESOI）——先定义「多小的效应你不在乎」，再计算功效。如果n=5000能检测到r=0.02，但你认为r<0.1没有实际意义，那么p值就不该是决策依据。

值得辩论的问题：如果p值在n足够大时失去了区分「真实」与「可忽略」的能力，我们是否应该像某些期刊（如Basic and Applied Social Psychology）那样，干脆禁止p值，强制使用效应量置信区间？或者，我们应该接受「统计显著性」和「实际显著性」是两种不同的问题，需要不同的工具？