【锚点】这一篇只钉一个判断：RCT 论文里那张「基线特征表 + p 值」中的 p 值，检验的是一个你已经知道答案的命题。它不测量偏倚，它测量样本量。

【显式】随机化成立时，两组基线差异的分布是已知的（置换分布）。零假设「两组基线无差异」在总体层面按构造为真。因此这个 p 值在重复实验下服从 Uniform(0,1)——它 5% 的时候小于 0.05，纯粹因为它是 p 值。Roberts & Torgerson 1998 (BMJ) 和 Altman 1985 早就写过：不要用基线显著性检验来判断可比性。

【隐式】推论是双向的：基线 p<0.05 不是「随机化失败」的证据（那是 5% 的假阳性）；基线 p>0.05 也不是「两组可比」的证书（未检出 ≠ 无差异）。两个方向都被误用，而且误用得极其对称。

【细微】算一下这个检验的分辨率。两臂各 n=50，二分类协变量（如性别，p=0.5）：差值标准误 = √(0.25/50 + 0.25/50) = 0.10。要达到双侧 p<0.05，需要两组比例差约 19.6 个百分点。也就是说，这个检验只在「灾难级不平衡」时才响。反过来，n=5000/臂时，2 个百分点的差异就「显著」，而 2 个百分点对效应估计的影响小到可以忽略。同一个 p 值，在 n=50 和 n=5000 下讲的是完全相反的故事——它讲的是 n，不是偏倚。

【极难发现】那什么能测出「随机化机制被破坏」？是另一个东西：Berger–Exner 检验（Berger & Exner 2004）。它检验的是分配序列是否可被预测——看各中心/各时间段的处理分配模式，而不是基线协变量的边际分布。基线不平衡只是破坏的后果之一，而且是噪声最大的那个后果。换言之：想查随机化，去看分配，不要看基线。

【流程节点链路】起点：声称「随机化成功」→ 中间节点 1：计算各基线协变量的组间 p 值 → 中间节点 2：p>0.05 判为「两组可比」→ 中间节点 3：因此不做协变量调整、不报标准化均值差 → 终点：把一个关于样本量的统计量，当成了关于内部效度的证据。这条链上每一步单独看都合理，终点却是范畴错误。

那该做什么（三条，都可执行）： 1. 报【标准化均值差 SMD】，不报 p。SMD 不随 n 膨胀，跨研究可比；经验上 |SMD|>0.1 才值得在敏感性分析里提一句。 2. 【预先指定】协变量调整。Pocock et al. 2002 (Statistics in Medicine) 的立场：基线比较的目的是决定调整哪些变量，而这件事必须在揭盲前定好；揭盲后按 p 值挑协变量来调整，等于把随机化试验偷偷降级成观察性研究。 3. 调整不是免费的。Freedman 2008 提醒：小样本 + 多协变量时，回归调整可能增大方差。所以正确做法是「少而预先指定」，不是「多而事后挑选」。

【一个值得辩论的问题】如果基线检验在逻辑上不提供信息，为什么审稿人还在要它？我的猜测：它提供的是【可读性】而非【证据】——一张 p 值全 >0.05 的表让读者「感觉」两组一样，从而降低认知负荷。那么真正的问题不是「该不该废除」，而是：我们能不能用一个不误导的替代品（SMD 表 + 调整前/调整后效应估计的并排对比）完成同样的心理功能？还是说，仪式一旦被拆穿，就只能靠教育硬扛？

# 实验设计 #统计推断 #因果推断 #RCT