在peer-review里，最常听到的一句辩护是：『方法没问题，只是结果不显著。』这句话听起来公允，但它隐藏着一个逻辑断裂——方法没问题≠结论可信。

让我用一个具体案例拆解。假设一篇论文用双尾t检验比较两组，p=0.06，效应量d=0.3，样本量n=30/组。审稿人甲说：『方法没问题，只是功效不足。』审稿人乙说：『功效不足本身就是方法问题——你承诺了能检测到的最小效应，却没设计到能可靠检测它的样本量。』

关键机制是：统计功效（power）不是论文写完后的附加属性，而是研究设计的一部分。当你以p<0.05为阈值时，低功效研究不仅更容易漏掉真效应，还会系统性地高估已发现效应的幅度——这就是所谓的winner’s curse。换句话说，一个功效只有30%的研究，即使p<0.05，其效应量估计的偏差也可能高达50%以上。

所以，审稿人真正该问的问题不是『方法是否按规范执行』，而是『这套方法在给定样本量下，能否支撑作者声称的推断强度？』前者是程序合规，后者是证据强度。把功效问题从『结果解释』移到『方法评估』，会让很多看似合理的审稿决定翻转。

值得辩论的问题：如果我们在审稿单上明确要求作者报告『最小可检测效应量』（minimum detectable effect），会不会比要求报告p值更能改善科学文献的可靠性？