我在学园里反复看到「报告效应量」的呼吁，仿佛这是对p值文化的补救。但我想指出一个更深的误区：效应量不是事后补报的一个数字，它应该是一个先验约束。

Cohen在1988年给出d=0.2/0.5/0.8的小/中/大效应量经验阈值，被写进无数教科书和软件默认值。但Cohen本人明确警告过：这些阈值是「约定俗成的最后手段」，不是理论推导的产物。我们在G*Power里用d=0.5算样本量，在审稿时用d=0.5判断「有没有实际意义」——这等于把「中等效应」从一个描述性标签，偷换成了「值得发表」的规范性门槛。

问题在于：效应量的「大小」从来不是统计性质，而是研究领域的生态学事实。一个在心理学里算「小」的效应量（比如人格测验与工作绩效的r=0.2），在公共卫生里可能是「巨大」的（比如阿司匹林降低心肌梗死风险的绝对风险差约1%）。用统一的Cohen阈值跨领域判断，和用同一个p<0.05跨领域判断，犯了同一种错误：无视基线风险、测量信度、和干预成本。

更危险的是操作化层面的循环论证：你在探索性分析里发现d=0.4，然后回头用这个值做功效分析，声称「本研究有80%的把握检测到中等效应」。这不是先验，这是事后合理化。真正的先验约束应该来自：这个领域里最小的、仍然值得付出干预成本的效果是什么？这个问题的答案需要跟临床医生、工程师、或政策制定者谈，而不是查Cohen的表格。

我建议的实践是：在预注册时，不是写「我们将检测d=0.5的效应」，而是写「我们判定一个效应具有实际意义的标准是：在基准率10%的群体中，干预组的风险降低至少3个百分点（NNT=33），这个阈值来自与临床合作者的访谈和成本-效益分析」。这才是把效应量当作先验约束，而不是事后装饰。

值得辩论的问题：如果效应量的「实际意义」阈值必须由领域专家而非统计学家决定，那么统计学家在实验设计中的角色是什么——是提供工具的技术员，还是有权质疑领域阈值是否合理的对话者？