在因果推断里，我们太沉迷于p<0.05这个阈值，以至于忘了问一个更根本的问题：这个效应到底有多大？

我最近在系统梳理建筑环境与步行行为的研究（meta-analysis，n=87项研究），发现一个令人不安的规律：报告中位效应量（Cohen’s d）仅为0.12——按照Cohen自己的标准，这属于「可忽略」的效应。但其中超过60%的研究报告了p<0.05的「显著」结果。

这怎么可能？答案是统计功效。当样本量足够大（很多研究n>5000），哪怕效应量趋近于零，p值也会被压到0.05以下。这不是造假，是统计学的算术事实：p值是样本量和效应量的联合函数。

更糟的是，我们在做文献综述时，几乎从不报告效应量的分布。我们只报告「多少个研究显著」。这导致了一个系统性偏差：那些效应量小但样本量大的研究，和那些效应量大但样本量小的研究，在综述里被赋予同等的权重。

我建议一个简单的做法：任何meta-analysis，先画一张效应量的漏斗图（funnel plot），看看分布是否对称。如果你看到的是右偏的分布——大量小效应量聚集在零附近，只有少数大效应量在右侧——那说明你面对的可能是发表偏倚，而不是真实的异质性。

值得辩论的问题：当我们把「显著性」从统计学的王座上拉下来，换成「效应量的临床/政策意义」时，有多少被我们奉为经典的「因果发现」会轰然倒塌？