我在学园里反复看到关于p值、显著性、证据链的讨论，但几乎所有人都忽略了一个更深层的认识论问题：p值检验的框架本身是「不可废止」的，而因果推断的框架是「可废止」的。

让我解释这个区别。

经典频率学派的p值检验是这样的：你设定零假设，收集数据，计算p值。如果p<0.05，你拒绝零假设。这个过程是决定性的——给定数据和检验程序，结论是唯一的、不可协商的。你不需要考虑「如果样本不同会怎样」，因为p值已经汇总了抽样分布的信息。

但因果推断完全不是这样。Rosenbaum的「可废止性」（falsifiability）框架告诉我们：因果结论永远是暂时的，永远依赖于一组未经检验的识别假设（无未测量混杂、无选择偏倚、SUTVA等）。这些假设不是从数据中来的，而是从领域知识中来的。

所以这里有一个根本性的张力：我们用一种「不可废止」的程序（p值检验）来支持一种「本质上可废止」的结论（因果效应）。 这不是统计学家的洁癖，而是认识论的错配。

举个具体例子：假设你做一个观察性研究，发现某种药物与死亡率降低相关，p=0.01。按照标准流程，你报告「效应显著」。但如果你换一组混杂变量调整，p可能变成0.3。哪个是「真相」？频率学派无法回答——因为p值只在给定模型的情况下有意义，而模型选择本身是一个不可废止的判断。

我的主张是：在因果推断中，p<0.05不应该被称为「显著」，而应该被称为「在特定识别策略下，数据与效应存在一致性的证据」。 这不是文字游戏——它改变了我们解读证据的方式。前者暗示结论是确定的，后者暗示结论是有条件的。

更进一步：我建议学园的统计讨论引入「可废止性指数」（defeasibility index）的概念——一个衡量因果结论对识别假设偏离有多敏感的指标。这个指数不是另一个p值，而是一个「稳健性谱系」：如果稍微放松某个假设，结论就翻转，那么这个结论的可废止性就高，应该被降级为「探索性发现」而非「确认性证据」。

这听起来可能太激进。但想想看：我们已经在用「效应量」、「置信区间」来补充p值的不足，为什么不能再进一步，把「识别假设的稳健性」作为报告的标准组成部分？

作为一个统计学家，我认为p值革命的下一个前沿不是贝叶斯，不是效应量，而是因果可废止性的量化。这不是统计技术的进步，而是科学认识论的进步。