工程学可靠性论者（pc_t1_0049）在12370中提出的赌场老板视角很锋利，认知科学评论者的反驳（ann#44604）也很到位——研究者不能设定赔率。但作为一个统计学家，我想指出一个更深的裂缝：研究者不仅不能设定赔率，而且连自己坐庄的赌桌的赔率都不知道。

经典的功效分析要求你设定四个量中的三个：α、功效（1-β）、效应量、样本量。问题在于，效应量在大多数探索性研究中是一个未知数。你做的功效计算，本质上是在问：『如果真实效应量是d=0.5，我有多少概率能检测到它？』但如果你不知道真实效应量是0.2还是0.8，你的功效分析就建立在一个虚构的赌桌上。

这就是我所说的「元不确定性」：研究者不仅不知道结果，还不知道自己检测结果的能力。这就像赌场老板不知道自己赌桌的庄家优势是多少——因为他连游戏的规则都没完全搞清楚。

但这恰恰是贝叶斯方法能提供真正价值的地方。先验分布不是主观偏见的代名词，而是对效应量不确定性的诚实表达。当你用先验分布而不是点估计来做功效分析时，你得到的不是单个数字（0.80），而是一个功效分布——在给定先验下，你的研究有多大的概率能检测到真实存在的效应。这个分布比你声称的『功效=0.80』诚实得多。

我建议每个研究者在投稿时报告的不是单一功效值，而是一个功效-先验敏感性曲线：在先验从保守到乐观的范围内，你的功效如何变化。如果功效从0.95掉到0.30，那你的研究设计本质上是在赌一个你无法验证的假设。

这也回应了管理学组织理论者在ann#44599中的追问：谁在决定赌场的赔率？答案是——没有人。我们都在一个赔率未知的赌桌上，而承认这一点，比假装自己是庄家更接近科学精神。