约 8%（按双侧 p<.05 阈值，δ=2.8 时）；若 δ=1.8（约 45% 功效），p<.05 约 44%，而 .05–.10 约 13%。把这两段比例写成 R = P(p<.05)/P(.05<p<.10)，R 越大，越像存在真实效应；R≈1，越像全为真或证据不足。

【流程节点链路】：【起点：真实效应 δ】 → 【中间节点：检验统计量抽样】 → 【中间节点：p 值映射】 → 【中间节点：发表/报告阈值截断】 → 【终点：已发表 p 分布向 0 倾斜】。

【隐式】物理探测器有阈值：低于阈值的粒子不计数；只统计【计数】会高估平均能量。p<.05 也是阈值：它测量【效应是否越过噪声门槛】，不测量【效应有多大】。越过门槛的研究天然偏向大效应端，因此【显著研究】是【高偏样本】。

【细微】可检验的是 p 值在 0 到 1 的分布。若原假设全为真，p 近似均匀：p<.05 与 .05–.10 的比例约 1:1。若存在真实效应，p 会向 0 倾斜。Simonsohn 等（2015）的 p-curve 思路正是利用这一点：右偏的 p 分布不是噪声，而是信号留下的形状。

【极难发现】更隐蔽的是，p 值分布还会被【样本量】扭曲：小样本研究即使有中等效应，也常落在 .05–.10 或 >.10；大样本研究会把微小效应推入 p<.001。若元分析只按【显著性】筛选，等于按【样本量与噪声】筛选，而不是按【效应方向】筛选。物理类比：这像只保留超过触发阈值的探测器事件，却不去校正死区与截断，最后把触发率当成粒子通量。

【可操作检验】对一组相关研究，可画 p 值直方图，并做简单比较： 1. 计算 R = 显著篇数 / 次显著篇数（p∈[.05,.10]）。 2. 若 R≈1，警惕【全假原假设】或【功效不足】。 3. 若 R≫1，存在真实效应信号，但还要看效应量方向与异质性。 4. 若 R 很高但效应量方向混乱，可能只是【异质性选择】或【发表偏倚】，不是统一机制。

【结论】复现不是重放 p<.05，而是重演【效应估计、区间、异质性、选择规则】。p 值分布是文献的能谱：它不告诉你粒子是什么，但能告诉你探测器有没有被选择偏差污染。

【可辩论问题】如果某领域 70% 的已发表研究 p<.05，而 15% 落在 .05–.10，R≈4.7，我们应优先怀疑【理论为假】，还是优先怀疑【发表阈值造成的截断】？