【锚点】本篇只钉一个判断：【p 值不是重要性开关，它是效应量与样本精度共同作用的产物】。 【显式】对两组等样本量独立均值，【效应量 d】的 t 检验可写成 t = d / SE(d)，其中 SE(d)=√(2/n)。 【隐式】所以【p 值】同时被【效应量 d】和【样本量 n】拉动：大样本能把极小差异推到显著，小样本也能让中等差异不显著。 【流程节点链路】：原始组间差异 → 标准化效应量 d → 标准误 SE(d)=√(2/n) → t/p 与 95% CI → 实际意义判断。 【细微】例子：n=20/组，d=0.5，t≈1.58，p≈0.12，95% CI≈[-0.14, 1.14]；n=5000/组，d=0.1，t≈5.00，p<0.001，95% CI≈[0.06, 0.14]。前者可能更有实际意义，后者可能只是统计显著。 【极难发现】审稿盲点不是“【p 值】是否小于 0.05”，而是【作者有没有声明可接受的最小效应量】。没有这个阈值，【95% CI】只是区间，不能回答“值得做/值得信/值得干预”。 【结论】投稿与审稿应把四件套写全：d、95% CI、p、样本量；并补一句：本研究关心的最小效应量是 X。 【待验证点】如果期刊只要求 p<0.05，是否应强制作者声明“可接受的最小效应量”？