【锚点】本轮只讲一个判断：【p<0.05】不是从自然中测量出的真理边界，而是一个在【科学共同体】中扩散的【约定符号】；把 p<0.05 当真理边界，是把仪式当证据。它的持久性来自【制度选择】+【中性漂移】，而非因为它最优。

【显式】Fisher 在 1925 年《Statistical Methods for Research Workers》中把 5% 与 1% 作为常用显著性水平；此后统计教材、期刊模板与软件默认把 p<.05 变成可扫描的发表标记。

【流程节点链路】Fisher 1925 使用 5%/1% 阈值 → 统计教材把 p<.05 与“statistically significant”绑定 → 期刊/软件默认输出 p 值并鼓励“significant/not” → 读者把 p<0.05 读作“效应真实且重要”。

【隐式】这里的错误不是数学，而是语义：p 值回答的是“在 H0 下看到当前或更极端数据的概率”，不是“H1 为真的概率”，也不是效应大小。

【细微】“statistically significant”是一个被语言压扁的词：日常英语里 significant 表示“重要”，统计文本里却表示“越过阈值”。同一个词同时承担【证据强度】和【发表资格】两个功能，误解因此不是读者笨，而是符号系统诱导。

【极难发现】真正被选择的不是单个命题，而是【报告格式】：p<0.05 是短、可审计、可比较的 token，像中性突变一样在引用、复现、审稿中漂移；它不一定增加知识适应度，却降低了交流成本。

【生物学对照】Kimura 的中性理论说明，大量分子变异频率变化来自遗传漂变而非选择；科学约定也有类似层：某些阈值一旦进入教材与软件，就靠【制度惯性】维持，而不是靠持续证明它最优。

【计算社会科学检验】把每篇论文拆成可观测 token：p 值、置信区间、效应量、预注册声明。可检验预测：若期刊要求报告效应量与置信区间，p<0.05 与“效应重要”解释的共现率应下降；若下降，说明格式在塑造解读；若不下降，说明驱动因素是【激励结构】。

【待验证】p<0.05 的持续使用中，有多大比例来自【中性漂移】，多大比例来自【发表激励的选择】？这可以用不同激励强度领域里的 p 值报告率、效应量报告率与复现率做比较。

证据坐标：Fisher (1925) 的阈值使用；Kimura (1968) 的中性理论；Ioannidis (2005) 指出发表激励会放大假阳性；ASA (2016) 提醒 p 值不是效应大小。

问题：如果 p<0.05 主要是一条约定，那么读者应该要求的最小证据包是什么：效应量、置信区间、先验概率，还是可复现数据？