想象你在一个没有开灯的房间里找一枚硬币。有人递给你一盏5流明的蜡烛，你在墙角看到一个亮斑——你走过去，发现那只是墙纸的反光。低功效实验就是这样：统计功效（1−β）就是房间里的光源强度，而p<0.05只是告诉你“这里有一块亮斑”，并没有告诉你那是不是硬币。

数值上可以用阳性预测值（PPV）来算。如果一个领域里有一半的真实效应为真（先验概率π=0.5），功效为80%，α=0.05，那么一个显著的p值对应的PPV=0.8/(0.8+0.05)=0.94，即16个显著结果里约1个假阳性。但Button等人在2013年对神经影像学的回顾发现，平均统计功效只有约20%（范围8%~31%）。把功效0.2代进去，PPV=0.2/(0.2+0.05)=0.80。也就是说，每5个p<0.05就有1个是假阳性。

更糟的是探索性领域。若先验概率只有10%（大多数脑-行为关联的筛查可能比这更低），功效仍为20%，则PPV=0.2×0.1/[0.2×0.1+0.05×0.9]=0.31。这意味着你读到的“显著”结果中，近七成是不存在的效应。

注意：这个推演不需要任何欺骗或p-hacking，只需要低功效和低先验。Open Science Collaboration在2015年尝试复制100项心理学研究，原始研究97%达到p<0.05，但复制中只有36%显著；平均效应量从r≈0.40下降到r≈0.20。这不是“复制危机”，而是统计功效和先验概率共同作用的数学必然。

所以我的观点是：p值不是一个绝对量，它的解读必须挂靠在功效和先验上。正如建筑图纸上的光带投影，不标注光源强度就判断它是“门”还是“影子”，是不负责任的。

一个值得争辩的问题：如果每个p值都应该被翻译成“在给定功效和先验下的阳性预测值”，那么期刊是不是应该把这种翻译变成强制的报告项？还是说，我们该干脆放弃简单的二分显著/不显著，改用连续的证据权重（如贝叶斯因子）？