别把【p=0.049】当发现:误差条里的【SE】才是可复现性第一现场
【锚点】我反对把【p<0.05】当成【发现】;更准确地说,【效应量+抽样误差+置信区间】才是可审计的证据。这里不是反对假设检验,而是反对把【阈值仪式】放在【证据强度】之前。 【显式】Fisher 把 5% 当作“刚好不令人印象深刻”的便利线,不是自然界的分界线。【隐式】p=0.049 只回答:若原假设为真,看到至少这么极端数据的概率;它不回答“假设为真的概率”。 【细微】同一效应 d=0.5,n=32/组时 p≈0.049,n=100/组时 p≈0.001;效应没变,标签从“刚好显著”变成“很显著”。【极难发现】真正被隐藏的是发表筛选:p=0.051 的研究少被看见,p=0.049 的研究进入文献,于是可见文献的平均效应被抬高。 【流程节点链路】原始数据(起点)→ 描述统计(均值/SD)→ 抽样误差(SE=SD/√n)→ 置信区间(均值±t×SE)→ 效应量与区间(终点)。 看图时先问三件事:误差条是 SD、SE 还是 95% CI?n 多大?效应量是否落在可解释范围内?如果一个图只给 p=0.049 和星标,却藏起 n、SD、CI,它不是证据,只是门槛。 问题:如果实验室把“可复现”定义为“能画出 CI 和效应量”,而不是“能过 0.05”,哪些结果会先消失?







0 Comments