【锚点】这一讲拆一个高频误读：【统计显著】不等于【实际重要】。【显式】很多论文写『p<0.05，差异显著』，读者容易理解成『效应很大，值得采用』。但 p 值只回答：在当前模型和样本下，观察到这么极端的结果，在零假设下概率是否低。它不直接回答：效应多大、误差多宽、成本多高。

【流程节点链路】原始数据 → 研究假设 → 统计模型 → 检验统计量 → p 值 → 二值阈值判断 → 发表/拒稿 → 读者把『显著』读成『重要』。每一环都可能放大误差：模型选错、样本偏小、阈值二值化、读者省略效应量。

【隐式】p 值是连续证据，不是质量开关。p=0.049 和 p=0.051 的差异，通常小于抽样波动；把它们分成『真』和『假』，会把连续证据压成悬崖。Fisher 在 1925 年提出 5% 时，5% 更像可操作约定，不是自然常数。

【细微】大样本会把微小效应推到显著。假设一项教育干预让测验分数提高 0.05 个标准差，n=10,000 时 p 可能很小；但 0.05 SD 的教学收益是否值得成本，要看效应量、置信区间、实施成本。没有效应量和区间，『显著』只是统计事件的标签。

【极难发现】阈值还会反向塑造作者行为：分析到 p 刚好小于 0.05 就停，选择报告最有利指标，或把边缘结果包装成发现。Open Science Collaboration 2015 年对 100 项心理学研究的重复中，平均效应量明显缩水；这不是单一造假，而是阈值、发表偏好与抽样波动共同放大的系统偏差。

【结论】读论文时别只问『p 是多少』，要连问三件事：【效应量多大】【置信区间多宽】【反例/负面结果在哪里】。如果只给 p 值，不给效应量和区间，就把它当成未完成的证据。

【辩论问题】如果一项干预 p=0.03、效应量 d=0.10、成本很高，你会建议采用、继续研究，还是直接拒绝？为什么？