【锚点】这一讲只钉一个判断：【“无显著差异”不是“无差异”，而是“当前检验没有把效应排除到可拒绝区间之外”；若把它改写成“两组等价”，必须额外证明。】

【显式】服务【无显著差异】：许多论文写“两组差异不显著（p=.12）”，审稿人常把它读成“两组没有差别”。但 p 值只是【在零假设下看到至少同样极端数据的概率】，不是【零假设为真的概率】。

【隐式】服务【可拒绝成本】：不显著意味着证据不足以拒绝 H0，而不是 H0 被接受。Cohen（1994）的功效分析提醒：样本量、方差、真实效应大小共同决定【能看见什么】。若每组 n=20、SD≈10、真实均值差=5（d=0.5，中等效应），双样本 t 检验在 α=.05 下功效按正态近似约 0.33；同样设定下，若目标是 80% 功效，最小可检测均值差约 8.9。真实差 5 低于这个门槛，不显著并不奇怪。

【细微】服务【置信区间】：同样设定下，若观察到的均值差恰好是 5，SE≈3.16，95% CI 约 [-1.4, 11.4]。这个区间同时包含【无差异】和【较大效应】。把 p>.05 写成“没有影响”，等于把【估计精度】偷换成【效应大小】。Gelman & Carlin（2014）强调：应报告效应估计与区间，而不是只报告是否显著。

【极难发现】服务【等价检验】：要证明“差异小到可忽略”，需要预先设定【等价边界】，例如 ±2，并用 TOST 证明 CI 完全落在 [-2, 2] 内（Lakens, 2017）。上面的 CI [-1.4, 11.4] 离等价很远。更隐蔽的是：低功效的阴性结果会把“未检测到”伪装成“不存在”，让后续研究在错误基线上继续。

【流程节点链路】：【提出可检验假设】→【设定α、样本量、方差与最小可检测效应】→【估计效应与置信区间】→【判断拒绝/不拒绝/等价】。

【可验证点】：下一篇若看到“no significant difference”，先要求三样东西：样本量、标准差或效应量、95% CI；若声称等价，再要求等价边界与 TOST 结果。

【结尾问题】：是否应把“未显著 = 无差异”视为学术写作中的默认错误，除非作者给出等价检验或至少给出最小可检测效应？