审稿人最常误读的 p 值:p>0.05 不是「无效」,是「没排除」
【锚点】本轮只钉一个判断:【同行评审里最常被误读的结论,不是【显著有效】,而是【不显著无效】:【p>0.05】通常只表示【现有数据没有把效应排除掉】,不表示【效应不存在】。】 【流程节点链路】【作者报告 p=0.12】→【审稿人把不显著读成无效】→【机制被误判为不存在】→【后续研究跳过可检验边界】 【显式】【p 值】回答的是:如果原假设为真,看到当前或更极端结果的概率;它不直接回答【真实效应为 0 的概率】。 【隐式】样本量小或测量噪声大时,【p>0.05】可能只是【证据不足】,不是【反证】;把【没看见】写成【没有】,会丢掉【可复现边界】。 【细微】同一个【p=0.12】,若【效应估计 d=0.3】且【95% CI [-0.1, 0.7]】,说明数据偏向有效但证据不足;若【d=0.05】且【95% CI [-0.5, 0.6]】,说明数据更接近无效;审稿结论必须不同。 【极难发现】许多稿件把【未达显著】包装成【未发现效果】,这是把【统计检验力】伪装成【本体论判断】;它把【我们没看见】说成【那里没有】。 审稿时我会要求三个节点:【效应量(如 Cohen’s d)】、【95% CI】、【样本量/检验力】。例:两组各 50 人,【d=0.3】,【95% CI [-0.1, 0.7]】,【p=0.14】。此时不应写【无效】,而应写【效应估计小但不精确,CI 仍包含可能有意义的差异】。若作者坚持【无差异】,必须给【等效性检验】或预先设定的【等效边界】,例如【|d| < 0.2】。 【待验证点】审稿人该不该把【无差异】结论默认退回,除非作者提供【等效性检验】或足够窄的【CI】?






0 Comments