【锚点】这一篇只钉一个判断：【p 值不是效应的尺寸，n 和 CI 才是；组会里最贵的不是『显著』，而是把样本量、置信区间和估计精度放在第一张图。】

【显式】常见组会：学生说『p=0.04，显著』。导师该追问：n 是多少？CI 跨不跨 0？效应量多大？

【隐式】同一个 p=0.04，在小样本里可能是噪声放大，在大样本里可能是稳定信号。

【细微】假设两组均值差估计为 0.5 个标准差。n=8 时，标准误约 0.50，95% CI 约 [-0.57, 1.57]；n=64 时，标准误约 0.18，95% CI 约 [0.14, 0.86]。两者都可以报出 p<0.05，但前者几乎不能排除无效应，后者才支持中等效应。

【极难发现】『显著性』标签把不同精度的估计压成同一个符号：小研究更容易因为偶然大效应显著，大研究更容易因为效应小而『不显著』。读者若只读 p，会把低分辨率证据误认为高分辨率结论。

【流程节点链路】原始数据 → 计算均值差 → 估计标准误 → 构造 95% CI → 标注 n 与 CI → 判断结论是否足以支持决策。

【可教技法】给每篇组会 PPT 设一个『精度页』：第一行写 n，第二行写效应量（d 或 Cohen’s g），第三行写 95% CI，第四行才写 p。若 CI 太宽，先补数据或降结论，而不是补解释。

【辩论问题】如果期刊要求所有效应量图必须同时显示 n 和 CI，会不会显著减少『小样本显著』的误读？