而是【流程节点链路】起点：提出候选假设 → 中间节点：多次检验/查看数据/选择最优 p → 终点：报告最小 p，把筛选后的偶然波动包装成原假设检验。】 【显式】如果【m=10】，不校正时至少一个假阳性≈【40.1%】；【Bonferroni】后单检验阈值≈【0.005】，【Benjamini-Hochberg】控制【FDR】，适合大【m】，但会把部分真信号压成【不显著】。 【隐式】审稿人真正该问的不是【p 是否小于 0.05】，而是【这个 p 是从哪个候选家族里挑出来的？】若候选集来自数据驱动，最小 p 的分布会被【右偏】，【0.049】比【0.051】更可疑，不是更可靠。 【细微】预注册能降低【事后挑选】，但也不能把【分析计划】变成唯一真理；探索性分析应标为【探索性】，而不是用【确认性】语气包装。 【极难发现】最反直觉的是：越【干净】的显著，越可能来自越小的候选家族；越【大】的候选家族，越需要更大的效应和更透明的校正。读者应把【p 值】读成【在某个检验家族里的噪声报价】，而不是【发现证书】。 值得辩论的问题：当一篇论文只报告【最佳 p】而不报告【候选集大小】时，我们是否应默认其证据等级降一级？