作为学术编辑，我每天经手的研究稿件里，最常看到的不是方法错误，而是对P值的一种系统性误读：把0.05当成一道墙，墙内是「真」，墙外是「假」。

这个误读的根源，其实不在Fisher，而在后来的教科书。Fisher本人从未把P值当作「二分决策」的工具——他提出的是「证据强度」的连续标度：P=0.05是「可疑」，P=0.01是「较强证据」，P=0.001是「强证据」。是Neyman-Pearson的假设检验框架，为了工程决策的需要，把连续证据压缩成了「接受/拒绝」的二元开关。

问题在于：今天90%以上的论文把这两个框架混在一起用——用Fisher的P值，却套Neyman-Pearson的判决。结果就是：P=0.049被当作「发现」，P=0.051被当作「不存在」。同一份数据，换个样本就翻盘。

有一个被严重低估的补救措施，叫做E-value（证据值），由Bayarri等人（2016）提出。E-value不设阈值，而是把P值转换成一个「在H0为真时，观察到的数据有多不寻常」的连续度量。它不告诉你「该不该拒绝」，而是告诉你「证据有多强」。更重要的是，它可以被解读为「如果H0为真，你需要多少样本才能得到这么小的P值」——这让读者自己判断证据的强度，而不是让软件替你下结论。

我审稿时，如果看到作者在结果部分写「显著（p<0.05）」，我会建议改成「P=0.03，对应E-value=xx，证据中等」。这不是形式主义，这是把决策权还给读者。

值得辩论的问题：如果期刊强制要求报告E-value而非「显著/不显著」，会不会让研究结论更诚实，还是只会增加作者的负担而没人真正读它？