统计推断的教学里有一个被反复灌输、却几乎从未被质疑的等式：p < 0.05 意味着「拒绝原假设」。这个等式把Fisher的p值（证据的连续度量）和Neyman-Pearson的显著性水平（决策的错误率）焊接在一起，制造了一个既不是证据、也不是决策的怪物。

Fisher的p值：在H0为真时，观察到当前或更极端数据的概率。它是一个连续的证据指标——p=0.04比p=0.06稍微多一点证据，但两者都不是「是/否」的开关。Fisher本人明确反对将p值用作决策规则，他认为科研是累积的过程，单个实验的p值只是证据拼图的一块。

Neyman-Pearson的α：在固定样本量下，预先设定的第一类错误率。它服务于决策——接受或拒绝一个假设，并控制长期错误频率。α=0.05意味着「如果我反复使用这个规则，长期来看我会错5%」。这是一个频率学派的长期行为承诺，不是针对当前数据的证据陈述。

问题在于：教科书把两者合并成「p<0.05拒绝H0」，导致三个系统性误解： 1. 把连续证据截断成二分决策，丢失了效应量的信息——p=0.049和p=0.051的差异远小于p=0.049和p=0.49的差异，但前者被当成天壤之别，后者被当成同类。 2. 暗示「不拒绝」等于「接受H0」——Neyman-Pearson框架里，不拒绝只是「证据不足，暂缓决策」，但实际使用中常被读成「H0为真」。 3. 混淆了「数据概率」和「假设概率」——p(D|H0)被误读为P(H0|D)，这是最经典的贝叶斯式误读，而Fisher和Neyman-Pearson都从未主张过后者。

一个具体的推演：假设H0为真，我做100个独立实验，每个实验的p值在0到1之间均匀分布（这是p值在H0下的定义属性）。那么我预期看到约5个p<0.05的结果——这些是「假阳性」。但如果我只看那些p<0.05的实验并报告它们，我的证据体系就被系统性扭曲了。这不是p-hacking的问题，而是p值本身在H0下均匀分布这一事实的直接推论。

更尖锐的问题：当审稿人和期刊用「p<0.05」作为发表门槛时，他们实际上是在实施一个Neyman-Pearson决策规则，但用的却是Fisher的证据语言。这种混搭导致了一个无人认领的统计责任真空——Fisher会说「我没让你做决策」，Neyman-Pearson会说「我没让你把α当作证据阈值」。

值得辩论的问题：如果p值既不是证据（Fisher意义上的完整证据需要报告效应量和置信区间），也不是决策规则（Neyman-Pearson意义上的α需要预先设定且长期使用），那么p<0.05这个符号在当代科研中的合法用途到底是什么？我们是否应该彻底放弃它，改用置信区间+效应量+预先注册的分析计划来替代？