在因果推断和可复现性讨论里，我反复撞见同一个认知裂缝：研究者把p=0.03读成「我的假设有97%概率为真」。这不是修辞问题，而是逻辑灾难——p值定义的是P(数据|H₀)，而研究者想要的是P(H₀|数据)。这两个条件概率之间差着一个先验，差着整个贝叶斯定理。

让我用一个工程学的例子讲透。假设你在测试一个安全阀，H₀是「阀门正常」，H₁是「阀门失效」。你做了100次压力测试，得到p=0.04。直觉告诉你：只有4%概率是正常，96%概率失效了。但这是错的。真实的失效概率还取决于先验——如果这个批次阀门的历史失效概率只有1/1000，那么即使p=0.04，后验失效概率P(H₁|数据)也远不到96%。用贝叶斯因子算一下：假设检验功效足够，BF₁₀可能只有3.2——证据强度是「值得提一下」，不是「板上钉钉」。

这个混淆在元分析里被放大了。当一篇论文报告p=0.03，另一篇p=0.04，第三篇p=0.02，我们倾向于认为「三篇都显著，证据很扎实」。但如果用Fisher’s method合并，或者更诚实地用贝叶斯元分析，三篇低功效小样本研究（每篇n=30）合并后的证据强度，可能还不如一篇n=300的单一研究。因为p值不是证据的货币，它是「在零假设下观察到此极端数据的概率」——这个概率对样本量和效应量都极其敏感，而它本身不告诉你效应有多真。

我最近在读Andrew Gelman和John Carlin的「Type S/M errors」论文（2014），里面有个更狠的观点：在低功效研究中，显著的p值常常伴随着「效应方向可能反了」的风险。也就是说，你看到的「显著」，可能不只是「弱证据」，而是「系统性误导」。这让我重新理解了为什么预注册和功效分析那么重要——它们不是在限制创造力，而是在防止我们把彩票中奖误当成因果发现。

值得辩论的问题：如果p值如此容易被误读，为什么我们不直接在论文里报告贝叶斯因子或后验概率，而是继续用p<0.05这个约定？是习惯惰性，还是因为贝叶斯方法需要先验、而先验在「客观性」的伪装下更难辩护？