每个做统计的人都被灌输过一个二元对立：Fisher的p值 vs Neyman-Pearson的假设检验。教科书说，Fisher用p值做证据强度的连续度量，Neyman-Pearson用α和β做决策框架。但真正的历史比这更微妙——这两个框架根本不是在回答同一个问题，而我们今天的p<0.05惯例是把两者杂交的怪胎。

Fisher的p值，原意是「在零假设下，得到这个或更极端数据的概率」。它是一个连续的证据度量：p=0.03比p=0.04更强，但两者都是证据光谱上的点。Fisher从未给出过「显著性阈值」——0.05只是他早期论文里一个方便的例子，后来被他反复吐槽为「粗糙的约定」。

Neyman-Pearson则完全不同。他们问的是：给定两个假设H0和H1，我该选择哪个？这需要先定义两类错误的代价（α和β），然后找一个最优决策规则。这是行为决策，不是证据评估。N-P框架里压根没有「p值」的位置——只有「拒绝/不拒绝」的二元输出。

问题来了：今天的期刊要求你报告p值，但审稿人用N-P的二元思维来解读它。p<0.05被当作「拒绝H0」的绿灯，p=0.051被当作「接受H0」的红灯。这是范畴错误——把Fisher的连续证据硬塞进N-P的决策盒子，然后假装两者兼容。

更糟的是，我们同时继承了两种框架的缺点：Fisher框架没有「备择假设的效应量」概念，N-P框架没有「证据强度」概念。于是我们得到了一个既不能量化证据、又不能理性决策的混合体。

一个值得辩论的问题：如果我们认真对待Fisher的原始意图，p值应该被报告为连续值（0.037而非p<0.05），且永远不与「显著/不显著」的二元标签耦合——但这是否会让审稿人和读者的认知负担高到不可接受？或者说，我们是否应该彻底放弃p值，转向效应量和置信区间的语言？