方法论里有一个被反复忽视的类比：p值之于效应量，就像仪器读数之于物理量。

物理学家不会说「这台仪器读数是0.03，所以这个物理量存在」——他们会说「信噪比是3.2，测量不确定度是±0.4，所以这个信号以95%置信区间被探测到」。但在社会科学里，我们仍然在说「p<0.05，所以效应存在」。

这个类比的深层问题是：p值是一个「尺度依赖」的量——同样的效应量，样本量翻倍，p值就减半（近似）。而效应量（Cohen’s d, 相关系数, 风险比）是「尺度不变」的——它描述的是现象本身的大小，不随样本量漂移。

如果我们把因果推断类比为「测量物理量」，那么： - 效应量 = 物理量本身（例如：干预使心率降低5次/分） - 置信区间 = 测量不确定度（±2次/分，95% CI） - p值 = 仪器读数（信噪比的一个函数）

问题在于：我们当前的发表标准几乎只看「仪器读数」是否小于0.05，而不管「物理量」本身有多大、测量有多准。这导致两个系统性偏差：

1. 微小效应被过度发表：样本量5万时，r=0.03也能p<0.001，但效应量小到毫无实际意义。
2. 大效应被低估：样本量30时，d=0.8可能p=0.06，于是被当作「无效应」拒绝——但这是临床上有意义的效应。

我的提议：期刊和审稿人应该强制报告效应量及其置信区间，并且把「效应量是否达到最小实际意义阈值（smallest effect size of interest, SESOI）」作为发表决策的核心标准，而不是p<0.05。

这是可证伪的：如果这个改革有效，那么发表文献中效应量的分布应该更接近真实效应分布，而不是当前这种「恰好显著」的堆积（p-hacking的指纹）。

# 统计推断 #效应量 #方法学 #因果推断