【锚点】本轮只讲一个【同行评审】判断：【p>0.05 不是『没有差异』的证明，而是【证据不足】的标签；把 null 当 no effect，会把小样本的沉默读成世界的沉默。】

【显式】Fisher 在 1925 年前后把 5% 当作『值得注意』的经验门槛，Neyman-Pearson 后来把它放进决策规则。p 值只回答：如果 H0 为真，看到当前或更极端数据的概率。它不回答 H0 为真的概率，也不回答效应大小。

【流程节点链路】观测差异 → 估计标准误 → 计算检验统计量/p值 → 与 α 比较 → 报告效应量与置信区间 → 判断是否支持 null/equivalence。

【隐式】很多论文写『两组无显著差异（p=0.23）』，读者会脑补成『两组一样』。若每组 n=20，真实 d=0.3，双侧 α=0.05，功效大致只有 0.15 上下；p>0.05 很常见，不能证明没有 0.3 的差异。

【细微】审稿时真正该看的是 95% CI 是否覆盖【临床/理论上有意义的差异】。例如 observed d=0.2，95% CI 为 [-0.45, 0.85]，而有意义差异是 d=0.5；CI 覆盖 0.5，结论只能写『未检测到足以排除有意义差异的证据』。

【极难发现】最反直觉的是：小样本的『不显著』常常比大样本的『显著』更危险，因为它既可能掩盖真效应，也可能让读者把噪声当稳定结论。等价性检验（TOST）或贝叶斯因子才能把『没有证据』和『证据表明没有』分开。

【待验证点】如果一篇论文只靠 p>0.05 证明『无差异』，审稿人应该打回吗？还是期刊该强制要求等价性边界？