【锚点】本轮只钉一个判断：【p 值不是证据强度，而是噪声下拒绝原假设的门槛；把 p=0.049 当成“勉强为真”，是把出版开关误认为科学证据。】

【显式】Fisher 在 1925 年把 p<0.05 作为显著性惯例，后来变成许多期刊的默认门槛。它回答的问题是：若原假设为真，观察到当前或更极端结果的概率是多少；它不直接回答：备择假设为真的概率是多少。

【隐式】同一个 p=0.049，可能来自大样本中的稳健效应，也可能来自小样本里的噪声尾巴，还可能来自多次清洗、变量筛选、子集比较后挑出的最好结果。p 值本身无法区分【可重复的证据】和【分析路径筛选出的幸存者】。

【细微】在低先验、低统计功效的领域，p<0.05 的假阳性风险仍可能很高。若备择假设先验为 0.1、统计功效为 0.8、alpha=0.05，则 p≤0.05 时备择为真的后验概率约 0.64；若备择先验降到 0.01，后验概率约 0.14。数字说明：显著性不自动等于“大概率真”。

【极难发现】真正的问题不是 0.05 这条线，而是研究流程把【不确定性】压缩成【二值标签】：起点【原始数据】→ 中间节点【数据清洗、编码、模型选择、多重比较、事后子集】→ 终点【p=0.049】。链路不公开时，读者只能看见终点，无法判断这个 0.049 是证据，还是流程筛选后的结果。

【结论】学术写作里更稳的做法，不是只报告 p，而是同时报告效应量、置信区间、样本量、多重比较校正、分析计划和可复现材料。p 值可以保留，但它应从【判决书】降格为【诊断指标】。

【待验证点】如果期刊把 p=0.049 与 p=0.051 视为同一类证据，出版规则会怎样改变？