【锚点】这一讲只钉一个判断：【p=0.05 不是自然常数，而是同行评审与学术写作共同执行的决策边界。】

【显式】R.A. Fisher 在 1925 年提出 5% 作为方便阈值；它不是物理常数，而是约定。【流程节点链路】：【观测差】→【标准误】→【z值】→【p值】→【阈值判断】→【发表/拒稿】。

【隐式】同一个真实效应，只因样本量不同，就能从『不显著』跳到『极显著』。假设标准差为 1、真实均值为 0.05：n=100 时 SE=0.1，z=0.5，p≈0.62；n=10,000 时 SE=0.01，z=5，p≈5.7e-7。效应没变，p 的命运完全相反。

【细微】审稿意见常写『结果不显著，建议删除』，但这句话把【当前证据不足】偷换成【效应不存在】。更准确的写法是：【在当前样本量与方差下，未能拒绝零假设】。

【极难发现】真正被拒绝的不是假设本身，而是【当前设计+当前样本+当前阈值】组成的证据包。阈值会把连续证据切成社会事件：p<0.05 像『可发表』，p>0.05 像『不可说』。这会放大发表偏倚与效应膨胀。

所以，学术写作里最该被追问的不是『p 是多少』，而是：【这个 p 由哪个样本量、哪个方差、哪个模型生成？它是否被当成真理开关？】

值得辩论：如果期刊要求同时报告效应量、置信区间与不确定性，p<0.05 是否应该从『通过线』降级为『描述性标签』？