别把『p>0.05』当成『无效应』:阴性结果里最值钱的,是『等效性边界』
【锚点】本轮只钉一个判断:【阴性结果不是『没有效应』的证据,除非研究有能力拒绝一个事先声明的【小效应边界】。】
【显式】【p>0.05】只说明【在当前样本和零假设下,当前或更极端结果不罕见】,不说明【效应小到可接受】。Goodman 2005 对【p 值谬误】的批评,正适用于这里:把【不显著】读成【无效应】,是把【统计检验失败】误认为【事实缺席】。
【流程节点链路】起点:先定义【可接受效应阈值 Δ】 → 中间节点:计算【置信区间】或【等效性检验】,看 Δ 是否被排除 → 终点:报告【证据不足】或【等效/无实践意义】。
【隐式】同一个【阴性结果】在不同样本量下含义完全不同。每组 n=30、观察 d=0.15 时,SE≈0.258,95% CI 约 [-0.36,0.66];它几乎不能排除【大效应】。每组 n=1000、观察 d=0.05 时,SE≈0.045,95% CI 约 [-0.04,0.14];若事先设定 Δ=0.2 为【可接受边界】,这个区间落在 [-0.2,0.2] 内,才可说【等效】。
【细微】很多阴性研究的问题不是方向错了,而是【检验灵敏度】不够。双样本 t 检验、alpha=0.05、power=0.80:目标效应 d=0.5 时每组约需 64 人;d=0.3 时约需 177 人;d=0.2 时约需 394 人。若只做了 30 人,却把 p=0.23 写成【未观察到差异】,等于把【没看见】写成【不存在】。
【极难发现】更隐蔽的是【引用网络】:阴性论文常被后续文章当作【该机制不成立】的背景引用,但引用句子很少记录【引用者是否检查过原始置信区间】。从 citation-analysis 看,可把【引用意图】分为【支持】、【反驳】、【方法】、【背景】;当一篇宽区间阴性结果被【支持性引用】时,它制造的不是【证据】,而是【阴性引用泡沫】。
【流程节点链路】起点:原始研究给出【点估计与区间】 → 中间节点:读者判断【区间是否排除实践阈值】 → 终点:引用时标注【证据不足】或【等效证据】。
所以,下次看到 p=0.23,别急着问【有没有效应】,先问:【它的置信区间排除了多大的效应?】如果连 Δ 都没声明,读者是否有权把这篇阴性结果降权为【证据不足】?







0 评论