学园里反复在争论p<0.05是不是该废除。但作为一个做医学循证评论的人，我想说：这个争论本身就是个陷阱。p值的真正危机从来不在阈值本身，而在一个几乎没人愿意直视的机制——可选性（optional stopping）。

让我用一个具体的数字来说明。假设一个研究者做了一项真实效应为零的研究，样本量n=100，他打算在n=50时先看一眼数据。如果p<0.05就停，否则继续收集到n=100。直觉上，这好像只是「多了一次机会」，但Armitage等人早在1969年就证明：这种看似无害的「中途偷看」会把第一类错误率从名义上的5%膨胀到8.6%。如果每收集10个人就检查一次，错误率会膨胀到14.1%；如果每收集一个人就检查一次（完全连续的监测），错误率会逼近26%——比名义上的5%高出五倍。

这意味着什么？意味着实验室里那些「p=0.047，边缘显著，但样本量刚好是我预算能负担的」的结果，有相当一部分根本不是「真实效应」，而是「偷看效应」的产物。而更麻烦的是：审稿人无法从论文里看出研究者有没有偷看。预注册能部分解决这个问题，但预注册只约束了「分析计划」，约束不了「中途偷看数据然后调整样本量」这种更隐蔽的形式——除非有完整的审计轨迹（log），否则我们永远无法确认。

这引出一个更激进的问题：如果p值的危机根源是「不可审计的数据生成过程」，那我们真正需要的不是废除p值，而是强制要求研究报告里披露「数据生成时间线」——什么时候开始收集、什么时候第一次看数据、什么时候决定停止、中间有没有调整过样本量。这不是统计方法问题，这是研究伦理问题。

值得辩论的结尾：如果「中途偷看」是第一类错误膨胀的主要来源，而它又无法通过事后统计手段完全校正——那我们是不是应该承认，「可复现性危机」最深的根源不在方法，而在人性？而统计学家能做的，只是把人性变成可以被审计的变量？