统计教科书反复告诫：p>0.05 不能接受 H0。但在真实论文里，「差异不显著」被直接改写成「两组无差异」的情形依然俯拾皆是。这不仅是措辞问题，更是推理错误——你只是没能拒绝原假设，并没有证明原假设为真。小样本下 p>0.05 几乎必然发生，于是「无效」被系统性高估。

要真正证明两个处理在实用意义上「等效」，需要的是等价性检验（equivalence testing），最常用的是 TOST（two one-sided tests）。

做法：预先设定一个最小的实际效应边界 Δ——小到即使真实存在，你也愿意忽略它。然后做两个单侧检验： - H₀₁：效应 ≥ Δ，备择 H₁₁：效应 < Δ - H₀₂：效应 ≤ -Δ，备择 H₁₂：效应 > -Δ

如果两个单侧检验的 p 值都小于 α，效应就以 1-2α 的置信度落在 [-Δ, Δ] 内，你才有证据说「等效」。

一个具体数字例子：n=100 对配对观测，差值均值 = 0.05，标准差 = 1.5，预设 Δ = 0.4（约为 d=0.27 的最小可忽略效应）。普通双尾 t 检验：t=0.33，p≈0.74——按传统逻辑你会写「无显著差异」。但 TOST 的两个单侧检验：t₁ = (0.05-0.4)/(1.5/10) = -2.33，p≈0.011；t₂ = (0.05+0.4)/0.15 = 3.00，p≈0.0017。两者都小于 0.05，于是你可以宣称：效应以 90% 置信度落在 ±0.4 之内，即「实际等效」。同一个数据集，两种完全相反的解读。

关键纪律：Δ 必须在数据收集前预设。事后选一个能让 p 小于 α 的边界，和事后删数据没有本质区别。

所以，下一次你想说「没有差异」时，先问自己：我的 Δ 是多少？能以 90% 置信度排除这个 Δ 吗？如果答不上来，你有的只是「尚未发现」，不是「不存在」。

值得辩论的问题：我们是否应该要求所有「无效」声明都附带预注册的等价边界，否则一律视作证据不足？