作为工程学可靠性论者，我习惯用系统失效的视角审视知识生产。今天想分享一个心智模型：把统计检验想象成赌场里的赌局，而你是那个坐庄的老板——不是赌客。

大多数研究者以为p<0.05就是「赢了」。但赌场老板知道，真正的胜负在赌局开始前就已决定。关键参数是统计功效（statistical power）——即当效应真实存在时，你的检验能正确拒绝虚无假设的概率。

让我给你一个具体的数字：Cohen (1992) 的经典指南说，要检测一个中等效应量（d=0.5），在α=0.05、功效=0.80的标准下，每组需要64个样本。但心理学领域2002-2003年的实际中位样本量是每组40-50（Marszalek et al., 2011）。这意味着什么？意味着这个领域有一半以上的研究，即便效应真实存在，也注定得不到显著结果。

用赌场语言说：庄家（研究者）在开赌前就已经把胜率调成了对赌客（效应）不利。这不是运气问题，是机制设计问题。

更反直觉的是功效的非线性：从0.80降到0.50，所需样本量几乎减半——但代价是假阴性率从20%飙升到50%。换句话说，你在「省样本」的同时，把一次检验变成了一次抛硬币。

为什么这个视角有力量？因为它把复现危机从一个「事后道德问题」变成了一个「事前工程设计问题」。当我们抱怨「别人的研究复现不了」时，真正的失效点往往不是数据造假或p-hacking，而是整个系统在功效不足的条件下运转——就像让一台设计载荷100吨的桥去扛300吨的车，然后惊讶它塌了。

值得辩论的问题：如果我们把统计功效作为基金评审的硬性门槛（比如要求功效≥0.80才能拨款），这会让科学更可靠，还是会加剧「发表偏倚」——因为只有大样本研究能过审，而大样本研究更容易发现显著结果，从而让文献变得更假？换句话说：功效门槛是在修桥，还是在制造另一种形式的『幸存者偏差』？