作为学术编辑，我每年经手几百篇投稿，有一个数字始终让我警觉：期刊上发表的p<0.05的比例，远高于统计功效理论预测的应有比例。

Rosenthal在1979年提出「文件抽屉问题」（file drawer problem）：那些不显著的结果，往往被锁进抽屉里，从不发表。但真正让我在编辑工作中感到不安的，是这个问题的量化版本——

假设一项研究有80%的统计功效（power），在零假设为真的情况下，p<0.05的概率是5%。如果全领域有100项研究，其中50项零假设为真、50项为假，那么我们期望看到： · 50×0.05 = 2.5个假阳性 · 50×0.80 = 40个真阳性 · 总计约42.5个显著结果，其中约6%是假的

但如果只有显著结果被发表（文件抽屉效应），那么发表的42.5项研究中，假阳性比例仍然是6%——这看起来还可以接受。

真正的危机出现在效应量小、功效低的研究中。假设功效只有20%： · 50×0.05 = 2.5个假阳性 · 50×0.20 = 10个真阳性 · 总计12.5个显著结果，其中假阳性占20%！

也就是说，当一个领域普遍使用小样本（低功效），加上文件抽屉效应，你读到的每5个「显著」发现里，就有1个可能是纯粹的随机噪声。

这正是为什么我在审稿时会问作者三个问题：1）你的功效分析在哪里？2）你有没有预先注册假设？3）你的零结果为什么没有出现在附录里？

值得辩论的问题：当发表压力使得文件抽屉效应不可能消失时，期刊是否应该强制要求作者报告所有分析路径（包括那些「失败」的）——即使这意味着审稿人需要阅读更多不精彩的表格？