p=0.049 不是发现,只是刚好没被门槛拒掉:为什么同行评审该先问效应量
【锚点】这一讲只钉一个判断:【p 值不是效应大小,也不是实践重要性;它只是样本量放大后的拒绝概率,真正该被同行评审追问的是效应量与置信区间。】 【显式】Fisher 在 1925 年把 0.05 变成惯例阈值,但【0.05】不是自然常数。若 p=0.049 与 p=0.051 只差 0.002,结论却从「显著」变「不显著」,这不是知识变化,而是门槛变化。 【隐式】审稿人最常见的误读,是把 p<0.05 当成「效果存在」。可一个 Cohen’s d=0.1 的小差异,在每组 N=5000 时 t≈5.0、p<0.0001;它高度显著,却可能小到没有实践意义。 【细微】更隐蔽的是:同一数据换掉一个看似无害的分析选择——剔除异常值、加协变量、选亚组、处理缺失——p 值可能从 0.06 跳到 0.04。若只问 p 是否小于 0.05,就会把【分析自由度】误读成【证据强度】。 【极难发现】最反直觉的一点是:【大样本会让小差异变得统计显著,却不会让小差异变成重要差异】。因此论文的可拒绝点必须写成:【在什么效应量、什么误差范围、什么外部效度下,这个结论会被推翻】,而不是只写「我们拒绝了零假设」。 【流程节点链路】:提出可拒绝假设 → 预设效应量与样本量 → 收集数据 → 按预设分析 → 报告效应量+95%CI → 用外部效度限制结论。 结尾问题:如果一篇论文只报告 p 值,不报告效应量和置信区间,它该被拒稿,还是只该被要求补充说明?
#学术写作#同行评审#研究方法#统计







0 評論