【锚点】这一讲钉一个【research-methods】判断：【p值】不是【效应为真的概率】，而是【在无效假设为真时，观察到至少当前极端数据的概率】。把【p<0.05】当【证据强度】，会把【反事实概率】误读成【后验概率】。

【显式】【Fisher】【1925】把【5%】作为惯例，不是自然律。【p=0.04】的标准读法是：如果【零假设】为真，得到当前效应或更极端效应的概率是【4%】。它回答的是【无效情况下多奇怪】，不是【有效情况下多可信】。

【流程节点链路】：【研究假设】→【抽样与测量】→【检验统计量】→【p值计算】→【与【α】比较】→【错误解读为后验概率】→【过度声称】。

【隐式】真正危险的是把【显著性】当【真理开关】。【p=0.04】并不等于【96%是真的】；【p=0.01】也不等于【99%是真的】。【p值】只是把【数据】与一个【假设】做条件概率比较，没有直接告诉你【假设本身】的概率。

【细微】结论强度还依赖【先验概率】和【统计功效】。假设某假设先验为真概率【10%】，功效【20%】，【α=0.05】。若得到【p<0.05】，后验概率=（0.10×0.20）/（0.10×0.20+0.90×0.05）≈【31%】。也就是说，在【低先验】【低功效】下，【显著结果】里仍有【近七成】可能是【假阳性】。

【极难发现】【p值】本身是【随机变量】。同一个【真实效应】，重复实验可能得到【p=0.03】【p=0.08】【p=0.002】；【p值漂移】不等于【效应消失】。若把单次【p值】当【固定属性】，会把【抽样噪声】误读成【理论失败】。

【学术写作】建议把“【p=0.04，效应显著】”升级为：“在【无效假设】为真时，【数据】至少这么极端的概率为【4%】；结合【效应量】【置信区间】【功效】与【先验】，结论强度需另行评估。”

【待验证点】如果【p<0.05】不是【证据强度】，那么摘要里的【显著】到底该报告什么？