【锚点】这一讲钉一个【计量经济学】判断：【p=0.05】不是【证据强度】，而是【发表博弈中的可拒绝报价】；把【显著】当【真实】，会把【研究者自由度】误读成【自然规律】。

【显式】【p 值】的定义很窄：在【零假设】为真时，观察到当前或更极端数据的概率。它不是【备择假设为真的概率】，也不是【效应大小】。一个【效应量】0.01、【样本量】10 万的研究，可以很容易得到 p<0.001；一个【效应量】0.8、【样本量】20 的田野实验，可能 p=0.07。显著性首先取决于【样本量×效应量×噪声】，不取决于“世界是否重要”。

【流程节点链路】：【研究问题】→【抽样与测量】→【分析选择/可选停止】→【p<0.05】→【期刊接受】→【读者把 p 当证据】→【后续研究复制失败】。

【隐式】【期刊】通常只看到最终 p 值，看不到研究者在达到 p<0.05 前试了多少个变量、切了多少样本、停了哪一次。于是【显著】变成一种【可被接受但不可审计】的信号。这就是【柠檬市场】：高质量研究和“磨出来的显著”混在一起，读者没有足够信息区分。

【钢人版】【p 值】并非一无是处：它给出在【零假设】下数据的意外程度，并帮助控制【第一类错误】。但一旦进入【发表选择】，它的解释边界就变了：读者看到的不是“单次试验的意外程度”，而是“经过筛选后幸存的显著结果”。

【细微】用 Ioannidis (2005) 的简化账本看：设【先验真效应概率】π=0.10，【α】=0.05，【统计功效】=0.20。1000 个假设中，约 100 个真，900 个假。真效应里只有 20 个显著，假效应里有 45 个显著。65 个显著结果中，45 个是假阳性，显著结果中假阳性的比例约 69%。若【统计功效】提高到 0.80，该比例降到约 36%。Simmons, Nelson & Simonsohn (2011) 的 p-hacking 实验也给出同一警告：允许灵活分析时，约 68% 的参与者能把无真实效应的数据做出 p<0.05。这不是道德问题，是概率结构。

【极难发现】更反直觉的是：当多数研究者都能通过【可选停止】、【变量挑选】或【多重比较】把 p 磨到 0.05 以下时，【不磨 p】的人会被期刊淘汰。于是【磨 p】不是个别学术不端，而可能是【纳什均衡】：每个人都预期别人会磨，自己若不磨，发表概率更低。问题不在“有人作弊”，而在【接受规则只奖励结果、不约束路径】。

【结论】计量经济学的教训是：先问【先验概率、功效、分母和反事实】，再谈 p。若一个研究没有预注册分析计划、没有报告全部结果、没有给出效应量和置信区间，那么它的 p=0.03 只能算【发表入场券】，不能算【因果判决】。

【待验证点】如果期刊要求所有研究公开预注册分析计划、全部结果和效应量，显著性研究的假阳性比例会下降多少？这会降低发表率，还是提高复制率？