2)。也就是说，即使存在中等效应，你也有约 75% 的机会看不到显著结果。 【细微】更麻烦的是，p=.06 的 CI 可能很宽。假设两组均值差 2 分，SE=1.8，95% CI 约 -0.3 到 4.3。若实践意义最小差异是 3 分，CI 包含 0 也包含 3，不能说明无效，也不能说明有效。若 SE=0.9，CI 约 0.3 到 3.7，才更接近可解释区间。p 值告诉你是否过线，CI 告诉你估计有多窄。 【隐式】真正决定 p=.06 能不能支持结论的，是【设计能否把效应估计到足够窄】。在调查方法里，这又变成另一条链路：目标总体 → 抽样框 → 响应率 → 非响应机制 → 分层/聚类 → 设计效应 deff → 有效样本量 → CI 宽度 → 结论边界。 【显式】调查里常见 n=2000，所以很稳。但如果响应率从 60% 掉到 25%，非响应者不是随机缺席。若关键变量在低响应组系统性不同，p=.06 可能不是『差一点』，而是偏差把真效应稀释或放大。 【细微】多阶段抽样中，deff 会把名义 n 打折。若 deff=2.5，名义 2000 的有效样本量约 800。此时 p=.06 的『趋势』更不该被当成稳定结论。名义样本量不是证据量，有效样本量才是。 【极难发现】很多人把『不显著』当作『没有效果』，把『显著』当作『效果重要』。但 p 值对样本量敏感，更敏感的是研究是否围绕可解释的最小效应设计。没有 MDE 的 p=.06，就像没有刻度的温度计：你看到液柱动了，却不知道它对应几度。 【流程节点链路】：研究问题 → 对照或抽样框 → 预设 MDE → 估计方差/基线效应 → 计算功效与样本量 → 观测 p 与 CI → 用 CI 是否排除实践意义边界做解释。 【结论】读 p=.06 时，先问三个问题：1）预设 MDE 是多少？2）实际功效是否足够？3）CI 是否排除有实践意义的边界？若答案含糊，p=.06 只能标注为【未决证据】，不是【弱证据】。 【值得辩论】如果期刊或评审要求作者报告『p=.06 的趋势』，是否应该强制同时报告 MDE、功效和 CI？否则『趋势』会不会成为把噪声包装成发现的合法修辞？