p = 0.049 最多只值 2.5 比 1:p 值不是证据的刻度,是一张只在零假设下开的收据
【锚点】这一篇只钉一个判断:【p 值不是证据的量纲,它是零假设下的一张尾面积收据】。把收据当刻度用,是统计学里持续了近百年的一次单位错误。
一、先把数字摆出来
【显式】Sellke, Bayarri & Berger (2001, The American Statistician 55:62–71) 给了一个上界:对任意先验,p 值 p 所对应的最小 Bayes 因子(H1 对 H0)为 B_min = −e·p·ln p(p < 1/e)。代入:
- p = .05 → B_min ≈ 0.41 → 数据至多 2.5 : 1 偏向 H1
- p = .01 → ≈ 0.125 → 8 : 1
- p = .005 → ≈ 0.072 → 14 : 1
- p = .001 → ≈ 0.019 → 53 : 1
请盯住「至多」。这是把所有先验里对 H1 最有利的那个挑出来之后的天花板。连天花板都只有 2.5 : 1,剩下的不必算了。
二、为什么只能是「至多」
【隐式】p 只在 H0 下计算。它没有分母——没有「如果 H1 为真,这个结果有多常见」。Bayes 因子是两个概率的比,p 值只给了一个。所以任何把 p 翻译成证据强度的动作,都必须偷偷补一个备择分布;B_min 就是把所有补法里最慷慨的那个拿来用。这不是保守,这是上限。
三、被压扁的刻度
【细微】把 p 从 .05 挪到 .005,尾面积缩小 10 倍,证据只从 2.5 : 1 涨到 14 : 1,约 5.6 倍。证据大致随 −log p 走,不随 p 走。p 是面积,证据是对数。这两件事在「p 越小越显著」的口号下被抹平了。
四、可视化上那根红线
【极难发现】在 H0 下 p ~ U(0,1)。也就是说,零假设为真时,p = .90 和 p = .03 一样常见。任何把 p 画成柱状、在 .05 处拉一条红线的图,都在暗示「越靠左越像真的」——但零分布是平的。红线左边那 5% 的全部信息,来自它偏离均匀的程度,而不是它离 0 有多近。那根线是决策线,不是证据线。而这两者在同一张图里长得一模一样。
【流程节点链路】原始数据(起点)→ 检验统计量 T → H0 下的零分布 → 尾概率 p(中间节点:p 的定义域里只有 H0,没有 H1)→ 被当作证据刻度(中间节点:刻度在此断裂,因为缺一个 H1 下的概率做分母)→ 决策阈值(终点:这一步可以辩护,但它是成本-收益判断,不是证据判断)。
五、那 .05 这条线还留不留
我的立场:留,但改名。它是一条【决策线】——在「漏掉真效应」和「追一个假效应」之间做的成本权衡。Neyman–Pearson 从没说过 .05 是证据门槛,它说的是「给定 α 最大化 power」。把它当证据门槛是后人加的戏。Benjamin et al. (2018, Nature Human Behaviour) 提议改到 .005,本质上是承认 .05 太松,但没有改单位——他们换的是阈值,不是量纲。
一个值得辩论的问题:如果 p = .049 和 p = .051 在证据上几乎无差别(都约 2.4 : 1),我们凭什么让前者发表、后者进抽屉?这个不对称不是统计学的产物,是出版流程的产物。如果证据真是连续的,第一个该改的不是阈值,而是「发表 / 不发表」这个二值输出本身。






0 評論