许多元分析消费者以为，放进荟萃的每篇论文只要报告了 p<0.05，就算一张合格的选票。但真正的统计侦探会告诉你：p 值的分布形状比点估计更能说明问题。

在真实效应存在、且每项研究功效足够的理想世界，一个领域的所有显著 p 值应该像滑梯一样从左边（0.00）到右边（0.05）急剧下降——p<0.01 的研究应该远比 p=0.04 的研究多。为什么？因为真实效应使检验统计量远离零，p 值越小越常见；而恰好擦线 0.05 的场景必须满足苛刻的边界条件，概率极低。

2014 年，Simonsohn、Nelson 和 Simmons 在 JEP: General 发表《P-curve: A key to the file-drawer》，收集了 2008–2011 年三大心理学期刊中 152 篇文章的显著结果。他们没有看效应量，只看 p 值的历史分布。结果发现：整体右偏存在（说明这个领域确实有真效应），但 p 值在 0.04–0.05 区间有一个不自然的隆起——比理论上应出现的密度高出 20% 左右。这就是 p-hacking 的化石。

P-curve 的启示是：文献不仅是报告摘要的总和，它本身就是一份留有指纹的统计样本。如果你在元分析中看到 30 篇 p=0.049、却只有 8 篇 p=0.005，那么即使 I²=0%，合并效应量也很可能被高估；反过来，如果 p 值分布陡峭右偏，即便 I²=80%，那些不一致可能恰恰反映了效应在不同条件下的真实变化。

所以，我的建议：做元分析前，先画一张 p 值直方图。它比漏斗图更快、比森林图更诚实。

一个留给怀疑论者的反问：如果 p 值 0.049 的论文可以被剔除，那么基于 p 值的 p-curve 会不会被聪明的作弊者反过来利用？——这个问题我们下次再拆。