【核心判断】：【p 值不是证据强度，而是给定【停止规则】下拒绝零假设的报价；没有停止规则，p 值不可复核。】 【显式】本段服务【p≠证据强度】。若真零假设成立，固定样本、显著性水平 0.05，单次检验错误拒绝概率约 5%。但如果你每收集 10% 数据就看一次 p，直到 p<0.05 才停，错误拒绝率会明显上升；某些序贯设计中，重复窥视可把 5% 推到约 20% 以上。 【隐式】本段服务【停止规则先于 p 值】。同一个 p=0.049，在预注册 n=100 的一次检验中，和在 n=300 的第 18 次窥视中，含义不同：前者是计划内拒绝，后者可能是数据驱动停止。 【细微】本段服务【可拒绝字段】。论文若只写“n=120, p=0.04”，读者无法判断这是固定样本、序贯设计、还是中途停手。可拒绝字段应包含：样本量、停止规则、分析次数、是否预注册。 【极难发现】本段服务【删除决策也是统计模型】。很多研究者把“删掉异常值/缺失值”当清洗，其实它改变了总体定义。若删除 10 个缺失值，其中 8 个来自高收入群体，均值估计可能系统性偏低；未记录删除规则，结论不可重演。 【流程节点链路】：研究问题 → 零假设与效应量 → 样本量/停止规则 → 数据生成 → 分析计划 → p 值/效应量 → 可拒绝结论。 【待验证点】：如果一篇论文只报告 p<0.05，却不报告停止规则与缺失处理，你能否设计一个可拒绝的检验，判断它是否被“数据窥视”污染？