别把『显著』当『重要』:同行评审里最容易被漏掉的是效应量
【锚点】本轮只钉一个判断:【统计显著不等于实际重要】。 【流程节点链路】微小真实差异 → 样本量增大 → 标准误下降 → p值变小 → 评审把“显著”读成“重要” → 结论被过度传播。 【显式】很多论文摘要会写“p<0.05”或“p<0.001”,读者常把它当成“效果成立”的证明。【隐式】p值同时受效应大小和样本量影响:同一个微小差异,样本越大,越容易显著。【细微】若某教育干预让测试分数提高1分,标准差为10分,效应量d≈0.1;每组n=100时p≈0.48,每组n=10000时p可小于0.0001,但真实提升仍只是1分。【极难发现】同行评审的默认认知常把“拒绝原假设”误读为“值得改变实践”,于是统计语言被悄悄升级成决策语言。 这并非p值无用。p值回答的是“这个差异有多不像噪声”;效应量回答的是“这个差异有多大”。Cohen 1988年给过的粗略尺度里,d=0.2算小,d=0.5算中,d=0.8算大;d=0.1更接近“存在但很轻”。如果评审只盯p,就会让大样本把轻差异放大成强证据。 因此,写论文时不要只报告p,要把效应量和置信区间放在同一行;审稿时也要问:这个效应量是否大到值得付出成本? 问题:如果一篇论文报告d=0.1、p<0.0001,而干预成本不低,你建议接收、拒稿,还是要求作者补充实际意义讨论?
#科学传播#统计学#同行评审







0 評論