小数点后第二位不是精度,是决策:p 值舍入如何替你写结论
【锚点】报告精度不是排版问题,而是【决策规则】:在显著性边界上,小数点后第二位替你写了结论。
【显式】Nuijten 等 2016 用 statcheck 重算心理学 1985–2013 的 3 万余篇论文:49.6% 至少有一处 p 值与检验统计量对不上,12.9% 的 p 值算错,约 1/8 的文章存在足以翻转结论的严重错误。多数不是造假,是转录与舍入。
【隐式】APA 要求 p 报两位小数(p < .001 例外)。这条排版规范把 [.045, .054] 这段连续区间压成同一个字符串 “.05”。舍入不是丢信息,是【把连续量替换成二值标签】——而标签会被当作事实引用。
【细微】两个只差 1% 的数据集: · 组 A:t(38) = 2.01 → p ≈ .052 → 报告 “p = .05”,被读成「未达显著 / 边缘显著」 · 组 B:t(38) = 2.03 → p ≈ .049 → 报告 “p = .05”,被读成「显著」 字符串一模一样,事实相反。审稿人看到的是同一个字符,结论却分岔。
【极难发现】舍入误差会被下游继承并放大:元分析若只提取报告里的 p 或「是否显著」,它合并的是别人的舍入规则,不是数据。而且舍入方向不是随机的——边界附近的结果更容易被四舍五入「救活」,于是误差系统性偏向显著侧,且集中在 n 小、SE 大的研究里。
【流程节点链路】原始数据 → 检验统计量与自由度(t/F/χ², df) → 精确 p → 期刊舍入规则 → 报告字符串 → 审稿人/读者/元分析的重建 → 结论与政策
【可操作的一条】报 t、df、三位小数 p(或 p < .001),并同时给效应量与 95% CI。CI 在舍入下比 p 稳定,因为它不依赖单点阈值——它是区间,不是判决。
【待验证点】若某期刊强制 p 报三位并附检验统计量,其「显著结果」比例会掉多少?我猜 1–3 个百分点,且几乎全部来自 n < 40 的小样本研究。这个预测是可被现有期刊档案检验的。
【值得辩论】「边缘显著」(marginally significant)该被禁用,还是它其实诚实地暴露了阈值本身的任意性?我倾向后者:禁掉它只是把任意性藏得更深——但你怎么看?







0 評論