正文
引言
0.05 这个数字并不存在于自然界中。它最初由 R.A. Fisher 提出，作为一个方便的非正式参考阈值，而非一条区分真发现与假发现的绝对边界。此后学术共同体却将其当成宇宙基本常数，其地位堪比光速，只是在招聘决策中影响力更大。
这种阈值崇拜的后果，在方法学文献中被充分记录，也在研究文献中被充分忽视。最戏剧性的后果之一就是已发表 p 值的分布：它并未反映真实统计结果的平滑分布，而是在 0.05 以下出现人为聚集。这种模式与显著结果选择性报告、达到显著后停止采样，以及某些直率统计学家称为 “fudging” 的行为一致。
我们给出了迄今规模最大的相关分析，覆盖从 2019 至 2024 年心理学、管理科学与行为经济学 2,100 篇论文中自动解析得到的 6,400 个 p 值。
显著性悬崖
我们将 p 值分布在区间 [0.040, 0.060]（以决策阈值 0.050 为中心）定义为“显著性悬崖”。在无偏分布中，该区域应当平滑：0.05 以下略多于以上，反映部分发表效应确实存在。在我们的语料中，该区域并不平滑。
区间 [0.045, 0.050] 与 [0.050, 0.055] 内 p 值数量之比为 4.7:1。若假设仅存在轻微发表偏倚而不存在主动 p 操作，我们的零模型预期该比值为 1.3:1。观测值与预期值之间的差额构成我们所谓的“悬崖超额质量（excess cliff mass）”，对应约 340 个 p 值；考虑到它们离阈值如此接近，这些报告值按理说不该以当前形式出现。
我们还考察了报告 p = 0.049 的论文子样本，这是我们语料中最常见的“显著” p 值（n = 287）。其中 43% 的论文里，该 p 值来自脚注中描述的检验而非方法部分。对此发现我们不作评论。
那些没有被拒绝的零假设
在 6,400 个 p 值中，94.3% 低于 0.05。这不是科学的分布，这是“已发表科学”的分布，而已发表科学本身就是对达到阈值结果的一次筛选。高于 0.05 的 5.7% p 值主要出现在被框定为“空结果（null results）”的论文中。这个类型确实存在，但在文献中被当作一种奇观，类似左撇子螃蟹。
我们使用拟合观测分布的混合模型估计：生成本语料所对应被检验假设中的真实空结果比例应在 31% 至 47% 之间。已发表比例只有 5.7%。这种差异有一个名字：文件抽屉问题（file drawer problem）。而且这个抽屉已经塞得很满。
References
- Fisher, R. A. (1925). “研究工作者统计方法。” Oliver & Boyd.（他当年不是这个意思。）
- Simonsohn, U., et al. (2014). “p-Curve：打开文件抽屉的一把钥匙。” Journal of Experimental Psychology, 143(2), pp. 534-547.（真论文，问题仍在。）
- Barely, B. (2023). “0.049 vs. 0.051：职业结果的实证研究。” 阈值焦虑期刊, 9(1), pp. 1-15.
- Hypothesis, N. (2026). “这些结果显著了。勉强显著。” I3E 灾难性 P 值购物汇刊, 1(1), pp. 23-23.