教程 ·
p 值不是万能的，为什么论文越来越强调效应量
p<0.05就代表结果重要吗？本文讲清楚p值和效应量（Cohen's d、eta方、r等）的本质区别，为什么顶级期刊越来越要求同时报告效应量，以及在论文里该怎么正确解读和呈现两者。
"p<0.001，结果非常显著"——这句话在很多论文的结果部分随处可见，但它其实只回答了一半的问题：这个差异是不是真实存在的？至于这个差异到底有多大、有没有实际意义，p 值本身并不能告诉你。这正是效应量（effect size）存在的意义。
p 值到底在回答什么问题
p 值的严格定义是：在原假设为真的前提下，观察到当前数据（或更极端情况）的概率。它回答的是"这个差异是不是偶然出现的"，本质上是一个关于统计显著性的判断。
p 值有两个常被忽视的特性：
- 样本量会直接影响 p 值的大小：同样的效应大小，样本量越大，p 值越容易达到显著（p<0.05）。这意味着一个样本量足够大的研究，哪怕两组只相差 0.01 分（几乎没有实际意义），也可能得出"差异显著"的结论。
- p 值不告诉你差异有多大：p=0.001 和 p=0.04 都表示"显著"，但你无法从 p 值本身判断哪个差异在实际意义上更大——因为 p 值同时受效应大小和样本量两个因素影响，无法单独拆解出"效应有多大"这个信息。
这就是为什么单独报告 p 值容易产生误导：一个统计显著但效应量极小的结果，在实际应用中可能毫无意义。
效应量在回答什么问题
效应量衡量的是差异或关系的实际大小，不受样本量直接影响（这是效应量与 p 值最本质的区别）。常见效应量指标：
| 分析类型 | 常用效应量指标 | 解读参考（Cohen 经验标准） |
|---|---|---|
| 两组均值比较（t 检验） | Cohen's d | 0.2=小, 0.5=中, 0.8=大 |
| 多组均值比较（方差分析） | eta方（η²）/ partial η² | 0.01=小, 0.06=中, 0.14=大 |
| 相关分析 | 相关系数 r | 0.1=小, 0.3=中, 0.5=大 |
| 回归分析 | R²（解释方差比例） | 依研究领域而异，无统一经验标准 |
| 卡方检验（分类变量关联） | Cramér's V / Phi 系数 | 依自由度不同标准不同 |
效应量的关键价值在于：它是一个不随样本量变化而系统性膨胀的指标，两个不同样本量的研究，如果效应量接近，说明现象背后的实际强度是可比的——这也是为什么效应量是元分析（meta-analysis）能够跨研究整合结果的基础。
一个具体的例子说明两者的差异
假设有两个研究都比较了实验组和对照组的某项测试得分：
- 研究 A：每组 20 人，均值相差 5 分，标准差 5 分，Cohen's d = 1.0（大效应），但由于样本量小，p = 0.08（不显著）
- 研究 B：每组 2000 人，均值相差 0.5 分，标准差 5 分，Cohen's d = 0.1（极小效应），p < 0.001（高度显著）
如果只看 p 值，研究 B 看起来"结果更有力"；但从效应量看，研究 A 揭示的现象强度是研究 B 的 10 倍，只是样本量不够、统计功效不足以达到显著。这正是为什么单独依赖 p 值排序研究的"重要性"是有问题的。
为什么期刊越来越强调效应量
这背后有一段学术界的反思历程：2010 年代起，心理学、医学等领域经历了"可重复性危机"（replication crisis），大量声称"显著"的研究结果无法在重复实验中复现。事后分析发现，很多研究存在"p-hacking"（不断调整分析方式直到得出 p<0.05）的问题，而效应量小、样本量刚好卡在能显著的临界点，正是这类问题的典型特征。
因此，美国心理学会（APA）在第六版、第七版格式手册中都明确要求：报告统计检验结果时必须同时报告效应量，很多期刊的审稿要求也随之收紧，只报告 p 值而不报告效应量的稿件，常常会被要求补充修改。
论文里怎么正确报告
规范的报告方式是同时呈现两者，且措辞上要区分"统计显著"和"实际重要"：
独立样本 t 检验结果显示，实验组得分（M=78.3, SD=6.2）显著高于对照组（M=72.1, SD=5.9），t(98)=4.86, p<.001，Cohen's d=0.97，效应量达到大效应标准，说明该差异不仅具有统计显著性，实际影响幅度也较大。
如果效应量很小但统计显著（大样本常见情况），诚实的写法是明确指出这一点，而不是回避：
虽然差异在统计上显著（p<.001），但效应量较小（d=0.08），提示该差异的实际意义有限，可能主要归因于样本量较大带来的统计功效提升。
这种"既报告显著性、又诚实讨论效应量大小"的写法，在审稿人眼中通常比单纯堆砌"p<0.001"更有说服力。
用 ChatSRS 怎么做
效应量的计算公式因分析类型而异（Cohen's d 的分母该用哪个标准差、eta方和 partial eta方该怎么选），手动算很容易出错。用 ChatSRS 时，效应量是标准输出的一部分，不需要额外要求：
"帮我对这两组数据做独立样本 t 检验。"
AI 会在三线表和文字解读中同时给出 t 值、p 值和 Cohen's d，并在解读段落里说明效应量对应的大小等级，不需要你事后自己补算。
常见 FAQ
Q：效应量小是不是说明研究没有价值？
A：不一定。有些领域（比如公共卫生政策、大规模行为经济学干预）本身效应量普遍偏小，但因为影响人群基数巨大，小效应量依然有很大的实际价值（比如某个提醒机制让疫苗接种率提高 1 个百分点，在全国范围内也是巨大的公共卫生收益）。效应量的大小需要结合具体研究领域的常见范围来判断，不能脱离领域背景照搬 Cohen 的通用经验标准。
Q：如果 p 值不显著，但效应量不小，该怎么写？
A：这种情况通常出现在样本量不足、统计功效（power）较低时。诚实的写法是报告实际的效应量和置信区间，说明"虽然本研究样本量下未达到统计显著，但观察到的效应量为中等/较大，提示该效应可能真实存在，未来研究可通过扩大样本量进一步验证"，同时避免过度解读不显著的结果为"证明了没有差异"（不显著不等于零效应）。
Q：所有效应量指标之间可以互相换算吗？
A：部分可以，比如 Cohen's d 与相关系数 r 之间存在换算公式，但换算前提是数据结构和分析假设匹配，跨分析类型的效应量（比如把方差分析的 eta方直接类比回归的 R²）需要谨慎，最稳妥的做法是直接报告该分析类型对应的标准效应量指标，而不是强行换算成另一种指标。
本文首发于 ChatSRS 官方博客。如有问题或反馈，欢迎在 ChatSRS 站内【用户中心 -> 帮助与反馈】联系我们。