投PLOS ONE时，p值只写“p＜0.05”够吗？

投 PLOS ONE 时，结果表不能把所有检验都写成“p＜0.05”。该刊投稿指南要求，p 值大于或等于 0.001 时报告具体数值。软件给出 0.032，就写 p=0.032；给出 0.41，也写 p=0.41。前者不必压成一个“显著”标签，后者也不应只剩“无显著性”。低于 0.001 的数值不在这条精确报告要求的范围内，需按目标刊当前格式处理，不能把软件显示的 0.000 当成零。

先确认 p 值对应哪一次比较

一张表有三组数据时，可能同时有总体检验与两两比较。若表注只写一个 p=0.032，读者不知道它是在检验三组整体差别，还是 A 组与 B 组之间的差别。应在列标题、行名或表注中说明比较对象、检验方法和所报告的 p 值属于哪一次分析。假设自拟的研究先做总体检验，随后比较 A 与 B、A 与 C，三项数值就各有独立位置；不能把其中最小的一项拿来代表全表。PLOS ONE 指南还要求报告相关检验统计量及自由度，不能让一个 p 值替代整项检验的基本信息。

如果分析计划规定了多重比较校正，表中也要分清未经校正与校正后的数值，并注明使用了什么方法。不要把校正后的 p=0.048 与正文未经校正的 p=0.012 当成同一个结果反复引用。两者回答的问题不同，稿件需要让读者追到原始输出和既定分析方案。不同软件有时显示不同小数位，作者应依期刊要求设置报告精度，并检查四舍五入是否改变了阈值附近的解释。

精确数值也不能独自承担结论

例如同一自拟研究的两个估计分别为“差异 1 单位，p=0.004”和“差异 12 单位，p=0.08”。单看 p 值无法判断哪个差异更有实际意义，也看不出估计有多不稳定。美国统计学会关于 p 值的声明强调，不应仅凭是否跨过某个阈值作科学结论；ICMJE 稿件建议也提醒作者结合效应量和不确定性指标。正文可在适当位置同时给出估计值与置信区间，并说明研究设计及结果允许作出的解释。

这并不意味着把 p 值从稿件里删掉。准确做法是让它回到统计检验的原位：标出检验了什么、报告原本得到的数值、交代阈值或校正是否预先确定，然后再结合估计大小与区间讨论。尤其在结果没有达到预设阈值时，不要把 p=0.06 改称“接近显著”来暗示已经证实某个方向；也不要把数值较小写成“假设为真的概率很低”。p 值描述的是在指定统计模型下数据与假设的不相容程度，不直接给出假设为真的概率。

提交前可把每处 p 值按“位置—比较—检验—数值—是否校正”逐项核对，再对照摘要、图注和正文。若同一结果出现不同数值，先查是报告了不同模型、不同样本或录入错误，查明之后再改。这样的核对比统一替换为 p＜0.05 更费一点工夫，却能让读者看清统计分析到底做了什么。