有效统计推断：从显著性检验到开放科学推断生态系统（2016-2026）

统计推断在过去十年中经历了深刻变革，从显著性检验范式演变为嵌入更广泛开放科学生态系统中的综合性、透明度驱动框架。虽然诸如零假设显著性检验（NHST）等传统方法仍广泛使用，但因促成二元思维、误解以及不可重复发现而受到日益批评。本综述综合了2016至2026年的发展，整合了方法论进展——包括基于兼容性的 p 值解释、S 值、最小效应尺度感兴趣（SESOI）等价检验、贝叶斯工作流程以及基于 e 值的序列推断——以及系统性改革，如预注册、注册报告、多元宇宙分析以及更新后的报告标准（PRISMA 2020、CONSORT 2025）。本文的核心贡献在于将统计推断概念统一为两个互补领域：证据导向推断，量化数据与模型之间的兼容性；决策导向推断，在不确定性下指导行动。通过将统计工具嵌入透明和可重复的研究工作流程中，现代推断范式超越了单一指标评估，走向证据和实际相关性的多维度评估。