我个人对他的论点的评价：

1. 在这里，他谈到了使用$p$作为 Null 的证据，而他的论点是$p$不能用作反对 Null 的证据。所以，我认为这个论点在很大程度上是无关紧要的。
2. 我认为这是一种误解。渔民$p$测试强烈遵循波普尔的批判理性主义思想，即你不能支持一个理论，只能批评它。所以从这个意义上说，只有一个假设（Null），您只需检查您的数据是否符合它。
3. 我不同意这里。这取决于检验统计量，但$p$通常是对 Null 的影响大小的转换。所以效果越高，p 值越低——所有其他条件都相同。当然，对于不同的数据集或假设，这不再有效。
4. 我不确定我是否完全理解这句话，但据我所知，这不是一个问题$p$至于人们错误地使用它。$p$旨在进行长期频率解释，这是一个功能而不是错误。但你不能责怪$p$对于单人$p$价值作为他们假设的证据或仅发布的人$p<.05$.

在我看来，他关于使用似然比作为衡量证据的建议是一个很好的建议（但这里贝叶斯因子的概念更普遍），但在他提出它的背景下有点奇怪：首先他离开了费舍尔检验的理由，其中没有替代假设来计算似然比。但$p$作为反对 Null 的证据是 Fisherian。因此，他混淆了费舍尔和内曼-皮尔森。其次，我们使用的大多数检验统计量是似然比的（函数），在这种情况下$p$是似然比的变换。正如Cosma Shalizi所说：

在给定大小的所有测试中$s$，具有最小未命中概率或最高功率的那个具有“说‘信号’的形式，如果 $q(x)/p(x) > t(s)$，否则说“噪音”，”并且阈值$t$ 与$s$. 数量$q(x)/p(x)$是似然比；Neyman-Pearson 引理说，为了最大化功率，如果它比噪声更有可能，我们应该说“信号”。

这里$q(x)$是状态“信号”下的密度，并且$p(x)$“噪声”状态下的密度。“足够可能”的衡量标准是$P(q(X)/p(x) > t_{obs} \mid H_0)$这是$p$. 请注意，在正确的 Neyman-Pearson 测试中$t_{obs}$被一个固定的$t(s)$这样$P(q(X)/p(x) > t(s) \mid H_0)=\alpha$.

像约翰森这样的论点经常被回收的原因似乎与 P 值是针对零的证据的指标但不是证据的度量这一事实有关。证据的维度比任何单个数字都可以衡量的多，因此 P 值与证据之间的关系总有一些方面是人们难以理解的。

我已经回顾了 Johansson 在一篇论文中使用的许多论点，这些论点显示了 P 值和似然函数之间的关系，并因此得到了证据：http ://arxiv.org/abs/1311.0081 不幸的是，这篇论文现在被拒绝了三次，尽管它的论点和证据没有被驳倒。（对于持有像约翰逊的观点而不是错误的观点的裁判来说，这似乎是令人反感的。）

添加到@Momo 的好答案：

不要忘记多样性。给定许多独立的 p 值和稀疏的非平凡效应大小，最小的 p 值来自零值，概率趋于$1$随着假设数量的增加。所以如果你告诉我你的 p 值很小，我首先想知道的是你测试了多少假设。

约翰逊是在谈论来自两个不同实验的 p 值吗？如果是这样，比较 p 值可能就像比较苹果和羊排。如果实验“A”涉及大量样本，即使是很小的无关紧要的差异也可能具有统计学意义。如果实验“B”仅涉及少数样本，则重要差异可能在统计上不显着。更糟糕的是（这就是我说羊排而不是橙子的原因），鳞片可能完全无法比拟（一个是psi，另一个是kwh）。