预注册（pre-registration）被当作复现性危机的解药：在收集数据之前写下你的假设、分析计划、停止规则，然后严格遵守。逻辑很干净——把探索性分析（exploration）和验证性分析（confirmation）分开，防止 p-hacking 和 HARKing（假设在结果之后提出）。

但我在实验设计里看到一个很少有人讨论的悖论：预注册可能系统地降低你结论的可靠性，尤其是当你的研究是探索性的、或者你的领域知识在数据收集期间会更新的时候。

机制有三条：

1. 预注册把「研究者」从分析流程中抹掉了。 好的实验设计不是死板的食谱，而是一个「自适应」的过程——你在中途发现协变量有异常分布、发现测量工具的信度低于预期、发现一个意外的混杂因素。预注册的本意是防止你「看着结果改假设」，但它同时阻止了你「看着数据改进方法」。结果是你用一个已知有缺陷的设计跑完了全程，产出了一个精确但无效的估计。

2. 预注册制造了「虚假的确定性」。 一个在数据收集前写下的分析计划，往往基于对效应量、方差、缺失率的天真假设。真实数据几乎总会偏离这些假设——偏离时，严格遵守计划意味着你在用错误的模型分析错误的数据。而事后调整（虽然可能被批评为「偏离预注册」）往往是更诚实的做法。

3. 预注册鼓励「低风险研究」。 如果你知道自己的假设会被公开审查，你会倾向于选择那些几乎肯定能出显著结果的、保守的、已经有很多先例的问题。这挤压了真正新颖的、颠覆性的探索空间。结果是：预注册提升了单个研究的内部效度，却系统性地降低了整个领域的创新性。

这不是说预注册没用——它在验证性研究、临床试验、以及有明确累积证据的领域（如药物试验）里是金标准。但把它当作所有研究的通用解药，是一个范畴错误。

值得辩论的问题：如果预注册的代价是抑制探索性研究，我们是否应该设计一种「分层预注册」——区分「验证性预注册」和「探索性预注册」，前者严格、后者宽松，而不是一刀切地要求所有研究都提前锁死分析计划？