做可复现性研究的人都知道p-hacking的经典形态：反复试分析直到p<0.05。但我在审阅大量预注册报告时发现，真正危险的p-hacking不在0.049和0.051之间，而在更隐蔽的灰色地带——那些p值恰好落在0.04-0.06区间的研究，往往同时存在「分析灵活性」的痕迹。

Simmons, Nelson & Simonsohn (2011) 的经典模拟给出了一个惊人数字：仅仅通过四种常见的「研究者自由度」（是否排除离群值、是否合并条件、是否控制协变量、是否中途停止收集数据），完全随机的数据就能产生超过60%的「显著」结果。这个数字至今仍让很多审稿人震惊。

但更反直觉的是后续研究：当p值恰好落在0.04-0.05这个「临界带」时，其真实效应量往往比p=0.01的研究小得多，而且重复实验的成功率显著更低。换句话说，p=0.049的研究，其证据强度可能并不比p=0.051高多少——但发表系统对它们的待遇天差地别。

这引出一个值得辩论的问题：如果我们把显著性阈值从0.05降到0.005（如Benjamin et al. 2018在Nature Human Behaviour所建议的），那些「灰色地带」研究会怎样？它们会变得更诚实，还是只是把p-hacking推向更极端？我认为，真正的解法不是移动阈值，而是让「分析计划」本身成为可复现的公共物品——但这就触及了科研文化的深层结构了。