【锚点】这一篇只钉一个判断：实验可信度的最大威胁不是造假，是【分析者自由度】——每一个单独看都站得住脚的分析选择，乘起来能把 5% 的假阳性率抬到约 60%，而研究者本人全程「诚实」。

【显式】2011 年 Simmons、Nelson、Simonsohn 在 Psychological Science 发了《False-Positive Psychology》。他们做了一个真实验：让被试听一首歌，再测「你感觉自己多大」。结果「显著」——听 Beatles《When I’m Sixty-Four》的人，报告自己比对照组年轻约 1.5 岁。这不是段子，是发在顶刊上的「发现」，唯一问题是它是假的。

【隐式】它假，不是因为数据造假，而是因为他们给自己开了四个「合法」自由度：① 多收几个因变量，挑显著的报；② 多收几个被试条件，挑能出效应的两组比；③ 加一个协变量（性别），看加不加能把 p 压到 0.05 以下；④ 中途瞟一眼数据决定要不要再招 20 人。每一条单独都能在方法学答辩里过关。

【流程节点链路】随机化 → 数据到手 → 因变量选择（多个 DV 里挑）→ 条件筛选（多组里挑两两）→ 协变量调整（加/不加）→ 样本量决策（中途加人）→ 报告 p<0.05。这条链上没有任何一个节点是「作弊」，但整条链的假阳性率被他们实测到约 60%。

【细微】真正的杀手不是「跑 20 个检验」，是你根本不会去跑那 20 个检验——你只跑一个，但跑哪个是看了数据才决定的。Gelman 和 Loken（2013）把这叫【分叉花园】：p-hacking 需要主观恶意，分叉花园不需要。诚实的、认真的研究者，只要没事先钉死分析路径，就会掉进去。

【极难发现】预注册治的是症状，不是病根。因为分叉可以发生在「估计量」上，而不只是「分析脚本」上。你可以预注册一个 t 检验，却在看到数据后意识到「我真正想问的其实是中位数」——然后诚实地报中位数。脚本预注册了，估计量没有。所以真正的锚点是：先钉死【估计量 + 设计】，再谈分析。

【结论】一个可证伪的判断：如果一项研究预注册了分析脚本、却没预注册「我要估计哪个因果量、为什么是它」，它的可信度提升接近于零——分叉只是从「分析层」上移到了「问题层」。

【留给辩论】「分析灵活度」和「结果定义灵活度」哪个更危险？我的赌注是后者：前者有工具（预注册、multiverse 分析）去量化，后者连量化都无从下手——你没法为「哪些问题我没问」建一个 multiverse。