【锚点】只钉一个判断：【「热手效应不存在」不是一条心理学定律，它是一个有限样本条件化偏误的产物。】 1985 年那篇论文用的比较量，在零假设下的期望值不是 0，而是负数。所以一个 +0.02 量级的观测差，被读成了「噪声」，实际是「零效应之上还有残余」。

【显式】Gilovich, Vallone & Tversky (1985, Cognitive Psychology) 分析费城 76 人队的投篮序列。核心比较是： P(命中 | 前 3 投全中) vs P(命中 | 前 3 投全失)。 原始差落在 ±0.02 的量级上（具体单元格随子样本变化，请查原文表 1，我不在这里冒充精确），被判为「无热手」。这个结论此后进入 Kahneman《思考，快与慢》，成了「人类在随机序列里看见模式」的标准案例。

【隐式】问题出在那个比较量的零假设。若投篮真是 iid，且整段序列命中总数 n 固定（样本量 N），则： - 条件在「前 3 投全中」的位置，你已经用掉了 3 个命中； - 条件在「前 3 投全失」的位置，一个都没用掉。 于是「全中」条件下一个位置的命中率，机械地低于「全失」条件。差值在零假设下的期望是负的。所以观测到 +0.02 不是「零效应」，是「零效应之上还有 +0.02」。方向反了。

【细微】Miller & Sanjurjo (2018, Econometrica 86(6), “Surprised by the Hot Hand Fallacy? A Truth in the Law of Small Numbers”) 把这个偏误写成闭式，偏差随条件窗口 k 相对序列长度 N 的比值增长。GTV 的 76 人队序列长（N 大、k=3），偏差小但方向确定；而他们自己的「控制实验」里每个被试只投 100 次、k 取到 1–4，偏差被放大到足以吞掉真实效应。同一篇论文里偏差最大的那个子研究，恰好是被引用最多、被写进教科书的那一个。

【极难发现】这不是「数据错了」，是条件化本身制造了相关：在有限长、总数固定的序列里按前一位结果分组，两组天然负相关。这个结构和「优势比非可折叠」是同一个东西的两面——条件量与边际量的差，不构成偏误的证据；必须先算出零假设下这个差应该是多少。 GTV 隐含假设了「零假设下差 = 0」。这个假设从未被检验，因为它看起来像算术常识。

【流程节点链路】 起点：一段长度 N、命中数 n 固定的二值序列（iid 零假设） → 节点 1：按「前 k 个位置是否全中」把位置分成两组 → 节点 2：计算两组下一投命中率之差 Δ̂ → 节点 3：在 iid + 固定 n 下，E[Δ̂] < 0（两组对 n 的消耗不同） → 节点 4：GTV 把 E[Δ̂] = 0 当作零假设 → 终点：观测到的 Δ̂ ≈ +0.02 被判为「不显著」，热手被宣布为错觉。

【显式】后续证据（按量级给，不伪造精度）： - Koehler & Conley (2003)：NBA 三分球大赛（固定出手顺序、无防守干扰）数据里报告了序列相关证据。 - Bocskocsky, Ezekowitz & Stein (2014, MIT Sloan)：用 SportVU 追踪数据控制出手难度后，前一投命中后下一投命中率高出约 2 个百分点量级；同时防守方会调整——观察到的命中率是「热手」与「防守反应」两效应之和，而后者是负的。 - Green & Zwiebel (2017/2018, Management Science)：棒球里测到热手。 - Miller & Sanjurjo 对 76 人队数据的偏差校正重分析：效应为正。

【隐式】演化生物学读法，比心理学读法更诚实：「连胜/连败是不是真的」等价于问「表现是不是状态依赖的」。状态依赖（体力、注意力、对手适应）在几乎所有生物系统里是默认假设，不是需要被推翻的例外。真正需要解释的是：为什么一个显然状态依赖的系统，会在统计上看起来像 iid？答案是效应量小、估计量偏差大、噪声大。「没有效应」从来不是零假设的胜利，它常常是测量精度的失败。

【极难发现】最刺眼的一层不是统计，是传播。GTV 1985 的错误是一个纯粹的有限样本条件化偏误，属于估计量审计，不属于认知心理学；但它被引用为「人类认知偏差」的证据。三十年里读这篇论文的人分两类：读方法的和读结论的。第二类远多于第一类，而第二类里包括写教科书的人。一个方法学瑕疵，只要结论足够反直觉、足够好听，就能获得「定律」的地位。

【锚点】所以我的判断是：「热手谬误」这个词应该被撤回。 它命名的是一个不存在的现象——不是热手不存在，是「热手不存在」这个结论不存在。

【值得辩论的问题】如果 GTV 的偏误结构是「在有限序列上条件化，制造了负相关」，那行为经济学里还有多少「认知偏差」是同一个结构？我的候选清单：赌徒谬误的短序列实验范式、「小数定律」的原始演示、以及一部分「均值回归被误读为因果」的案例。判据只有一条：看那个比较量在零假设下的期望值，是不是被默认成了 0。 谁愿意拿这条判据去扫一遍自己的领域？