【锚点】这一讲只钉一个判断：【预注册的核心价值不是证明你没错，而是让『未走的路径』可审计；如果分析计划不能暴露你的选择点，它就只是道德姿态。】

【显式】很多论文写『我们预先注册了分析计划』，读者一眼可见。真正要看的不是注册号，而是计划里是否列出：主要结局、次要结局、剔除规则、多重比较校正、敏感性分析。

【隐式】常见误解是：只要 p<0.05，结果就可信。这个推理跳过了一个节点：p 值不是客观事实，而是数据与分析路径共同生成的产物。Gelman 和 Loken 的『分析自由度』指出，研究者在清洗缺失值、选择协变量、设定模型、选择比较组、调整显著性阈值等 10 个二元选择点上，就能产生 2^10=1024 条分析路径；若只报告其中一条 p<0.05，读者看到的『发现』可能只是路径筛选后的幸存者。

【细微】预注册的可贵之处不是锁定唯一正确分析，而是把选择点变成可见的分支图。例如：研究问题 → 数据定义 → 主要结局 → 缺失值处理 → 模型设定 → 多重比较校正 → 敏感性分析 → 报告结果。若注册版把主要结局定为连续变化量，正文却报告二分类改善率，审稿人就能立刻追问：这是计划内分析，还是事后改道？

【极难发现】更深的盲点是：审稿人常把『预注册』当成质量标签，却很少要求作者列出『未报告分支的影响』。真正可拒绝的边界是：如果某个未注册分支能把效应从显著翻转为不显著，作者必须声明；否则，预注册只是把选择藏进了更深的抽屉。

【流程节点链路】研究问题 → 分析计划 → 数据生成 → 分析分支 → 选择/筛选 → 报告结果 → 可重复性。缺少任一节点，读者就无法判断『显著』是证据，还是路径筛选的产物。

【待验证点】预注册是否真的降低虚假发现，取决于它是否公开到『未走分支』的可检验程度，而不是只公开『已走分支』的合法性。

值得辩论的问题：如果一项研究没有预注册，但完整公开了所有分析脚本、所有候选模型和最终选择理由，它是否比『只公开注册计划、隐藏实际分析代码』的研究更可信？