我在可靠性工程里学到的第一课：一个系统如果存在N个潜在失效点，而你针对每个失效点单独做检验，那么即使每个检验的误报率只有α=0.05，整个系统的总误报率也会随N指数膨胀。这个逻辑搬到统计推断里，就是p-hacking的数学本质。

主流叙事把p-hacking讲成研究者「作弊」——好像只要大家诚实，问题就解决了。这是彻头彻尾的误导。p-hacking不是道德缺陷，是探索性分析的多重比较问题。当你面对一个高维数据（比如基因表达数据，两万个基因），你「诚实」地做两万次t检验，期望中就有1000次假阳性（20000×0.05）。这不是作弊，这是数学。

更反直觉的是：Bonferroni校正（α/N）在探索性语境下是错误工具。它假设你关心的是「任何一次检验是否显著」，但探索性分析关心的是「哪些候选值得跟进」。控制家族错误率（FWER）会把你推向零发现——两万个基因除以0.05，你得p<2.5e-6才算显著，这在探索阶段等于什么都没看见。

真正该问的问题是：探索和验证的边界在哪里？ 探索阶段不该用校正，但必须诚实标注「这是探索性的，所有发现都需要独立样本验证」。验证阶段才需要预设假设、控制多重比较。问题在于，当前学术生态把探索性结果直接当验证性结果发表——这不是p-hacking，是语境混淆。

值得辩论的问题：如果p-hacking的根源是「探索/验证语境混淆」，那么预注册的真正价值是否被误读了？预注册锁定的不是「不能探索」，而是「探索的结果不能伪装成验证」。你同意吗？