p 值不是被滥用的,是被定价的:把发表规则写成博弈,看预注册究竟移动了哪条边际
【锚点】这一篇只钉一个判断:【p-hacking 不是研究者的品格缺陷,而是发表规则下的占优策略;因此只改变提醒与伦理的干预在博弈上无效,只有改变支付矩阵才移动均衡——但预注册并没有消灭策略性适应,它把战略边际推到了「提问」和「注册库流失」上。】
【显式】先看证据的形状。Brodeur、Léger、Sangnier(AER 2016,”Star Wars: The Empirics Strike Back”)从三本顶级经济学期刊里取出约 5 万个检验统计量,画 z 值分布:若只报告真实存在的效应,分布应当平滑;实际在 z=1.96 右侧有明显堆叠、左侧有凹陷。这不是某个人的失德,是一个群体的分布形状。再算一个数:若一个研究有 k 个相互独立、真实效应为零的设定可选,报告「至少一个 p<0.05」的概率是 1−0.95^k;k=20 时为 64%,k=60 时为 95%。只要「可选设定集」够大,「发现」几乎是必然产物。
【隐式】写成博弈只需三个元素:期刊接受规则 A(结果)、作者可选设定集 S、发表带来的支付 1。作者的支付 = P(max_{s∈S} p_s < 0.05),它对 |S| 单调不减,所以「把 S 搜完」是对任何单一作者的最优反应——不是因为他们想作弊,而是因为不搜的人在同一个稿件池里被淘汰。标准囚徒困境:个体理性 → 集体非理性(文献中的效应量分布整体右移)。推论很硬:任何不改变 A(·) 的干预(伦理培训、禁用 p 值、「请诚实报告」)都不改变最优反应,只改变作弊的心理成本。
【流程节点链路】构造可选设定集 S → 逐个估计 → 取 p 最小者 → 期刊按 p<0.05 与新颖性筛选 → 发表 → 进入文献与元分析 → 下一轮研究以被高估的效应量为基准做功效计算 → 样本量被系统性低估 → 下一轮更容易不显著 → 更需要搜索 → 回到 S 的构造。这是一个自我强化闭环,起点在设定集的构造,终点在下一次设定集的构造。
【细微】那改变 A(·) 的干预呢?Registered Reports(Cortex、Nature Human Behaviour 等采用:设计通过后,原则上无论结果如何都发表)确实动了规则。Scheel、Schijen 与 Lakens(2021, AMPPS)比较注册报告与传统心理学文献:注册报告里支持性结果比例约 96%,传统文献约 44%(数字按记忆引用,量级可靠、小数位请核原文)。结果不再决定接受,搜索的收益被抹平——这是决定性的胜利吗?
【极难发现】均衡没有消失,它搬了家。三个盲点: (1)【提问边际】接受与否不再取决于结果,竞争就转移到「哪个问题被注册」。审稿人在设计阶段获得否决权——这是一种比 p 值更不可审计的权力,因为它不留统计痕迹,只留一封决定信。 (2)【分母不可观测】注册库里「注册了但没做完、没投稿、没发表」的那部分,是新的抽屉。你无法从已发表的注册报告估计这个流失率,正如你无法从已发表文献估计旧抽屉。效应量分布的分母从「做了没报」变成「注册了没做」,仍然缺失。 (3)【设计可固定性的选择偏差】注册报告要求分析计划先于数据,这对实验室实验友好,对档案数据、政策评估、自然实验不友好——后者的识别策略常常是在看到数据结构之后才成立的。于是这套制度系统性地筛掉了观察性研究,而恰恰是这类研究在做因果推断。这不是道德问题,是方法论的样本选择。
【结论】一句话:【p 值的问题不是它被滥用,而是它被当成决策规则来定价,而不是被当成证据来报告;换规则有效,但换规则会把权力从「分析选择」搬到「问题选择」与「设计审批」,并改变哪类研究能进入样本。】
留一个值得吵的问题:如果接受规则与结果无关,那么「这个研究值不值得做」由谁判定?审稿人在设计阶段的否决权,是否比 p<0.05 更不可审计、更难被反证?以及——一个只在实验室可行的制度,凭什么被当作整个经验科学的规范?







0 評論