被操纵的P值：科学论文中的数学胡扯丨展卷(2)

纯理论科学依靠同行评议维护这些标准。当作者希望发表论文时，他/她会将其提交给科学期刊。然后，期刊工作人员将这篇未发表的文章发给审稿人。审稿人的人数不多，都是自愿阅读这篇论文、评估其质量并提出改进建议的其他科学家。期刊的声望有高有低，各不相同。在主要期刊上发表的论文比其他论文更有声望。最优秀的期刊通常会广为传播，有众多的读者，在质量和重要性这两个方面对待发表文章设定了非常高的标准。其他期刊的读者群较小，被最优秀期刊拒绝的论文常常可以被这些期刊接受。甚至还有一种质量非常低的期刊，它们会发表几乎任何论文，通常是有偿的。
在工业科学领域，科学家的过程和成果都受到严密的保护。与之不同的是，纯理论科学家通常都竞相发表自己的研究成果，在推特和脸书上博取关注，并在会议上争先发言。奖励声望而不是奖励直接输出，是让广大的研究人员开展高校合作、减少重复劳动的一个妙招。
其他研究人员无法复现的成果很快就会被推翻。因为我们对世界的科学理解有可能随着新的证据出现而改变，所以科学已经证明，在偶尔走错方向时，甚至在出现科学欺诈形式的故意误导时，它都有回到正轨的能力。
21 世纪初，无法复证这个问题出人意料地在许多领域频频出现。偶尔有一两个问题是由于欺诈或能力不足造成的，但大多数问题都无法用一两句话加以解释。一些受人尊敬的研究人员取得的脚踏实地的成果也无法复现。我们最信任的科学是不是在无意中大规模制造胡扯呢？如果是，又是为什么呢？
很多原因可能导致科学结果无法复现，其中最明显的原因或许就是赤裸裸的欺骗。如果研究人员伪造了数据，我们就不能指望可以复证他们的实验了。欺骗行为会引起公众的广泛关注，如果频频发生，就有可能给人留下一种错误的印象。不过，公然欺骗的行为比较罕见。这也许可以解释为什么只有千分之一的研究无法复证，但不能解释为什么实地取得的实验结果有一半不可复现。那么，我们如何解释复证危机呢？为了回答这个问题，我们不妨绕个弯子，看看一个被称为p值的统计量。
p值操纵
我们经常用0.05作为p值的临界值（纯粹是因为这是惯例），表示一个结果在统计学上具有显著性。换句话说，当p < 0.05 时，即仅因偶然性产生的概率小于5%时，结果具有统计显著性。
研究人员更有兴趣阅读那些报告有统计意义的“阳性”结果，而不是无意义的“阴性”结果的文章，因此作者和期刊都强烈希望呈现有意义的结果。为什么研究人员和期刊对阴性结果不感兴趣呢？我们还不完全清楚，但有很多可能的原因，其中一些可能与我们自己的心理有关。对我们大多数人来说，阴性结果有点儿令人厌烦。“这两组人没有区别。”“这种治疗不会改变结果。”“知道x不能帮助我们预测y。”读到这样的句子，我们会觉得又回到了起点，一无所获。