在心理科學領域中，p hacking（p值操縱）是指研究者通過多種方式操縱數據或分析方法，以獲得統計上顯著的p值（通常小於0.05）的行為。這種行為被認為是不科學的，因為它可能導致虛假的結果。以下是一些常見的p hacking行為：
多重比較：在沒有校正的情況下進行大量統計檢驗，直到找到顯著的結果。例如，測試多個變量或條件，直到發現某個顯著的關聯。
選擇性報告：只報告顯著的結果，而忽略不顯著的結果。這可能導致對研究結果的誤導性解釋。
數據挖掘：在沒有明確假設的情況下，對數據進行大量探索性分析，直到找到顯著的模式或關聯。
刪除異常值：在沒有合理依據的情況下，刪除或調整數據中的異常值，以改善統計顯著性。
更改測量指標：在分析過程中更改測量指標或結果變量，直到獲得顯著的結果。例如，將連續變量轉換為分類變量，或選擇不同的量表。
停止數據收集：在數據收集過程中，根據初步結果決定是否繼續收集數據。例如，當看到顯著的趨勢時停止收集數據，以避免稀釋顯著性。
選擇性分析：在分析數據時，選擇性地使用不同的統計方法或模型，直到獲得顯著的結果。
這些行為雖然可能增加發表顯著結果的機會，但卻損害了研究的科學性和可信度。近年來，心理科學領域越來越重視研究透明度和可重複性，以減少p hacking的發生。