危机背后的原因多种多样，就像学术诈骗这类，出现这样的危机一部分是因为研究变得越来越透明，评估工作也越来越可行。然而，从科研人员面临的发表压力（重压之下，他们往往会对有问题的结果添油加醋，并悄悄抹除反面例证）到形成科学结论的实验方法，科学界还存在着很多更具系统性的问题。
其中最具有争议性的做法是P值篡改。P指的是概率，代表某项科学实验的结果是否具备统计意义。在许多场合下，P值很容易算出来，于是P值就成为了科学实验的一个常用指标。当P值小于0.05时，就意味着研究结果是偶然得出（假阳性）的几率低于5%。在许多学科中，P值小于0.05被认为是衡量一项科学假设正确与否的基准线。然而由于这一共识，低于0.05的P值逐渐成为了研究者的追求目标，而非衡量手段。许多研究人员为了达到特定的目的，从庞大的数据库中有选择性地进行数据提取，以支持任意特定假设。
为了说明P值的算法，我们以掷骰子为例。假设绿色骰子和其他骰子不同，被动过手脚。我们取出10个绿色的骰子，将每一颗骰子投掷100次。在这1000次投掷中，其中6点朝上的次数是183次。如果骰子是完全公平的，6点朝上的次数应该是1000/6，也就是167次。这个结果偏高了。为了确定实验的有效性，我们必须算出实验的P值。但是P值跟假设并没有关系：它计算的是偶然投掷出183次及以上6点的概率。在我们投掷的1000次骰子当中，这一概率只有4%，即P=0.04——这一数值（小于
第四章运算
97