P值黑客（P-hacking）是指在统计分析过程中，通过反复尝试不同的数据处理方法、模型设定或变量选择，直到获得具有统计学显著性（通常指P值小于0.05）的结果的一种研究实践。这种行为往往源于研究者对统计显著性的过度追求，而非基于先验理论或假设。常见的P值黑客手段包括：剔除异常值、变换变量测量尺度、尝试多种统计检验、或仅报告显著结果而忽略不显著发现。尽管这些操作可能在表面上符合统计规范，但它们实质上扭曲了科学推断的客观性，增加了第一类错误（假阳性）的风险，并可能导致不可重复的研究结论。
P值黑客现象在心理学、管理学等依赖统计推断的学科中尤为突出，它反映了研究者在面对发表压力或职业竞争时可能无意识或有意识地偏离科学严谨性。值得注意的是，某些P值黑客行为并非出于恶意，而是源于对统计方法理解的不足或对研究规范的模糊认识。然而，其后果同样严重——它可能助长“抽屉效应”（file drawer effect），即仅显著结果被发表，从而扭曲了学术领域的知识积累。
要防范P值黑客，研究者可采取预注册研究设计、公开数据与代码、使用贝叶斯统计作为补充、以及强化对统计素养的培训。近年来，科学界推动的“可重复性危机”讨论正是对这一问题的深刻反思。延伸阅读推荐西蒙·盖恩的《统计学七支柱》或科恩的经典论文《地球是圆的（P < 0.05）》，它们从方法论与哲学层面剖析了统计推断的陷阱与革新方向。