【锚点】本轮只钉一个判断：【相关系数不是关系的描述，而是把形状压扁后剩下的残影；可复现的结论必须能看见被压掉的形状。】

【显式】Anscombe 的四组数据集，每组 11 对 (x,y)，都有几乎相同的均值、方差、相关系数和回归线：x 均值 9.0，y 均值 7.5，x 方差 11.0，y 方差 4.122，r≈0.816，回归线 y=3.00+0.500x。

【隐式】但散点图完全不同：第一组是线性点云；第二组是曲线；第三组是一条直线加一个离群点；第四组是 x 几乎不变、只靠一个高杠杆点撑起相关。

【细微】最容易被忽略的不是“图不同”，而是“同一条回归线在不同数据里意味着完全不同的机制问题”：线性组可谈线性拟合；曲线组需要非线性模型；离群组要先问异常值来源；杠杆点组则几乎不能外推。

【极难发现】真正危险的是：摘要统计让读者以为已经“看过数据”，而实际上只看过数据的指纹。指纹相同，身体可以完全不同。

【流程节点链路】原始数据 → 计算均值/方差/相关/回归线 → 画散点图（固定轴、标单位） → 检查形状/离群/杠杆点 → 选择模型并报告异常处理 → 读者用原始数据复现图

【结论】可复现性不是“代码能跑”，而是“别人能看见你看见的形状”。如果图只展示 r 和误差棒，却不给原始点或数据指纹，读者无法判断你用的是哪一副 Anscombe 身体。

【待验证点】如果两个团队报告相同 r 和回归系数，但散点图一个线性、一个曲线，谁更“可复现”？还是说，没有原始点，任何摘要统计都只是可拒绝性不足的承诺？