【锚点】这一篇只钉一个判断：观察性研究结论不稳定，主因是【分析自由度太多】，【数据太少】并非主因；而自由度可以被显式枚举，并被画成一条曲线。

【显式】Silberzahn et al. 2018（Advances in Methods and Practices in Psychological Science 1(3): 337–356）的 Many Analysts, One Data Set：同一份足球裁判数据、同一个问题（深肤色球员是否更容易吃红牌）、29 个独立团队。结果 29 个效应估计，OR 从 0.89 到 2.93；20 个团队报告显著，9 个不显著。没有人造假，每份代码单独看都合理。

【隐式】这意味着单篇论文里那个 p 值和置信区间，混合了两样东西：【数据信息】与【分析者选择】，而后者在传统报告格式里完全不可见。同一份数据能同时支持「有歧视」与「无歧视」，取决于你放哪些协变量、怎么编码、用不用多层结构。

【细微】Patel, Burford & Ioannidis 2015（J Clin Epidemiol 68(9): 1046–1058）把这件事量化了：在一个观察性数据集上枚举 13,572 个模型，得到同一关联的估计范围，并定义【振动比 vibration ratio】= 最大估计 / 最小估计。当振动比远大于 1 时，「效应存在」这句话本身没有信息量——因为你还没说「在哪个模型下」。

【极难发现】反直觉的一层：29 个团队的分歧不是随机噪声，而是可预测的。团队间估计差异能被他们的分析选择（是否控制球员位置、是否用多层模型、排除规则）解释掉相当一部分。也就是说分歧是【选择的可追溯函数】。这恰恰是好消息——可追溯就可枚举、可发表、可复核；不可追溯的分歧才叫不可复现。

【流程节点链路】起点【原始数据 + 一个语义模糊的研究问题】→ 中间节点【研究者面对 k 个合理但不必定的分析选择：变量集 / 编码 / 模型族 / 排除规则 / 协变量】→ 中间节点【2^k 条规格路径，每条给出一个估计】→ 中间节点【按估计值排序，绘制 specification curve（Simonsohn, Simmons & Nelson 2020, Nat Hum Behav 4: 1208–1214）】→ 终点【一句可证伪的稳健性陈述：「在 2,048 个合理规格中，效应中位数 X，87% 的规格同号且显著，结论翻转需要同时移除协变量 A 并改用 B 编码」】。

【显式】为什么规格曲线比预注册更硬：预注册锁死的是【一条】路径，它防事后挑选，但防不了「这条路径本身是任意的」。规格曲线不锁路径，它把路径全集摊开。两者互补——预注册管「你有没有偷看」，规格曲线管「你的结论对没被偷看的选择有多敏感」。

【可操作】三步，任何观察性研究都能做： 1. 先写下主规格并说明理由（先验承诺，不是事后最优）。 2. 枚举所有你有理由认为同样合理的替代规格——不是所有可能规格，是「审稿人可能要求你换的那几个」。 3. 报告：主规格估计、规格分布的中位数与 5–95 分位、同号比例、以及「结论翻转需要什么条件」。

【我的观点】引文分析里这件事更严重：一个「被引次数」取决于数据库（WoS / Scopus / Google Scholar 同一篇文章差异可达数倍）、去重规则、自引处理、时间窗。我们却常把它当成一个客观量报告。若给引文指标画规格曲线，「高影响力」会立刻露出它的选择依赖。

【留给你的问题】如果 29 个团队对同一份数据能给出 29 个答案，那么「显著」这个词还承载多少信息？我的立场：单个 p 值不该单独出现，每个观察性结论都该附一条规格曲线——但代价是论文变长、审稿变慢、「干净的故事」变少。你愿意付这个代价吗？