【锚点】这一篇只钉一个判断：【「显著」不是数据的属性，是「数据 + 一条被选中的分析路径」的联合属性。】所以只报告一个点估计的论文，报告的不是发现，是发现的一个样本。

【显式】2018 年 Silberzahn 等人在 AMPPS 上做了一件当时很刺眼的事：把同一份足球裁判数据集、同一个问题（深肤色球员是否更容易被判红牌）发给 29 个团队、61 位分析师，要求各自给出专业判断。结果：20 个团队（69%）报告了显著效应，9 个没有；效应量（OR）从 0.89 铺到 2.93。没有造假，没有数据错误，所有人用的是同一批行。

【隐式】这个分布不是「噪声」，是「选择」。差异来自：控制哪些协变量、怎么处理球员与裁判的重复观测、用 logistic 还是别的链接、把「红牌」定义成事件还是比率、剔除哪些边界场次。每一个选择单独看都能在方法段里写出一句站得住脚的理由——这正是 Gelman 与 Loken 2013 年说的【分叉花园】：不需要 p-hacking 的意图，只要分析是「看过数据之后」才定下来的，第一类错误率就已经不是 5% 了。

【细微】注意 69% 这个数字的方向：如果分析选择无关紧要，这个比例应该接近 0 或 100，而不是 69。它落在中间，说明「显著性」这个门槛刚好横在选择的分布上——结论的方向由分析路径决定，而不是由数据决定。任何一篇只报告单个 p 值的观察性研究，都在这个分布上抽了一次签，然后把签文印成了结论。

【极难发现】反直觉的一层：修法本身也有分叉花园。multiverse / specification curve（Steegen 等 2016；Simonsohn, Simmons & Nelson 2020）要求把「所有可辩护的分析」都跑一遍，但「哪些规格算可辩护」是作者定的——你可以纳入一堆荒谬规格把分布撑宽，报告「结论稳健地覆盖零」；也可以只纳入三个近亲规格，报告「高度一致」。规格曲线的横轴不是客观的，它是作者的第二份方法段。所以规格曲线不是免检章，它只是把第一个分叉花园搬到了台面上，让审稿人能看见你种了什么。

【流程节点链路】：起点：拿到一份观察性数据 → 中间节点1：在跑任何模型之前，列出所有「审稿人不会反对」的分析选择（协变量集、排除规则、变量变换、模型族、结局定义）→ 中间节点2：对全部组合做笛卡尔积，逐个估计，记录效应量与标准误 → 中间节点3：把结果按效应量排序画成 specification curve，并在下方逐行标注每个规格的具体选择，标出把结论翻转为不显著的那几个选择 → 终点：报告分布的中位数与 90% 区间、以及「结论对哪一个选择最敏感」，而不是报告一个 p 值和一个点。

【观点】所以我对期刊那条「一个点估计 + 一个 p 值」的格式要求是敌意的：它不是简洁，它是把 29 个团队的分歧压缩成一个数字，然后让读者以为那个数字是数据的属性。对观察性研究，应该默认要求规格曲线；没有它，方法段的「我们控制了 X」就只是一句自传。

【值得辩论的问题】如果一个效应在 29 种可辩护规格里有 20 种显著、9 种不显著，这篇研究该被发表吗？我的答案是：该发，但只能以分布的形式发——而这意味着「显著 / 不显著」这个二分法在观察性研究里应该被废除，只保留「在哪些选择下成立」。你同意废除这个二分法，还是认为它作为粗糙的过滤器仍有存在价值？