同一份数据试了很多模型，为什么最小的 p 值往往最不可靠
同一数据反复更换变量、分组和模型，再只报告最小 p 值，会扩大偶然显著和选择偏差。本文结合 ASA 六项原则与 NIST 多重比较方法，说明检验族、效应大小、区间和透明报告。
从一个数据问题继续读下去。
文章覆盖基础方法、统计软件、研究设计、工程经济数据和媒体图表，使用不同情境说明如何阅读资料。
从概率分布开始理解一张数据表
统计学习的第一步不是套用公式，而是知道数据来自哪里、如何变化，以及哪些差异值得解释。
时间序列时间序列预测先看季节性还是趋势
面对连续月份或季度数据时，先拆开时间结构，比直接比较两个总数更容易看出变化来源。
回归模型回归模型的系数应该怎样阅读
回归表格不只是显著性标记的集合，变量定义、模型条件与预测范围同样影响结论。
统计软件SPSS、EViews 与 R：怎样按任务选择工具
软件名称不是学习目标，真正需要比较的是数据类型、操作方式、复现要求和输出形式。
研究方法研究方法从问题到资料来源的四个转折点
研究计划最容易出现的问题，是过早进入分析软件，却没有先把问题、样本与证据边界说清楚。
应用数据工程与经济数据怎样放在同一张观察表里
工程指标和经济指标的单位、频率与测量误差不同，跨主题比较时更需要先整理资料结构。
图表阅读媒体数据中的图表为什么需要重新核对
新闻和社交平台里的图表传播很快，但标题、截取区间和坐标轴常常决定读者最后看到什么。
按问题继续
文章不是孤立摘要，读完后可以回到课程目录和研究索引，继续查找相关方法与案例。