一本把“证据强弱”从统计显著性争论，拉回到研究设计、识别策略和效度威胁本身的基础方法书
| 问题 | 这本书怎么回答 | 你真正该获得什么 |
|---|---|---|
| 为什么同样是“有数据”，有些研究更可信 | 关键不在图表有多漂亮，而在设计能否把处理效应和历史变化、选择偏差、测量漂移等干扰区分开 | 开始用设计质量而不是表面专业感判断证据强弱 |
| 为什么随机实验被视为强证据 | 因为随机化能显著降低系统性选择差异，让处理组和对照组更接近可比 | 理解随机化到底在解决什么，而不是把它当成神秘咒语 |
| 没有纯实验条件时还能不能研究因果 | 可以，但要依靠更小心的准实验设计、对照结构和威胁识别来尽量逼近可比性 | 学会在现实约束下思考替代识别策略 |
| 为什么很多研究的问题不在统计显著，而在设计阶段 | 设计如果没有把主要偏差关掉，后面的显著性和模型精致度都可能只是精致地放大错误 | 把“先做回归”改成“先问设计” |
把这本书当作“实验万能论”。它真正教的不是迷信实验，而是理解何时实验最强、何时必须靠准实验补位、何时只能保持克制。
觉得只要做了对照组就够了。关键不是形式上有没有对照，而是对照是否真的可比、主要威胁是否被处理。
以为统计模型越复杂，研究就越强。很多时候最致命的问题早在样本进入模型之前就已经发生了。
把准实验理解成“没办法时的低配方案”。恰恰相反，很多现实场景里真正成熟的方法能力，体现在能否在约束中设计出可信的比较结构。
一项研究最关键的部分，常常不是结果页，而是你在研究开始前怎样安排组别、时点、测量和对照。
| 书里的主问题 | 建议配套图谱 | 配套价值 |
|---|---|---|
| 实验方法在总图中的位置 | 科学与方法全景图 | 把实验、准实验、识别策略和证据等级放回整条方法链中 |
| 怎样把一个问题变成可研究设计 | 《研究是一门艺术》全景图 | 前者补问题与论证工作流，后者补怎样把它落成可识别的研究结构 |
| 干预问题与反事实问题怎样成立 | 《为什么》全景图 | 让实验设计不只是技术模板，而是和因果语义、识别条件连起来 |
| 怎样防止研究结果在表达层偷换判断 | 《统计数字会撒谎》全景图 | 先防统计包装，再谈设计质量，证据判断会更稳 |
| 怎样在不确定世界里谨慎看数据和预测 | 《信号与噪声》全景图 | 前者补设计与识别，后者补统计判断与预测谦逊 |
设计不清，统计再精致也很难挽救因果判断。
随机化的价值，不是形式漂亮，而是让比较更像真正的反事实比较。
准实验不是低配，它是现实世界里认真逼近因果识别的重要办法。
看一项研究，先问它防住了哪些效度威胁，再问它得出了什么结论。