p-hacking不可取

在学术研究中，p值通常用来衡量统计显著性，2颗星（p < 0.05）代表有一定的显著性，而3颗星（p < 0.01）则表示更高的显著水平。如果你的五个调节效应都是2颗星，这意味着它们在统计上是显著的，但不是非常显著。

期刊或同行评审可能会关注你的结果是否具有足够的显著性，但这并不意味着2颗星的结果就不够好或者不能使用。实际上，许多研究中发现的效应都是在p < 0.05的水平上显著的。重要的是，你应该透明地报告你的发现，并且根据研究设计和领域的标准来解释这些结果。

如果你觉得需要提高显著性到3颗星，那么可以考虑增加样本量、优化实验设计或者对分析方法进行调整。然而，请确保这样做是基于科学的理由，而不是仅仅为了得到更显著的结果。在任何时候，数据的诚实性和科研诚信都是至关重要的。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用

初学者是这个样子的……调显著性和学术道德不冲突，同样的数据，截尾1%显著性2星，截尾3%显著性3星，两种数据处理方法都是被普遍认可的，显著性不同说明数据分布上极端值对结果影响较大，只要标明数据处理方法，这种”调显著性“当然是符合学术道德。同理还可以选择不同的控制变量、工具变量、样本区间、回归模型，本质上是实证所依赖的假设不同，只要假设是合理的，这种”调显著性“就是被允许的。
写论文和计量教材课后习题不一样，不是给定数据给定模型给定代码然后得到标准答案的过程。