做实证研究，最激动也最纠结的时刻，就是数据出来后发现和预期不一样。假设 1 显著了，假设 2 完全不显著，假设 3 甚至方向反了。这时候怎么办？是改数据让它符合假设，还是诚实地报告？汇写（https://www.huixielunwen.com/tool/graduationThesis）在生成讨论部分时会处理 "假设不被支持" 的情况，理解如何面对意外发现，是研究者成熟的标志。
首先，不要慌。不符合预期的结果不等于研究失败。科学史上很多重要发现都是 "意外"—— 最初假设被推翻，反而引出了新的理论方向。你要做的不是篡改数据，而是认真分析为什么和预期不同。
可能的原因有几个。理论预期错了：这个变量在你的情境中确实不影响因变量，说明已有理论需要修正。测量问题：你的量表没有准确测量变量，或者样本对题项理解有偏差。样本问题：你的样本太特殊（比如都是互联网行业员工），结果不能推广到其他行业。方法问题：横截面设计无法捕捉因果关系，或者遗漏了重要的控制变量。
在论文中怎么处理？结果部分如实报告 —— 假设 2 的回归系数不显著，假设 3 的方向与预期相反。讨论部分深入分析：为什么不显著？可能的原因是什么？这对理论意味着什么？汇写在生成讨论时通常会这样处理，但你要根据自己的实际数据补充具体解释。
一个反直觉但重要的建议：把 "不符合预期" 的结果讨论好，往往比 "全部显著" 更有学术价值。全部显著的论文读起来太顺利，反而让审稿人怀疑数据真实性。诚实地讨论不显著的结果，说明你认真思考了，而不是为了假设而假设。
当然，如果你发现是数据录入错误、分析方法用错了，那要修正后再报告。但如果数据是对的、分析也没错，结果就是不显著，那就坦然接受。科学研究不保证每个假设都成立。访问https://www.huixielunwen.com/tool/graduationThesis，让 AI 帮你规范呈现结果，你诚实地讨论每一个发现 —— 无论它是否如你所愿。
