描述统计：奠定结果呈现的基础

在进行任何假设检验前，报告详尽的描述统计至关重要。这包括对关键变量报告其集中趋势（均值、中位数）和离散程度（标准差、四分位距）。对于分类变量，则应报告频数和百分比。使用表格和图形（如条形图、箱线图）进行可视化呈现，能让读者快速把握数据的基本分布特征。报告描述统计不仅是规则，更是为后续的检验结果提供上下文，让读者理解检验是在怎样的数据基础上进行的。

假设检验结果的规范化报告

报告假设检验结果时，需遵循统计学报告规范。必须同时报告统计量值（如t值、F值）、自由度（df）、p值。p值应精确报告（如p=0.032），避免简单地写为p<0.05。对于重要的比较结果，建议使用“*”等符号在图表中标注显著性水平。更重要的是，需结合研究假设，用简洁的文字解释检验结果的实际意义。例如，不仅说“A组与B组差异显著（p<0.01）”，更应说明“A组的满意度评分显著高于B组，支持了假设H1”。

效应量与置信区间：超越“是否显著”

现代调研报告强烈建议超越仅报告p值，必须补充报告效应量和置信区间。效应量（如Cohen‘s d、η²）量化了差异或关联的强度，让读者了解“效应有多大”。置信区间则提供了总体参数可能存在的范围估计。报告格式如“两组差异显著（t(58)=2.45, p=0.017, Cohen‘s d=0.64），均值差的95%置信区间为[0.8, 7.2]”。这种组合报告方式提供了更丰富、更稳健的信息，帮助读者判断结果的实际重要性而非仅依赖统计显著性，是专业报告的标志。