您不会根据双尾检验中的近显着性来选择单尾检验。

您不会根据数据中的方向信息来选择单尾测试的方向。

或者至少，如果你做这些事情，你还必须将得到的 p 值加倍。

单尾测试——如果你做一个测试——必须基于事先考虑，在你知道数据中有什么之前就位。如果不是这种情况，则显着性水平（和 p 值）是没有意义的。

报告与您的假设相对应的结果，该假设应该是单尾或双尾，而不是两者。在进行测试之前，您应该能够在理论上决定哪个是合适的。一旦你决定了，报告你计算出来的p值。如果它非常小，请考虑在回答这个问题时的建议：如何小$p$- 值被报告？（为什么 R 在 2.22e-16 上设置最小值？）如果您使用 Neyman-Pearson 方法来解释您的p值，您可能知道如何根据误报错误来决定是拒绝还是保留您的原假设率，您还必须提前选择。

在对其他等价的原假设进行双边检验之后应用单边检验是不正确的。同样，根据您的理论目标，一个或另一个是合适的，而不是两者都合适。如果双面测试是合适的，您使用的是 Neyman–Pearson 框架，并且您没有拒绝 null，那么这就是您的结果。如果这不符合您的目的，您仍然可以复制该研究并查看下一次结果如何，但即使第二个拒绝 null 结果，也不要不报告您的第一个 null 结果。这是文件抽屉效应的主要原因之一，这是元分析师最可怕的噩梦。

有关了解单尾测试和双尾测试之间差异的更多信息，请参阅：

• 一尾和双尾测试的区别？
• 独立 t 检验。一尾还是二尾？
• 单尾假设检验的证明