首先，在我的理解和原则上，在给定的数据集上测试一组不同的预定义假设是一个有效的过程。

但是，您的问题似乎与一组非预定义的假设有关，据我所知，您的问题的本质是关于“得出结论”是什么意思。正如您在评论中提到的，您的假设没有计划（或至少其中一部分）。因此，您的分析充其量只是解释性的，得出明确的结论超出了您的范围。我建议你这个问题和相关的答案来讨论为什么会这样。一个简短的总结可能是：数据集中的自由度太大，无法从查看数据后生成的假设中得出结论。

然而，记录和讨论侧面观察的影响大小是相关且有用的。请注意并让您的读者意识到这些是需要正确测试的观察结果（但这仍然可以进行合理的讨论）。

答案是暂定的；我稍后会添加或删除它。

原则上，您可以根据需要从数据中提取尽可能多的不同结论。这包括假设和推论。但是，您会注意到，这些结论可能相互重叠甚至相互矛盾。如果统计能力不足以得出结论性的结论，您可能会争辩说情况尤其如此。

但是，如果您使用相同的数据来训练、测试和/或验证某些提取或精炼方法，那将是一个严重的错误。但这可能是也可能不是这里的情况。您认为可能存在某些功能并且您测试此功能。该测试可以通过多种方式实现。问题（i）“特征 A 存在”和（ii）“特征 A 不存在”是不一样的；如果你发现你有数据支持 (i)，你仍然可能无法拒绝 (ii)。

Barnard 的测试统计数据，包括其对 Buschloo 的改进，是进行此测试的最佳方法，afaik。