统计报告陈述的并非若干孤立计算，而是研究对象、观察资料与推断结论之间的关系。“p<0.05，有显著差异”只说明指定检验下的拒绝结果，尚未说明差异多大、估计多精确，以及结论适用于什么人群和研究条件。效应量、区间估计与研究设计共同承担这些解释。
概率对象决定数值含义
“密度为 2，所以概率是 2”混淆了高度与面积。密度表示单位长度上的概率强度，区间概率要通过积分取得；测量单位改变时密度高度也会改变。随机变量 对概率质量、密度和累计概率的区分，是正确理解这类结果的基础。
互斥与独立也约束不同对象。互斥说明两个事件不能同时发生，独立说明联合概率能够分解。两个正概率事件若互斥，知道一个发生便排除了另一个，其概率信息显然改变，因而不独立。这个区别来自 条件概率，不能只从事件名称或图形外观判断。
标准差描述个体观测的波动，标准误描述估计量在重复抽样中的波动。它们分属数据分布与抽样分布，具体关系见 抽样分布。均值常比个体稳定，但近似分布还受尾部、依赖、稀有事件和精度要求影响；n≥30 不是适用于所有对象的正态保证，相关条件见 CLT。
区间与检验的推断范围
95% CI 在频率学派中描述区间程序的重复抽样覆盖率。一次区间产生后，端点已固定，不能据此赋予固定参数落入该区间的 95% 概率。置信区间 说明了参数与随机区间各自的角色。
p 值同样以指定假设和程序为计算前提。它是在零假设下取得至少同样极端数据的概率，而非零假设为真的概率，详见 检验。没有拒绝假设可能由于差异很小，也可能因为信息不足；研究等效性需要预先定义容许界限和相应程序。功效 将真实效应大小与检验的检测能力联系起来。
显著性与实际价值还需分别解释。实施某项处理的价值取决于效应大小、成本和不确定性，不能只由显著性门槛确定。效应量 对绝对与相对尺度的区分，有助于表达结果的实际含义。
回归结果中的尺度与目标
OR=2 表示优势的倍数关系，基线概率决定相应概率变化。用概率增加一倍来解释它，会把优势尺度换成风险尺度。Logistic 的系数解释需要保留这一差别，也需注明比较方向和条件化变量。
调整变量的作用由因果结构决定。中介与碰撞变量可能使调整改变估计目标或引入偏差，增加变量数量并不必然更接近因果效应，见 因果识别。预测中的高 AUC 则主要描述区分能力，概率校准和独立资料上的表现仍需分别评价，见 评估。
统计分析中的选择也属于程序的一部分。只保留显著结果、反复探索子组或更换结局，会改变错误率和解释范围。多重比较 讨论这种从单项推断到整组结论的变化。
研究对象与分析依据的陈述
一项比例或效应估计的含义，由目标群体、观测单位、纳入规则、结局窗口和组别定义共同确定。独立、配对或聚类结构影响方差计算，随机分配与观察性来源影响比较解释。主分析是否预先设定，则关系到分析选择与错误率。因此，这些设计信息是报告中统计结论的组成部分。
人数与比例也承担不同作用。总样本量、每组人数及成功数构成估计的分子和分母；缺失与排除说明哪些对象没有进入最终计算。类别编码、等级顺序和基准类规定变量怎样进入模型。只有同时保留这些资料，百分比和系数才可获得明确解释。
方法名称还需与具体程序相联系。同一个问题使用单侧或双侧检验、是否作 Pearson 连续性校正、采用哪种 Fisher 双侧定义，可能得到不同数值。回归的分布、链接函数、调整变量及其理由决定参数含义，多重比较的控制目标与方法则决定整组推断性质。报告这些设定，是对估计与检验结果来源的说明。
结果陈述应包括计数、比例、效应大小与区间，以及检验统计量、自由度和 p 值。数字的有效位数应与计算精度相称；p=0 常来自显示或计算精度限制，极小概率可用科学计数法表示。比例之差采用“百分点”，可避免绝对变化与相对变化混淆。
区间宽度说明给定方法下的抽样精度，设计限制、模型假设、缺失和潜在偏差则决定解释范围。关联、预测和因果属于不同目标，新数据或敏感性分析可进一步考察当前结论对这些条件的依赖。数据字典、清洗规则、脚本、软件版本与随机种子保存了计算所依据的定义和选择；原数据受限时，受限原因与替代复现材料也应在研究陈述中交代。
教学例题的结果段
以下均为虚构教学构造：在独立个体随机分配的两组实验中，干预组成功 70/200（35.0%），对照组 40/200（20.0%）。干预减对照的成功风险差为 15.0 个百分点，95% 大样本 Wald 区间为 6.37–23.63 个百分点；风险比为 1.75，95% log 区间为 1.25–2.45。未作连续性校正的 Pearson 检验 ，自由度 1，双侧关联检验 p=0.000781。该例演示统计方法，不能作为真实干预有效的证据。
这段结果给出了各组分母、比较方向和计算程序。风险差表达绝对改变，风险比表达相对改变，区间与检验表达相应模型下的不确定性。若资料来自观察性研究，解释还需限定在设计与调整条件支持的关联范围内。综合示例见 二分类研究的综合分析，进一步的论证练习见 综合练习。
样本估计与总体参数、条件 OR 与 RR、未拒绝假设与不存在差异，分别属于不同命题。缺失、排除和不利子组的选择性省略会使读者失去评价证据的部分依据，反复用于阈值调整的测试集也不再提供原先意义上的独立评价。统计报告的完整性由这些对象、条件和推论是否对应决定。