你去体检，三位医生用三套标准解释同一组指标：一位说风险上升，一位说没有变化，一位说可能下降。把三份意见并排摆出来，当然比只展示其中一份诚实。但如果医生最后只说“结果因方案而异”，却不解释哪套标准更合适，这种全面也可能是在回避判断。
Martin Modrák 的预印本讨论的正是这个问题。它批评的不是多做分析，而是一种容易被误认成稳健的做法：研究者跑出大量模型，然后让模型数量代替自己承担结论责任。论文还提出一个更尖锐的担忧——大量结果也可能被用来制造怀疑，让本来足以支持判断的证据显得始终悬而未决。
把所有岔路都跑一遍
Multiverse analysis，中文常译“多元分析”，是把研究中的多种合理选择组合起来逐一运行。数据要怎样清理，变量如何定义，统计模型选哪一种，都可能改变结果。这些选择构成“研究者自由度”：面对同一个问题，研究者往往不只有一条分析路线。
多元分析试图把这些岔路显式展开。比如一个问题有三处选择，每处各有两种做法，组合后便有八个 universe——也就是八套完整分析方案。研究者可以检查结论换一种合理设定后是否仍然成立，这就是稳健性分析。
问题出在“合理”二字。多元分析并不会自动判断哪些路线值得采用。Modrák 认为，如果有些方案明显更好，作者就应说明理由，不该把较差方案一并塞进 multiverse；如果大量选择都无法判断优劣，更诚实的结论或许是：这个问题还没成熟到可以回答，需要先补理论、方法或验证工作。
“多数模型支持”没有看起来那么客观
论文区分了两种读法。概率式读法会说“90% 的模型得到正向关系”，把 universe 的占比当成证据。可能性读法则克制得多：只要一套尚可成立的方案得到某个结果，就说明这个结果暂时不能被排除。
前一种读法很诱人，因为它给出了整齐的多数票。但多数票要有意义，至少需要各套方案大致同样可能正确，或者能为它们建立可信的概率分布。Modrák 认为，这类强假设很少有充分依据。一项不合理的二元选择，还可能出现在一半的组合中。此时“半数模型没有效果”不是独立证据反复出现，而是同一个坏选择被组合机制复制了许多次。
论文引用的一个既有案例更极端：研究者重新评估某项已发表的 multiverse 后，认为有理由采用的模型为 1,152 个，而缺乏理由的模型有 91,008 个。这个数字在本文中用于说明一种结构性风险：模型越多，不一定覆盖得越全面，也可能只是把少量可辩护的分析埋在大量较差方案里。
文献里真的出现了吗
为判断担忧是否只是理论推演，Modrák 在 2026 年 2 月 15 日检索 OpenAlex，寻找 2025 年发表且包含原创 multiverse 的研究。83 条结果经过删除重复项、无法取得全文的条目、非研究文本和不符合条件的分析后，留下 31 篇论文。检索和分类没有预注册，分类标准也在阅读前四分之一材料时调整过；作者明确说，这不是对问题流行程度的全面测量。
结果仍提供了一些初步迹象。31 篇中，14 篇只采用概率式解释，另有 11 篇同时采用概率式和可能性解释。8 篇无法把报告或图示中的结果追溯到具体 universe；16 篇至少有一张无法追溯的图或表，其中10篇还出现了定性差异，却无法从相应图表看出哪些方案造成差异。
不过，材料也不是一边倒。6 篇声称所有 universe 的结论在性质上相同；其余25篇中，有22篇指出了结果差异的主要驱动因素。真正尝试评价哪些 universe 更好、哪些更差的只有7篇。另有14篇包含至少1,000个 universe，规模本身已让展示、核查和理解变得困难。
这些数字只能支持论文所说的“初步经验证据”，不能证明推卸责任已经普遍存在。样本只有31篇，分类带有主观性，而且其中不少论文主要是在方法研究中演示 multiverse，并非把它当作独立研究结论。
从诚实展示到制造怀疑
“制造怀疑”指一种论辩策略：持续强调残余不确定性，让现有证据看起来永远不足以支持行动。Modrák 担心，multiverse 会给这种策略披上一层客观外观。只要加入某些不恰当的变量或时间设定，大量组合就可能自然地产生接近零、甚至方向相反的结果。使用者随后无需押注任何单一模型，只要说“整体没有清晰模式”。
论文以一项关于 Covid-19 政府干预的 multiverse 争议为例。作者依据另一篇批评文章认为，其中许多分析选择可能无效，尤其是从政策宣布到病例或死亡变化只设2周或4周的滞后期；他据此推测，至少四分之三的 universe 会偏向得到无效结果。
但这一部分只能当作轶事。论文没有提供足以独立判断动机的证据，作者也承认无法确定相关研究者是否有意制造怀疑。因此，它说明的是一种可能的滥用路径，不是对当事人意图的已证实结论。
最差的一套，也要由作者负责
Modrák 最后提出两项规范性倡议。第一，用 multiverse 中“单个最差的 universe”来评价整体：除非作者另有证明，只要其中一套分析受到有力批评，整个 multiverse 的解释就应受到影响。第二，把规模过大视为弱点或警示，而不是值得炫耀的成绩。这样做的目的，是把举证责任放回作者身上：既然把一套方案纳入分析，就要说明它为什么合理。
这两条不是现有共识，也没有在本文中经过效果验证。“按最差方案评价”尤其可能被一个极端或明显不合理的设定绑架。作者自己也承认，规则并非绝对；对于用来反思既有研究习惯的 multiverse，纳入较差方案有时恰好能揭示问题。
这篇预印本最值得保留的提醒，不是“少跑模型”，而是“模型数量不能替你判断”。多元分析可以暴露结论依赖哪些假设，却不会替研究者决定哪些假设可信。透明展示是责任的起点，不是责任的终点。