把這點放在由迪昂所引入的術語中，即通過任何一條進路所帶給現象的背景或者輔助假設減少了原因的空間(space of causes)，并且因此決定了將要被輸入統計工具的相關性，來支持關于任意給定的因素施加給行為的差異程度的假說。這條進路是，從一組復雜的相互作用的因素中選取出相關的東西。因此，背景假設既決定了什么數據將被看作證據，也建立了那些數據和當下研究的假說之間的相關性。不過，每一種進路所用的那些最佳設計的實驗方法要做的就是，對它們研究中的潛在因素的相對影響之間進行區分。它們盡管在普通刊物(general press)中有所解釋，但并不是被設計來在一種類型的因素的相對影響(比如基因的因素)和另種一種類型的因素(比如神經生物學或社會因素)之間進行分辨。甚至更為準確地講，一種進路能夠在它所研究的因果空間的因素中間進行區分，僅僅假定了所有(沒有被測量的)其他的因素保持不變或者沒有和當下測量的因素發生相互作用。

　　這種不完全決定性的情況是被研究現象的復雜性的一種功能。雖然我無法證明這點，但我冒險認為任何類似的可比較的復雜現象的證據情況將會共享相同的特征。因此，為了評估在對這樣一種現象的研究中一般會得出什么結論，考慮包含在其研究中的進路的范圍將是重要的。在各種進路之間進行辨別將需要訴諸超經驗的考察(supra-empirical considerations)，它們自身隨研究的語境而變化。③造成這種不完全決定性而非考察各種現象的種種獨立的科學研究的是，現象的不同方面在現實世界中乃是不可分割的。一種選定的數據類型作為某個選定的假說類型的證據，這依賴于有關其他因素未有干涉的種種假設。通過在此狀態上施加約束，我們可能在實驗室中達到這樣的狀態，甚至在對觀察研究的設計中達到——不過，必須假定此狀態在我們從研究的世界轉移到行動的世界過程中是固定的。

　　當語義鴻溝按照我剛剛描述的方式持續存在時，目前大多數的證據在特征上是統計性的，并且假說也是一樣，往往被表達為統計的或概率的關系。從絕對的到概率或統計的表達式的轉變是如何影響我們關于證據關系結構的理解的呢？首先，我們應注意到，原初的不完全決定性問題被表達為關于在一個單一的數據點、一個單獨的實驗的結果以及一個絕對的假說之間的關系的問題，這樣一個假說將依賴關系歸屬于在一種類型的事物和另一種類型的事物之間——例如，在一個μ-介子和一個π-介子之間的碰撞以及隨之而來的裂變成更小的粒子，或者一種特定的基因檔案(genetic profile)和一種特定的表現型(phenotype)。但是當代科學，特別是旨在揭示復雜現象的科學，并不形成對絕對假說的支持，而是支持統計性假說。并且，證據不是一個單獨的數據點，而是一群數據、一組測量。不同的測量集(episodes of measurement)將會產生輕微的、甚或是非常不同的測量集合，允許不同的關于現象的統計性假說。元分析被引入來強調這種統計性分析的令人困惑的特征。但是，元分析幾乎是與其所包含的研究差不多的。測量數據必須被編入用來生成數據的系統的索引——儀器設備、研究人群，等等。某些評論者，例如艾歐尼迪斯(Ioannidis)得出結論認為：“大部分發表的研究發現都是錯誤的?！边@個結論假定了必定存在一個關于被測量現象的正確的頻率，并且因此對于關系的假說來說存在一種真值。所有其他的都是錯的。不過我們可以如同在自然界中隨機漲落的證據那樣輕易地觀察到多重結果。每一個研究都將其數據用來支持一個特定的假說，根據與它的測量數據的典型性有關的那些假設，關于儀器設備的可靠性(無論是物質的或是以問卷調查/民意調查的形式)的假設，關于被測量現象識別的精確性的假設。并且在研究組中的變量可以被解釋為大部分是錯誤的或者被解釋為自然漲落的征兆，再次依賴于關于自然界中的不變性或漲落性的假設。