我们提出了一种在高维线性模型中为一般假设构造$p$-值的方法。假设可以是局部的，用于测试单个回归参数，也可以是全局的，涉及多个甚至所有参数。此外，当考虑许多假设时，我们展示了如何在考虑$p$-值之间的依赖性的情况下调整多重测试。我们的技术基于岭估计，由于在高维中存在大量投影偏差，因此附加了一个校正项。我们证明了$p$-值具有强大的误差控制能力，并为检测提供了充分的条件：对于前者，我们没有对真正的潜在回归系数的大小做出任何假设，而对于后者，我们的程序在功率方面可能不是最佳的。我们在模拟示例和实际数据应用中演示了该方法。