三位統(tǒng)計(jì)學(xué)家在Nature上發(fā)布公開(kāi)信，號(hào)召科學(xué)家放棄追求“統(tǒng)計(jì)學(xué)意義”，這封公開(kāi)信一周之內(nèi)吸引了超過(guò)800名研究人員共同簽署。大學(xué)里好不容易聽(tīng)懂的統(tǒng)計(jì)學(xué)，會(huì)變成一件沒(méi)“意義”的事情嗎？

統(tǒng)計(jì)學(xué)白學(xué)了？

最新一期Nature雜志發(fā)表了三位統(tǒng)計(jì)學(xué)家的一封公開(kāi)信，他們號(hào)召科學(xué)家放棄追求“統(tǒng)計(jì)學(xué)意義”，并且停止用統(tǒng)計(jì)學(xué)中常見(jiàn)的P值作為判斷標(biāo)準(zhǔn)。

一般認(rèn)為P≤0.05或者P≤0.01就有顯著性差異，研究就有統(tǒng)計(jì)意義。

統(tǒng)計(jì)學(xué)上無(wú)顯著的結(jié)果并不能“證明”零假設(shè)；統(tǒng)計(jì)上顯著的結(jié)果也沒(méi)有“證明”某些其他假設(shè)。事實(shí)真的是這樣嗎？

他們的這篇文章名為《科學(xué)家們起來(lái)反對(duì)統(tǒng)計(jì)學(xué)意義》（Scientists rise up against statistical significance）。

標(biāo)題猶如戰(zhàn)斗檄文一樣令人振奮。在文章發(fā)出不到24小時(shí)，就有250多人簽名支持，一周之內(nèi)吸引了超過(guò)800名研究人員共同反對(duì)。

大學(xué)里好不容易聽(tīng)懂的統(tǒng)計(jì)學(xué)，會(huì)變成一件沒(méi)“意義”的事情嗎？

為什么要放棄統(tǒng)計(jì)學(xué)意義的概念？

幾代人以來(lái)，研究人員一直被警告說(shuō)：統(tǒng)計(jì)上不顯著的結(jié)果并不能“證明”零假設(shè)（即假設(shè)各組之間沒(méi)有差異，或者某個(gè)處理方法對(duì)某些測(cè)量結(jié)果沒(méi)有影響）。統(tǒng)計(jì)上顯著的結(jié)果也不能“證明”其他一些假設(shè)。這種誤解用夸大的觀點(diǎn)扭曲了文獻(xiàn)，而且導(dǎo)致了一些研究之間的沖突。

因此，三位統(tǒng)計(jì)學(xué)家提出一些建議，讓科學(xué)家們不至于成為這些誤解的犧牲品。

首先明確必須停止的事：永遠(yuǎn)不應(yīng)該僅僅因?yàn)镻值大于閾值(如0.05)就得出“沒(méi)有差異”或“沒(méi)有關(guān)聯(lián)”的結(jié)論；或者，僅僅因?yàn)橹眯艆^(qū)間包含0就得出這樣的結(jié)論。

同時(shí)，我們也不應(yīng)該斷定兩項(xiàng)研究之間存在沖突，只因?yàn)槠渲幸豁?xiàng)研究的結(jié)果具有統(tǒng)計(jì)學(xué)意義，而另一項(xiàng)則沒(méi)有。這些錯(cuò)誤浪費(fèi)了研究工作，誤導(dǎo)了政策決策。

例如，考慮一系列對(duì)消炎藥意外效果的分析。由于他們的研究結(jié)果在統(tǒng)計(jì)學(xué)上不顯著，一組研究人員得出結(jié)論說(shuō)：暴露在這些藥物中與新發(fā)房顫(最常見(jiàn)的心律紊亂)“無(wú)關(guān)”，并且這些結(jié)果與之前的一項(xiàng)研究結(jié)果相反，而之前的研究結(jié)果具有統(tǒng)計(jì)學(xué)意義。

現(xiàn)在，讓我們看看實(shí)際的數(shù)據(jù)。研究人員描述了他們的統(tǒng)計(jì)不顯著的結(jié)果，發(fā)現(xiàn)風(fēng)險(xiǎn)比為1.2。他們還發(fā)現(xiàn)95%的置信區(qū)間跨越了從微不足道的風(fēng)險(xiǎn)降低3%到非常顯著的風(fēng)險(xiǎn)增加48%(P = 0.091)。研究人員從較早的具有統(tǒng)計(jì)學(xué)意義的研究中發(fā)現(xiàn)，風(fēng)險(xiǎn)比同樣為1.2。這項(xiàng)研究更加精確，其風(fēng)險(xiǎn)區(qū)間在9%到33%之間(P = 0.0003)。

當(dāng)區(qū)間估計(jì)包含嚴(yán)重的風(fēng)險(xiǎn)增加時(shí)，得出結(jié)論認(rèn)為統(tǒng)計(jì)上不顯著的結(jié)果顯示“無(wú)關(guān)聯(lián)”是荒謬的；同樣荒謬的是，聲稱這些結(jié)果與先前研究中顯示相同觀察效果的結(jié)果相反。然而，這些常見(jiàn)的實(shí)踐表明，依賴統(tǒng)計(jì)意義上的閾值會(huì)誤導(dǎo)我們。

謹(jǐn)防錯(cuò)誤結(jié)論

這些錯(cuò)誤以及類(lèi)似的錯(cuò)誤普遍存在。對(duì)數(shù)百篇文章的調(diào)查發(fā)現(xiàn)，統(tǒng)計(jì)上不顯著的結(jié)果被解釋為“沒(méi)有差異”或“沒(méi)有影響”的約有一半。

2016年，美國(guó)統(tǒng)計(jì)協(xié)會(huì)在《美國(guó)統(tǒng)計(jì)學(xué)家》上發(fā)表聲明，警告誤用統(tǒng)計(jì)意義和P值。本月，《美國(guó)統(tǒng)計(jì)學(xué)家》雜志又發(fā)表了40多篇關(guān)于“21世紀(jì)的統(tǒng)計(jì)推斷：一個(gè)沒(méi)有P<0.05的世界”的論文。編輯們?cè)诮榻B這期特刊的時(shí)候謹(jǐn)慎地說(shuō)，“不要說(shuō)’統(tǒng)計(jì)意義重大’”。

《美國(guó)統(tǒng)計(jì)學(xué)家》雜志最新報(bào)道

三位統(tǒng)計(jì)學(xué)家也同意這一點(diǎn)，并呼吁放棄整個(gè)統(tǒng)計(jì)意義的概念。

停止使用非黑即白的P值，800多研究者同意

這三位統(tǒng)計(jì)學(xué)家寫(xiě)完《科學(xué)家們起來(lái)反對(duì)統(tǒng)計(jì)學(xué)意義》（Scientists rise up against statistical significance）一文草稿之后，邀請(qǐng)了其他人閱讀，并表示如果人們同意三人的觀點(diǎn)，就簽上自己的名字。

沒(méi)想到這篇文章得到了諸多人的贊同，在最初的24小時(shí)內(nèi)，就有250人簽了名。一星期后，共收到800多份簽名，簽名者包括來(lái)自50多個(gè)國(guó)家的統(tǒng)計(jì)學(xué)家、臨床和醫(yī)學(xué)研究人員、生物學(xué)家和心理學(xué)家，除南極洲沒(méi)人以外，所有大洲都有人簽名。

一名倡導(dǎo)者稱，這是“對(duì)統(tǒng)計(jì)意義輕率測(cè)試的外科手術(shù)式打擊”，也是“一個(gè)為更好的科學(xué)實(shí)踐發(fā)聲的機(jī)會(huì)”。

同時(shí)，三位統(tǒng)計(jì)學(xué)家也強(qiáng)調(diào)，他們不是在呼吁禁止P值。不是說(shuō)P值不能在某些特定的應(yīng)用程序中用作決策標(biāo)準(zhǔn)，而是他們與過(guò)去幾十年的許多其他研究結(jié)果一樣，呼吁停止以傳統(tǒng)的二分法使用P值——來(lái)決定結(jié)果是反駁還是支持一項(xiàng)科學(xué)假設(shè)。

避免這種“二分法”的一個(gè)原因是，所有的統(tǒng)計(jì)數(shù)據(jù)，包括P值和置信區(qū)間，都會(huì)隨著研究的不同而自然地發(fā)生變化，并且往往變化非常大。事實(shí)上，單憑隨機(jī)變化就能很容易導(dǎo)致P值的巨大差異，遠(yuǎn)遠(yuǎn)不止落在0.05閾值的任何一側(cè)。例如，即使研究人員可以對(duì)一些真實(shí)的效果進(jìn)行兩次完美的復(fù)制研究，每次都有80%的機(jī)會(huì)達(dá)到P < 0.05，那么其中一個(gè)得到P < 0.01，另一個(gè)得到P > 0.30也就不足為奇了。無(wú)論P(yáng)值是大是小，都需要謹(jǐn)慎。

問(wèn)題不在于統(tǒng)計(jì)，而在于人和認(rèn)知：把結(jié)果分成“統(tǒng)計(jì)顯著性”和“統(tǒng)計(jì)非顯著性”，讓人們認(rèn)為以這種方式分配的項(xiàng)目是截然不同的。同樣的問(wèn)題也可能出現(xiàn)在任何涉及二分法的統(tǒng)計(jì)替代方法中，無(wú)論是頻域法、貝葉斯法還是其他方法。

不幸的是，科學(xué)家和期刊編輯們錯(cuò)誤地認(rèn)為，超過(guò)統(tǒng)計(jì)意義的臨界值就足以證明一個(gè)結(jié)果是“真實(shí)的”，這導(dǎo)致他們對(duì)這類(lèi)結(jié)果給予了特權(quán)，從而扭曲了文獻(xiàn)。統(tǒng)計(jì)上有意義的估計(jì)值在大小上向上偏倚，而且可能偏差的幅度很大，而統(tǒng)計(jì)上不顯著的估計(jì)值是向下偏倚的。

因此，任何側(cè)重于統(tǒng)計(jì)學(xué)意義的估計(jì)的討論都是有偏見(jiàn)的。最重要的是，對(duì)統(tǒng)計(jì)意義的嚴(yán)格關(guān)注鼓勵(lì)研究人員選擇一些數(shù)據(jù)和方法，這些數(shù)據(jù)和方法對(duì)于某些期望的結(jié)果具有統(tǒng)計(jì)顯著性(或者僅僅是可發(fā)表的)，或者對(duì)于不期望的結(jié)果沒(méi)有統(tǒng)計(jì)顯著性，例如藥物的潛在副作用，從而使結(jié)論無(wú)效。

預(yù)先登記研究和承諾公布所有分析的所有結(jié)果可以大大減輕這些問(wèn)題。然而，即使是預(yù)先登記的研究結(jié)果也可能因分析計(jì)劃中始終未作決定而產(chǎn)生偏差。即使是出于好意，這也會(huì)發(fā)生。

放棄了統(tǒng)計(jì)學(xué)意義，我該怎么辦？

Nature在2014年的一篇文章中，討論了P值并不像許多科學(xué)家所假設(shè)的那樣可靠，當(dāng)時(shí)文章引起了業(yè)界很大反響，由此引發(fā)了后來(lái)美國(guó)統(tǒng)計(jì)協(xié)會(huì)在2016年警告濫用統(tǒng)計(jì)意義和P值。

如果研究人員確實(shí)放棄了統(tǒng)計(jì)學(xué)意義，他們應(yīng)該做些什么呢？

三位統(tǒng)計(jì)學(xué)家認(rèn)為：我們必須學(xué)會(huì)接受不確定性。

一種實(shí)用的方法是將置信區(qū)間重新命名為“兼容區(qū)間”(compatibility intervals)，并以避免過(guò)度自信的方式解釋它們。具體地說(shuō)，建議作者描述區(qū)間內(nèi)所有值的實(shí)際含義，特別是觀察到的效果和極限。在這樣做時(shí)，他們應(yīng)該記住，考慮到用來(lái)計(jì)算區(qū)間的統(tǒng)計(jì)假設(shè)，區(qū)間極限之間的所有值都與數(shù)據(jù)合理地兼容。因此，在區(qū)間中挑出一個(gè)特定的值(例如null值)沒(méi)有任何意義。

當(dāng)談到兼容間隔時(shí)，請(qǐng)記住四件事：

首先，僅僅因?yàn)閰^(qū)間給出了與數(shù)據(jù)最相容的值，在給定假設(shè)條件下，并不意味著區(qū)間外的值是不相容的；它們只是兼容性較差。事實(shí)上，區(qū)間外的值與區(qū)間內(nèi)的值沒(méi)有本質(zhì)上的區(qū)別。因此，說(shuō)區(qū)間表示所有可能的值是錯(cuò)誤的。

其次，根據(jù)假設(shè)，并不是所有的值都與數(shù)據(jù)一致。點(diǎn)估計(jì)值(point estimate)是最兼容的，接近它的值比接近極限的值更兼容。這就是為什么我們敦促作者討論點(diǎn)估計(jì)，即使他們有一個(gè)大的P值或一個(gè)大的區(qū)間，以及討論該區(qū)間的極限。

第三，與0.05的閾值一樣，用于計(jì)算區(qū)間的默認(rèn)95%本身也是一種任意約定。它基于這樣一種錯(cuò)誤的想法，即計(jì)算出的區(qū)間本身有95%的幾率包含真實(shí)值，同時(shí)還有一種模糊的感覺(jué)，即這是一個(gè)自信決策的基礎(chǔ)。根據(jù)應(yīng)用程序的不同，可以調(diào)整不同的級(jí)別。而且，就像在抗炎藥物的例子中一樣，如果把區(qū)間估計(jì)施加的二分法當(dāng)作一種科學(xué)標(biāo)準(zhǔn)來(lái)對(duì)待，區(qū)間估計(jì)可能會(huì)使統(tǒng)計(jì)顯著性的問(wèn)題長(zhǎng)期存在。

最后，也是最重要的一點(diǎn)，要謙虛：兼容性評(píng)估取決于用于計(jì)算區(qū)間的統(tǒng)計(jì)假設(shè)的正確性。在實(shí)踐中，這些假設(shè)受制于相當(dāng)大的不確定性。使這些假設(shè)盡可能清晰，并測(cè)試你可以測(cè)試的假設(shè)，例如通過(guò)繪制數(shù)據(jù)并擬合替代模型，然后報(bào)告所有結(jié)果。

無(wú)論統(tǒng)計(jì)數(shù)據(jù)顯示什么，都可以為你的結(jié)果提出理由，但要討論一系列可能的解釋，而不僅僅是你喜歡的那些。推論應(yīng)該是科學(xué)的，而不僅僅是統(tǒng)計(jì)的。背景證據(jù)、研究設(shè)計(jì)、數(shù)據(jù)質(zhì)量和對(duì)潛在機(jī)制的理解等因素往往比P值或區(qū)間等統(tǒng)計(jì)度量更重要。

同時(shí)，三位統(tǒng)計(jì)學(xué)家呼吁消除統(tǒng)計(jì)意義，并將置信區(qū)間作為兼容性區(qū)間，這并不是萬(wàn)靈藥。盡管它將消除許多不好的實(shí)踐，但它很可能引入新的問(wèn)題。因此，監(jiān)測(cè)文獻(xiàn)中的統(tǒng)計(jì)濫用應(yīng)該是科學(xué)界目前的一項(xiàng)優(yōu)先事項(xiàng)。

但是，當(dāng)原始研究和復(fù)制研究的結(jié)果高度一致時(shí)，消除分類(lèi)將有助于阻止過(guò)分自信的斷言、“沒(méi)有區(qū)別”的不合理聲明和關(guān)于“復(fù)制失敗”的荒謬聲明。濫用統(tǒng)計(jì)意義對(duì)科學(xué)界和那些依賴科學(xué)建議的人造成了很大的危害。P值、區(qū)間和其他統(tǒng)計(jì)度量都有它們的位置，但現(xiàn)在是統(tǒng)計(jì)意義消失的時(shí)候了。

這也并不意味著大學(xué)的統(tǒng)計(jì)學(xué)白上了。研究人員可以從教育自己對(duì)統(tǒng)計(jì)的誤解開(kāi)始，最重要的是在每項(xiàng)研究中從多個(gè)角度考慮不確定性。從邏輯、背景知識(shí)和實(shí)驗(yàn)設(shè)計(jì)應(yīng)與P值和類(lèi)似指標(biāo)一起考慮，以得出結(jié)論并確定其確定性。

在確定使用哪種方法時(shí)，研究人員還應(yīng)盡可能地關(guān)注實(shí)際問(wèn)題。對(duì)于使用統(tǒng)計(jì)數(shù)據(jù)的最佳方式而言，在抽象理論上給予否定的人，在提出具體情景時(shí)，往往會(huì)給予肯定的結(jié)果。

簡(jiǎn)而言之，要持懷疑態(tài)度，選擇一個(gè)好問(wèn)題，并嘗試以多種方式回答它。畢竟，接近事實(shí)需要很多數(shù)字。

最后，介紹一下這三位統(tǒng)計(jì)學(xué)家。

Valentin Amrhein，瑞士巴塞爾大學(xué)的動(dòng)物學(xué)教授；

Sander Greenland，加州大學(xué)洛杉磯分校的流行病學(xué)和統(tǒng)計(jì)學(xué)教授；

Blake McShane，伊利諾伊州埃文斯頓西北大學(xué)的統(tǒng)計(jì)學(xué)方法學(xué)家和營(yíng)銷(xiāo)學(xué)教授。