<code id="e8ib2"><strong id="e8ib2"><dl id="e8ib2"></dl></strong></code>
        1. <output id="e8ib2"><sup id="e8ib2"></sup></output>

        2. <blockquote id="e8ib2"><ruby id="e8ib2"></ruby></blockquote>
          <blockquote id="e8ib2"></blockquote>
          手机版 下载桌面 设为首页

          800多科学家联名反对P值“统计学意义”

            800多科学家联名反对P值“统计学意义”。三位统计学家在Nature上发布公开信,号召科学家放弃追求P值“统计学意义”,这封公开信一周之内吸引了超过800名研究人员共同签署。大学里好不容易听懂的统计学,会变成一件没“意义”的事情吗?

            统计学白学了?

            最新一期Nature杂志发表了三位统计学家的一封公开信,他们号召科学家放弃追求“统计学意义”,并且停止用统计学中常见的P值作为判断标准。

            一般认为P≤0.05或者P≤0.01就有显著性差异,研究就有统计意义。

            统计学上无显著的结果并不能“证明”零假设;统计上显著的结果也没有“证明”某些其他假设。事实真的是这样吗?

            他们的这篇文章名为《科学家们起来反对统计学意义》(Scientists rise up against statistical significance)。

            标题犹如战斗檄文一样令人振奋。在文章发出不到24小时,就有250多人签名支持,一周之内吸引了超过800名研究人员共同反对。

            大学里好不容易听懂的统计学,会变成一件没“意义”的事情吗?

            为什么要放弃统计学意义的概念?

            几代人以来,研究人员一直被警告说:统计上不显著的结果并不能“证明”零假设(即假设各组之间没有差异,或者某个处理方法对某些测量结果没有影响)。统计上显著的结果也不能“证明”其他一些假设。这种误解用夸大的观点扭曲了文献,而且导致了一些研究之间的冲突。

            因此,三位统计学家提出一些建议,让科学家们不至于成为这些误解的牺牲品。

            首先明确必须停止的事:永远不应该仅仅因为P值大于阈值(如0.05)就得出“没有差异”或“没有关联”的结论;或者,仅仅因为置信区间包含0就得出这样的结论

            同时,我们也不应该断定两项研究之间存在冲突,只因为其中一项研究的结果具有统计学意义,而另一项则没有。这些错误浪费了研究工作,误导了政策决策。

            例如,考虑一系列对消炎药意外效果的分析。由于他们的研究结果在统计学上不显著,一组研究人员得出结论说:暴?#23545;?#36825;些药物中与新发房颤(最常见的心律紊乱)“无关”,并且这些结果与之前的一项研究结果相反,而之前的研究结果具有统计学意义。

            现在,让我们看看实际的数据。研究人员描述了他们的统计不显著的结果,发现风险比为1.2。他们还发现95%的置信区间跨越了从微不足道的风?#25112;?#20302;3%到非常显著的风险增加48%(P = 0.091)。研究人员从?#26174;?#30340;具有统计学意义的研究中发现,风险比同样为1.2。这项研究更加精确,其风险区间在9%到33%之间(P = 0.0003)。

            当区间估计包含?#29616;?#30340;风险增加时,得出结论认为统计上不显著的结果显示“无关联”是荒谬的;同样荒谬的是,声称这些结果与先前研究中显示相同观察效果的结果相反。然而,这些常见的实践表明,依赖统计意义上的阈值会误导我们。

            谨?#26469;?#35823;结论

            这些错误以及类似的错误普遍存在。对数百篇文章的调查发现,统计上不显著的结果被解释为“没有差异”或“没有影响”的约有一半。

            2016年,美国统计协会在《美国统计学家》上发表声明,警告误用统计意义和P值。本月,《美国统计学家》杂志又发表了40多篇关于“21世纪的统计推断:一个没有P<0.05的世界”的论文。编辑们在介绍这期特刊的时候谨慎地说,“不要说’统计意义重大’”。

            《美国统计学家》杂志最新报道

            三位统计学家也同意这一点,并呼吁放弃整个统计意义的概念

            停止使用非黑即白的P值,800多研究者同意

            这三位统计学家写完《科学家们起来反对统计学意义》(Scientists rise up against statistical significance)一文草稿之后,邀请了其他人阅读,并表示如果人们同意三人的观点,就签?#29486;约?#30340;名字。

            没想到这篇文章得到了诸多人的赞同,在最初的24小时内,就有250人签了名。一星期后,共收到800多份签名,签名者包括来自50多个国家的统计学家、临床和医学研究人员、生物学家和心理学家,除南极洲没人以外,所有大洲都有人签名。

            一名倡导者称,这是“对统计意义轻?#20160;?#35797;的外科手术式打击”,也是“一个为更好的科学实践发声的机会”。

            同时,三位统计学家也强调,他们不是在呼吁禁止P值。不是说P值不能在某些特定的应用程序中用作决策标准,而是他们与过去几十年的许多其他研究结果一样,呼吁停止?#28304;?#32479;的二分法使用P值——来决定结果是反驳还是支持一项科学假设。

            避免这种“二分法”的一个原因是,所有的统计数据,包括P值和置信区间,都会随着研究的不同而自然地发生变化,并且往往变化非常大。事实上,单凭随机变化就能很容易导致P值的巨大差异,?#23545;?#19981;止落在0.05阈值的任何一侧。例如,即使研究人员可以对一些真实的效果进行两次完美的复制研究,?#30475;?#37117;有80%的机会达到P < 0.05,那么其中一个得到P < 0.01,另一个得到P > 0.30也就不足为奇了。无论P值是大是小,都需要谨慎。

            问题不在于统计,而在于人和认知:把结果分成“统计显著性”和“统计非显著性”,让人们认为以这种方式分配的项目是截然不同的。同样的问题?#37096;?#33021;出现在任?#32010;?#21450;二分法的统计替代方法中,无论是频域法、贝叶斯法还是其他方法。

            不幸的是,科学家和期刊编辑们错误地认为,超过统计意义的临界值就足以证明一个结果是“真实的”,这导致他们对这类结果给予了特权,从而扭曲了文献。统计上有意义的估计值在大小上向上偏倚,而且可能偏差的幅?#32676;?#22823;,而统计上不显著的估计值是向下偏倚的。

            因此,任何侧重于统计学意义的估计的讨论都是有偏见的。最重要的是,对统计意义的严格关注鼓励研究人员选择一些数据?#22836;?#27861;,这些数据?#22836;?#27861;对于某些期望的结果具有统计显著性(或者仅仅是可发表的),或者对于不期望的结果没有统计显著性,例如药物的潜在副作用,从而使结论无效。

            预先登记研究?#32479;信?#20844;布所有分析的所有结果可?#28304;?#22823;减轻这些问题。然而,即使是预先登记的研究结果?#37096;?#33021;因分析计划中始终未作决定而产生偏差。即使是出于好意,这也会发生。

            放弃了统计学意义,我该怎么办?

            Nature在2014年的一篇文章中,讨论了P值并不像许多科学家所假设的那样可靠,?#31508;?#25991;章引起了业界很大反响,由此引发了后来美国统计协会在2016年警告滥用统计意义和P值。

            如果研究人员确实放弃了统计学意义,他们应该做些什么呢?

            三位统计学家认为:我们必须学会接受不确定性。

            一种实用的方法是将置信区间重新命名为“兼容区间”(compatibility intervals),并?#21592;?#20813;过度自信的方式解释它们。具体地说,建议作者描述区间内所有值的实际含义,特别是观察到的效果和极限。在这样做时,他们应该记住,考虑到用来计算区间的统计假设,区间极限之间的所有值都与数据合理地兼容。因此,在区间中挑出一个特定的值(例如null值)没有任何意义。

            当谈到兼容间隔时,请记住四件事

            首先,仅仅因为区间给出了与数据最相容的值,在给定假设条件下,并不意味着区间外的值是不相容的;它们只是兼容性较差。事实上,区间外的值与区间内的值没有本质上的区别。因此,?#30331;?#38388;表示所有可能的值是错误的。

            其次,根据假设,并不是所有的值都与数据一致。点估计值(point estimate)是最兼容的,接近它的值比接近极限的值更兼容。这就是为什么我们敦促作者讨论点估计,即使他们有一个大的P值或一个大的区间,以及讨论?#20204;?#38388;的极限。

            第三,与0.05的阈值一样,用于计算区间的默认95%本身也是一种任意约定。它基于这样一种错误的想法,即计算出的区间本身有95%的几率包含真实值,同时还有一种模糊的感觉,即这是一个自信决策的基础。根据应用程序的不同,可以调整不同的级别。而且,就像在抗炎药物的例子中一样,如果把区间估计施加的二分法当作一种科学标准来对待,区间估计可能会使统计显著性的问题长期存在。

            最后,也是最重要的一点,要谦虚:兼容性评估取决于用于计算区间的统计假设的正确性。在实践中,这些假设受制于相当大的不确定性。使这些假设尽可能清晰,并测?#38405;?#21487;以测试的假设,例如通过绘制数据并拟合替代模?#20572;?#28982;后报告所有结果。

            无论统计数据显示什么,都可以为你的结果提出理由,但要讨论一系列可能的解?#20572;?#32780;不仅仅是你?#19981;?#30340;那些。推论应该是科学的,而不仅仅是统计的。背景证据、研究设计、数据质量和对潜在机制的理解等因素往往比P值或区间等统计度量更重要。

            同时,三位统计学家呼吁消除统计意义,并将置信区间作为兼容性区间,这并不是万灵药。尽管它将消除许多不好的实践,但它很可能引入新的问题。因此,监测文献中的统计滥用应该是科学界目前的一项优先事项。

            但是,当原始研究和复制研究的结果高度一致时,消除分类将有助于阻止过分自信的断言、“没有区别”的不合理声明和关于“复制失败”的荒谬声明。滥用统计意义对科学界和那些依赖科学建议的人造成了很大的危害。P值、区间和其他统计度量都有它们的位置,但现在是统计意义消失的时候了。

            这也并不意味着大学的统计学白上了。研究人员可?#28304;?#25945;育?#32422;?#23545;统计的误解开始,最重要的是在每项研究中从多个角度考虑不确定性。从逻辑、背景知识和实验设计应与P值和类似指标一起考虑,以得出结论并确定其确定性。

            在确定使用哪种方法时,研究人员还应尽可能地关注实际问题。对于使用统计数据的最佳方式而言,在抽象理论上给予否定的人,在提出具体情景时,往往会给予肯定的结果。

            简而言之,要持怀疑态度,选择一个好问题,并尝试以多种方式回答它。毕竟,接近事实需要很多数字。

            最后,介绍一下这三位统计学家。

            Valentin Amrhein,瑞士巴塞尔大学的动物学教授;

            Sander Greenland,加州大学洛杉?#26007;中?#30340;流行病学和统计学教授;

            Blake McShane,伊利诺?#26519;?#22467;文斯顿西北大学的统计学方法学家和营销学教授。

          分类标签:P值  统计学  

              Nature文章地址:

              https://www.nature.com/articles/d41586-019-00857-9?from=singlemessage&isappinstalled=0#ref-CR4

              参考链接:

              https://www.nature.com/articles/d41586-019-00874-8

          声明:本文转载仅出于学习和传播信息所需,并不意味着代表本站观点或证实其内容的真实性;其他网站或个人转载使用须保留本站所注“来?#30784;保?#24182;自?#21512;?#20851;法律责任;如作者不希望被转载或其他事宜,请及时联系我们!

          时时彩人工计划千里马
                  <code id="e8ib2"><strong id="e8ib2"><dl id="e8ib2"></dl></strong></code>
                1. <output id="e8ib2"><sup id="e8ib2"></sup></output>

                2. <blockquote id="e8ib2"><ruby id="e8ib2"></ruby></blockquote>
                  <blockquote id="e8ib2"></blockquote>
                          <code id="e8ib2"><strong id="e8ib2"><dl id="e8ib2"></dl></strong></code>
                        1. <output id="e8ib2"><sup id="e8ib2"></sup></output>

                        2. <blockquote id="e8ib2"><ruby id="e8ib2"></ruby></blockquote>
                          <blockquote id="e8ib2"></blockquote>
                          广西快乐十分直播开奖结果 秒速飞艇精准计划 5月5号北京十一选五 百度pc蛋蛋 吉林十一选五开将结果 彩票一年能害死多少人 管家婆778849开奖结果 河南481泳坛夺金开奖 福建11选5历史最高遗漏 一九福彩3d跨度走势图 国际象棋入门快易精 双色球预测专家app 福彩江西快3开奖结果 两尾十两码中特 7星彩玩法介绍图片