统计学需要一场变革

（希瑟· 克劳斯（Heather Krause）/图）

1925年，英国遗传学家兼统计学家罗纳德·菲舍尔（Ronald Fisher）出版了《研究者的统计方法》（Statistical Methods for Research Workers）一书。这本书的书名在当时看起来并不会“畅销”，但实际上这本书却取得了巨大的成功，而且还使菲舍尔成为现代统计学之父。在这本书中，他着眼于研究人员如何将统计检验理论应用于实际数据，以便基于数据得出他们所发现的结论。当使用某个统计假设来做检验时，该检验能够概述数据与其假设的模型之间的兼容性，并生成一个p值。

菲舍尔建议，作为一个方便的指南，研究人员可以考虑将p值设为0.05。对于这一点，他专门论述道：“在判断某个偏差是否应该被认为是显著的时候，将这一阈值作为判断标准是很方便的。”他还建议，p值低于该阈值的结论是可靠的，因此不要把时间花在大于该阈值的统计结论上。因此，菲舍尔的这一建议诞生了p小于0.05等价于所谓的统计显著性，这成了 “显著”的数学定义。

菲舍尔的遗憾

近一个世纪之后，在科学研究的许多领域，p值小于0.05被认为是确定实验数据可靠性的金标准。这个标准支持了大多数已发表的科学结论，违反这一标准的论文很难发表，而且也很难得到学术机构的资助。然而，即使是菲舍尔也明白，统计显著性的概念以及支撑它的p值具有相当大的局限性。几十年来，科学家也逐渐意识到了这些局限性。美国心理学家保尔·米尔（Paul Meehl）在1978年写道：“过度依赖显著性检验是一种糟糕的科学方法。”p值经常被曲解，统计的显著性不等于实际的显著性。此外，为了让数据更漂亮，很多研究人员有意无意地将p值向上或向下调整。美国加利福尼亚大学洛杉矶分校的名誉教授、统计学家和流行病学家桑德·格林兰德（Sander Greenland）说：“你可以用统计学方法来证明任何事情。”他是呼吁统计学改革的科学家之一。只依靠达到统计显著性的研究经常会得出不准确的科学结论，这种判断标准可以把真的事情判断为假的，也可以把假的事情判断成真的。在菲舍尔退休，移居澳大利亚后，有人问他，在漫长的职业生涯中他是否有任何遗憾，他明确回答道：“当初不该提出0.05。”

在过去的十年里，关于统计重要性的争论以不寻常的强度爆发。援引两篇论文的观点：一篇文章称统计分析的薄弱基础导致了“科学最肮脏的秘密”；另一篇则提到，在检验某些假设时，存在“许多深层次的缺陷”。在争议声中，实验