血红蛋白小于50的临床意义—记者爆料，真相揭秘

如果统计推断的仪式化操作不被打破，研究人员没有良好的统计思维，如果更换p值，新的题就会在“与时俱进”的过程中不断出现。

剧本|徐跃培、卢小康、胡传鹏

尽管近年来统计推断领域的人才和工具不断涌现，但零假设显着性检验仍然是20世纪末以来最流行的统计推断模型。对《科学》、《自然》和《美国国家科学院院刊》这三大期刊的调查发现，在过去20年中，这三本期刊中出现的数字仍然高度依赖，并且越来越依赖p值（CristeaIoannidis，2018）。然而，常用的p值实际上在统计界和科学界受到的评价褒贬不一。原因无非有两个1）从统计原理来看，p值所能反映的信息与数据所代表的实际信息存在较大差异。p值的概念及其解释方法本身并不容易理解，常常引起认知误解。如何正确使用和解释p值已成为一个有争议但从未解决的题。

世界遭受苦难多久了？

伴随NHST流行的是过分强调统计显着性来区分实验效果是否存在的想法。这导致研究人员不断担心自己工作的p值是否低于0.05，从而导致所谓的p值操纵和发表偏差等一系列负面现象。然而，实际上，研究本身还有比统计显着性或p值是否小于0.05更重要的指标，包括但不限于置信区间、统计功效、效应大小等。此外，p值自然会因不同的研究设计和操作而有所不同，这意味着不同实验的p值无法进行比较。

为此，科学出版领域的领头羊《自然》杂志于2018年发表了一篇由800多名科学家联署的评论论文，反对滥用统计显着性。在评论中，科学家们敦促我们在基于所谓“统计显着性”（即“统计显着”和“统计显着”）得出结论时放弃二分法思维。

《自然》杂志发表联合评论“摆脱统计显着性！”

此外，早在2016年，美国统计协会就统计检验和p值相关题发布了声明。该声明清楚地说明了p值的含义、使用规范和局限性。——p值不能表明原假设为真的概率，研究结果不应仅基于p值。p值不能表明研究效果的大小或显着性，p值本身不能用来判断研究假设或模型的质量。

然而，除了这些之外，还可能存在与p值所依赖的原假设检验原理直接相关的更严重的题。——零假设检验和p值本身作为统计工具“只有，没有错误”。“然而，原假设检验和p值由于用户的过度使用和误用而成为批评的对象。这与前面提到的p值的第二个题有关。在认知层面上，p值本身就很容易被误解。

无论是《Nature》800位科学家主张的放弃统计显着性，还是ASA要求的p值标准化使用，还是关于p值的激烈争论，关键题是如何正确理解和认识p-值，题在于是否使用它。-值或CI显示正确。

如何正确理解p值？

2014年2月，一位美国统计学教授在ASA论坛上提出了以下题。

“为什么大学和研究机构要教授plt;05的第——条规则？因为科学界和期刊都在使用它。”

“那么为什么科学界和期刊要使用plt;05——在大学和研究机构教授的规则呢？”

这两句话说明了当前科学界p值使用和教育的无限循环。一方面，由于杂志编辑和科学界对p值的推崇，p

不同学位、学科背景和最高学位地点的受访者解释p值和CI的错误率。

更令人不安的是，受访者对自己的回似乎相当“自信”。对案的置信度自评结果显示，受访者对每个题的平均置信度超过了38分，如下图所示。此外，与在中国大陆获得最高学位的研究人员或学生相比，在海外或香港、或台湾获得最高学位的研究人员和学生误解p值的可能性更小。他们的误解也相当严重。

每个项目的错误率和可靠性

正如季仁泽所说，大多数统计推理任务都遵循有意识的惯例

第1步设置原假设

第2步报告p值，接受或拒绝假设

步骤3继续重复步骤1和2。

这些套路很容易导致人们陷入过度自信的危机，而不需要彻底理解。他们只知道p值小于0.05是好的，CI远离0是好的，但他们不明白p值和CI的实际含义。打破这种现象的最好办法是学习一套系统的、完整的统计方法，而不是继续教授过去仪式化的统计推理套路。此外，对于海外学位的误解较少，海外媒体对此话题的讨论比国内“更热”，因此可以解释有部分“脱敏”效应。它反映了我们调查类型的作用。

在此我们必须郑重声明学术界“曝光”题的目的是为了让大家充分了解科研人员统计推断的现状，让科研人员能够关注当前的题，更加关注正确的题。不要将p值视为将数据“提升”为“科学发现”的仪式。我们的研究属于新兴的“元研究”范围，它研究研究行为以更理性地进行科学探究，同样，一些研究人员也研究了北美心理学教科书中的“统计显着性”。30本教科书中有25本被发现在解释这个概念时存在一些错误。卡西迪、迪莫瓦、吉盖尔、斯彭斯、斯坦利，2019。

我们真诚地期望在不久的将来看到科学界统计推断指标的持续多样化。然而，如果这种统计推断的仪式化操作不被打破，研究人员没有良好的统计思维，我们无法确定是否会出现基于时下流行的贝叶斯因子的“贝叶斯因子操纵”之类的东西。未来。“与时俱进”的新题不断出现，例如BF>30中的发表偏见。我们的研究仅考察了p值和CI，但一些研究人员发现我们对其他常用统计指标（例如Cronbach的alpha系数）的理解不太乐观。Hoekstra,Vugteveen,Warrens,Kruyen,2019。那又怎样？研究人员是否对其他尚未调查的统计指标（例如效应大小或贝叶斯因子）存在深刻的误解？目前尚不清楚。事实上，这项研究已经揭示了研究者对BF的误解。例如，一些研究人员声称了解常客学派和贝叶斯学派之间的差异，但无法准确回p值是哪个学派的统计指标。

简而言之，发布这项调查结果的目的是让大家对如何正确解释p值和CI的题产生认真的兴趣。对于许多方法论研究人员来说，理解p值和CI似乎是常识。遗憾的是，现实中有很多声音本应是常识，但成为常识却需要不断重复。这可能是一个真正需要关注的流行心理题，也可能是一个值得科学界反思的题。

错误解读分析

p值和CI的误解分析

论文信息

吕X-K、徐Y、赵X-F、左X-N、

对于血红蛋白小于50的临床意义和一些关于p值小于005的临床意义题，本文都有做详细解，希望对大家有所帮助。