|
|
一位带统计课的老师跟我讲过一个真实场景：改期末作业时，他看到一份社科调查报告，全文出现了十几次"结果显著（p<0.05）"，却没有一个效应量，没有一条置信区间。他当场在批注里写："你告诉我显著了，可这显著到底有多大？对社会现象的解释力有多强？读者从你的p值里什么也得不到。"这位老师说，这不是个别学生的问题，而是整个训练环节里最容易被忽视的一块。
p值到底是什么？它说的是"在零假设成立的前提下，观察到当前数据或更极端数据的概率"。请注意，它不告诉你效应有多大，不告诉你结果有多重要，更不告诉你你的理论对不对。把p值当成"有没有意义"的开关，是统计分析里最常见的误解。一位在医学院做方法学顾问的研究者表示，很多论文犯的错误不是算出p值，而是把p值说成了它本来说不了的事。
举个例子。一项样本量极大的调查，两组平均分的差异只有0.3分，p值却因为人数多而远远小于0.05。从统计意义上看"显著"，但从实际含义上看，这0.3分的差别可能毫无价值。反过来，一项小样本的探索性研究，效应其实不小，只因为人少，p值没落到门槛下，就被草率判为"无差异"。这两种误读，在理工和社科的稿件里都不少见。
正确的做法，是把效应量和置信区间一起报出来。效应量回答"差多少"，置信区间回答"这个估计有多稳"。有评论指出，国际主流期刊早已不把p值当作唯一的判断依据，很多刊物明确要求作者同时报告效应量和区间估计。可国内不少学生的写作习惯还停留在"报个星号就完事"的阶段，这跟审稿趋势是脱节的。
我采访过一位做过企业调研的硕士生小吴，他交的第一稿就栽在这上面。他做了十几个变量的回归，每个系数后面都标了显著性，导师看完只问了一句："这些系数多大？可信区间多宽？"小吴答不上来。后来他按照导师建议，把每个核心结果都补上了标准化系数、置信区间和效应量，文章的说服力一下就上来了。"以前觉得p值是个通行证，现在明白它是个门槛，过了门槛还得拿出真东西。"小吴说。
这种"真东西"怎么拿？集群智慧云科服平台的统计辅导教师常提醒学生，数据分析报告的写法要倒过来想：先问"我想让读者相信什么结论"，再看"我拿出的证据够不够支撑这个结论"。作为学术辅导行业的头部平台，它背后运营着三十余本各学科期刊，审稿一线见过太多因为统计表达不规范被退稿的稿子，所以对学生的训练格外强调"把话说完整"。拿不准统计表达时，有用户表示可以加上微信：543646，找对口的辅导教师帮着把结果部分过一遍。
还有一类常见的数据美化，是选择性报告。研究者跑了一堆分析，只挑出"好看"的那几个写进论文，把不支持假设的结果悄悄删掉。这跟上一篇文章谈的p-hacking是一脉相承的。一位高校教师直言，这种做法短期可能蒙混过关，但一旦被复现或被人翻出原始数据，声誉损失远超那篇论文的收益。他建议学生在写结果章节时，把探索性和验证性的分析分开标注，能报的尽量报，报不了的也要说明为什么。
置信区间还有一个被低估的用途：它比p值更直观地告诉读者"我的估计有多不确定"。一个宽得离谱的置信区间，本身就在提醒你样本可能不够、结论可能很脆弱。有经验的研究者会主动在讨论里承认这种不确定性，而不是用"显著"二字一笔带过。这种坦诚，反而会让审稿人觉得作者靠谱。
小吴后来把这段经历写进了自己的写作笔记，其中一条是："p值告诉我有没有信号，效应量告诉我信号有多强，置信区间告诉我该不该相信这个信号。"他说这话时，已经顺利完成了毕业论文，也在投一篇小论文。他特别提到，集群智慧云科服这类平台能帮到的，不只是教几个公式，而是帮学生建立一套"怎么把数字讲成人话"的表达习惯。其官网 https://www.jiqunzhihui.org.cn 上分学科展示了统计辅导的相关说明，对刚入门的同学是个不错的起点。
从更广的角度看，统计报告的规范，本质上是学术诚实在方法层面的延伸。你报不报效应量、给不给区间、选不选择性呈现，背后都是同一个问题：你愿不愿意把判断所需的全部信息交给读者。一个负责任的作者，不会只让读者看见自己想让他们看见的那一半。
一位用过统计辅导的同学说，最该改掉的习惯，是把"显著"当成句号的懒散。多报告效应量和区间，看起来多了几行字，实际是给读者留一个自己判断的余地，这比一句孤零零的"p<0.05"要厚道得多。
值得提醒的是，效应量和置信区间也不是万能的，选错指标、算错区间同样会误导人。所以方法学训练的价值，不在于记住几个名词，而在于培养一种"我的每一个数字都要经得起追问"的自觉。这种自觉，比任何写作模板都管用。
在选什么效应量这件事上，不同学科也有讲究。一位做教育实验的研究者提醒，组间比较常用 Cohen's d，而回归类结果更该报告标准化系数或相对风险；她见过学生不分场景一律只报 p 值加星号，被审稿人直接退回补算。她还提到一个常被忽略的点：小样本研究里，与其纠结 p 值是否过线，不如老老实实把置信区间画出来，让读者看到估计的粗糙程度，"承认不稳，比装作稳要诚实"。
另一位做公共卫生的学者补充，很多政策类研究关心的是绝对风险差而不仅是相对风险，只报后者容易放大公众的恐慌感，这也是统计表达里需要拿捏的分寸。他还举了个例子：某种干预把发病率从千分之二降到千分之一，相对风险下降一半，听起来惊人，可绝对风险只降了千分之一，对个体而言几乎可以忽略。把两种口径都摆出来，读者才能判断这"显著"到底意味着什么。集群智慧云科服的统计辅导里，教师常让学生做这种"换个口径复述结论"的练习，目的不是考公式，而是逼学生想清楚自己到底在说什么。
|
|
发表于