ASA關于p-值的聲明:背景、過程和目的

Ronald L.Wasserstein，Nicole A.Lazar

（方積乾譯）

·ASA聲明·

編輯按:最近幾年，除統(tǒng)計學以外的學術界對統(tǒng)計學檢驗和p值提出了質疑，有的甚至很激烈。例如，ScienceNews（Siegfried，2010）寫道:“這是科學最骯臟的秘密:統(tǒng)計分析的‘科學方法’建立在一個脆弱的基礎上”。2013年11月Phys.org Science News W ire的一篇文章引用了零假設意義的檢驗中“眾多深度缺陷”。ScienceNews 2014年2月7日的文章（Siegfried，2014）稱“假設檢驗的統(tǒng)計學技術比Facebook的隱私政策有更多的缺陷”。這些觀點片面性極大，嚴重誤導了學術界和社會輿論。鑒于此，美國統(tǒng)計學會（ASA）理事會于2016年2月5日發(fā)表了一個聲明，并另發(fā)一篇文章說明此聲明的背景和目的，以正視聽。這個聲明指出，目前存在關于統(tǒng)計學意義和P-值的錯誤應用和錯誤解釋，全面闡述了統(tǒng)計界對這個問題早就形成的6點共識。這是統(tǒng)計界的一件大事，我國統(tǒng)計學、醫(yī)學統(tǒng)計學教學和科研人員，以及與統(tǒng)計學的應用密切有關的所有人都應該準確了解這件事，而不應當?shù)缆犕菊f，人云亦云。為此，中山大學公共衛(wèi)生學院醫(yī)學統(tǒng)計學教授方積乾將美國統(tǒng)計學會聲明的原文翻譯成中文，供同行學習參考。

ASA關于p-值的聲明:背景、過程和目的

Ronald L.Wasserstein，Nicole A.Lazar

（方積乾譯）

2014年2月，MountHolyoke College的榮譽退休教授George Cobb在ASA的一個論壇上提出了以下問題:

問:為何這么多學校和研究生院教p＝0.05？

答:因為那是科學界和雜志編輯們還在使用的。

問:為何這么多人還在使用p＝0.05？

答:因為那是學校和研究生院教他們的。

Cobb考慮的是社會科學界關于p＜0.05一刀切這個長期傷腦筋的循環(huán):“我們教它因為這是我們所做的；我們這樣做因為這是我們所教的?！?/p>

這個考慮引起了ASA理事會的注意。ASA理事會也受刺激于過去幾年高度醒目的討論。例如，ScienceNews（Siegfried，2010）寫道:“這是科學最骯臟的秘密:統(tǒng)計分析的‘科學方法’建立在一個脆弱的基礎上”。2013年11月Phys.org Science News W ire的一篇文章引用了零假設意義的檢驗中“眾多深度缺陷”。

ScienceNews2014年2月7日的文章（Siegfried，2014）稱“假設檢驗的統(tǒng)計學技術比Facebook的隱私政策有更多的缺陷?！币恢芎?，統(tǒng)計學家、“Simply Statistics”博主Jeff Leek回應“問題不是人們糟糕地使用p-值，而是絕大部分數(shù)據(jù)分析并非由正規(guī)訓練過數(shù)據(jù)分析的人來實現(xiàn)的”（Leek，2014）。同一周，統(tǒng)計學家和科學作家Regina Nuzzo在Nature上發(fā)表一篇文章，題為“科學方法:統(tǒng)計學錯誤”（Nuzzo，2014），這是目前最 高 度 重 視 的 Nature文 章 之 一 （http://www.altmetric.com/details/2115792＃score）。當然，這不是單純地回應某一篇公開發(fā)表的文章。統(tǒng)計學界已經(jīng)深度關注科學結論的可重現(xiàn)性和可重復性問題。

我們觀察到，不深入這些術語的定義和區(qū)別，許多混淆甚至懷疑科學的真實性正在發(fā)生。這樣的懷疑會導致激進的選擇，諸如Basic and Applied Social Psychology的編輯們竟決定廢棄p-值（零假設意義檢驗）（Trafimow and Marks，2015）。錯誤理解或錯誤使用統(tǒng)計推斷只是“可重現(xiàn)性危機”的原因之一（Peng，2015），但對于我們統(tǒng)計學界而言，這是個重要原因。當ASA理事會決定接受挑戰(zhàn)，發(fā)表一份關于p-值和統(tǒng)計學意義的聲明時，確實意識到這不是輕松的一步。ASA以前沒有對統(tǒng)計實踐的特定事情表過態(tài)。與此最接近的是一個關于教育評估中使用的增值模型（value-added models，VAM）的聲明（Morganstein and Wasserstein，2014）和一個關于風險限制的選舉后審計的聲明（American Statistical Association，2010）。然而，這些是純系政策相關的聲明。VAM聲明側重于一個關鍵的教育政策，承認事情的復雜性，說明VAM作為有效模型的局限性，催促要有統(tǒng)計學家參與模型的建立和解釋。關于選舉審計的聲明也是對一個大的卻特定的政策問題（2008年結束選舉）的反應，表示基于統(tǒng)計學的選舉審計必須成為選舉過程的一個常規(guī)部分。相比較，理事會預想到，這個關于p-值和統(tǒng)計學意義的聲明將闡明我們領域中經(jīng)常被廣大學術界錯誤理解和錯誤使用的一個方面，并且在此過程中，為學術界提供服務。計劃中的讀者是原非統(tǒng)計學家的研究人員、實際工作者和科學作家。因此，這個聲明將和以前嘗試過的聲明很不相同。

理事會分派Wasserstein匯集一組代表不同觀點的專家。他代表理事會接觸超過24位這樣的對象，他們都說愿意參加。有幾位懷疑能否達成共識，但是他們確實表示，如果有討論，他們愿意參與。經(jīng)過好幾個月，小組成員討論了聲明采取什么形式，試著較具體地設想該聲明的讀者，并且開始發(fā)現(xiàn)共識點。逐漸變得相對容易做了，但只是容易找到強烈的分歧點。待到這個小組能坐下來一起消除這些分歧點，2015年10月20位成員終于在Virginia州Alexandria的ASA辦公室聚會。Regina Nuzzo促進了這個兩天的會議，會議結尾時，圍繞著這個聲明形成了一組很好的觀點。接下來的3個月，見到了聲明的多份草稿，小組成員、理事會成員（2015年ASA理事會會議上漫長的討論）和目標讀者審閱。最后，2016年1月29日，ASA的執(zhí)行委員會批準了這份聲明。這份聲明進展的過程比預計的更漫長、有更多爭議。例如，關于如何最好地講清多重潛在比較的問題（Gelman and Loken，2014），我們就“一個接近0.05的p-值本身只是反對零假設的微弱證據(jù)。”（Johnson，2013）這段話的潛臺詞爭論了很久。關于如何敘述p-值的多種替代以及多么詳細為宜，有很多不同見解。為了使這份聲明適度簡練，我們并沒有寫對立假設、兩類錯誤或功效等其他內(nèi)容，并不是每一位都同意這樣做。

在聲明發(fā)展過程接近尾聲時，Wasserstein聯(lián)系了Lazar，問及這份政策聲明可否在The American Statistician（TAS）發(fā)表。經(jīng)考慮，Lazar決定TAS愿意提供一個良好平臺，以廣泛傳遞給一般的統(tǒng)計讀者群。同時，我們決定增加一個在線討論，提供機會來反映前述爭議，提高TAS讀者的興趣水平。最后，我們聯(lián)系了一組討論者，請他們就這份聲明發(fā)表評論。人們可以從在線增刊讀到他們的觀點。我們感謝以下各位和我們分享他們深刻的見解:

Naomi Altman，Douglas Altman，Daniel J.Benjamin，YoavBenjamini，Jim Berger，Don Berry，John Carlin，George Cobb，Andrew Gelman，Steve Goodman，Sander Greenland，John Ioannidis，Joseph Horow itz，ValenJohnson，M ichael Lavine，M ichael Lew，Rod Little，Deborah Mayo，M ichele M illar，CharlesPoole，Ken Rothman，Stephen Senn，DaleneStangl，Philip Stark and Steve Ziliak。

雖然對這份聲明應當講些什么存在著分歧，但是，關于ASA必須就這些事情發(fā)聲是高度一致的。必須明確，這份ASA聲明并沒有新內(nèi)容。統(tǒng)計學家和許多其他人已經(jīng)就這些事情敲了幾十年的警鐘，效果甚微。我們希望世界上最大的統(tǒng)計專業(yè)學會發(fā)出的這份聲明將開啟新的討論，引起新的和嚴密的注意，使得利用統(tǒng)計推斷進行的科學實踐有所改觀。

1.American Statistical Association（2010），“ASA Statement on Risk-Limiting Post Election Audits，”available at http://www.amstat.org/policy/pdfs/Risk-LimitingEndorsement.pdf

2.Siegfried，T.（2010），“Odds Are，It′s Wrong:Science fails to face the shortcomings of statistics，”Science News，177，26，available at https://www.sciencenews.org/article/odds-are-its-wrong

3.Johnson，V.E.（2013），“Uniform lymost powerful Bayesian tests，”Annals of Statistics，41，1716-1741.

4.Phys.org Science News Wire（2013），“The problem with p values:how significant are they，really？”available at http://phys.org/wire-news/145707973/theproblemwithpvalueshowsignificantaretheyreally.html

5.Gelman，A.，and Loken，E.（2014），“The Statistical Crisis in Science［online］，”AmericanScientist，102.Available at http://www.americanscientist.org/issues/feature/2014/6/thestatisticalcrisis-in-science

6.Leek，J.（2014），“On the scalability of statistical procedures:why the p-value bashers just don′tget it，”Simply Statistics blog，available athttp://simplystatistics.org/2014/02/14/on-thescalability-of-statistical-procedures-why-the-p-value-bashers-just-dont-get-it/

7.Nuzzo，R.（2014），“Scientific Method:statistical errors”，Nature，506，150-152，available athttp://www.nature.com/news/scientific-method-statistical-errors-1.14700

8.Morganstein，D.，and Wasserstein，R.（2014），“ASA Statement on Value Added Models，”Statistics and Public Policy，1，108-110，available at http://amstat.tandfonline.com/doi/full/10.1080/2330443X.2014.956906

9.Siegfried，T.（2014），“To make science better，watch out for statistical flaws，”Science News，available at https://www.sciencenews.org/blog/context/make-science-better-watch-out-statisticalflaws

10.Peng，R.（2015），“The reproducibility crisis in science:A statistical counterattack，”Significance，12（3），30-32

11.Trafimow D，MarksM.（2015），editorial in Basic and Applied Social Psychology，37:1-2.