研究方法

研究方法 您所在的位置:首页 >研究方法 > 统计方法
神经科学论文中的统计错误
时间:2013-1-18 20:21:43

原文来自我爱脑科学:http://52brain.com/thread-14325-1-1.html


最近nature neuroscience上一篇关于神经科学中统计使用的文章引起了不少博客的关注(Erroneous analyses of interactions in neuroscience: a problem of significance, GOOLE 有得下~~)。个人觉得有点像当年那个Voodoo,也是从顶级的杂志science, nature, nature neuroscience, journal of neuroscience以及neuron上找出一些文章,然而分析其中统计方法的使用问题。在其分析的513中,有157篇中至少包含一个可能让研究者犯错之处。而在这些可能会犯错的文章中,50%左右的文章犯也错!!这里很玩味的一句话是:显著与不显著之间的差异不一定显著。也就是说,当一个效应显著而另一个效应不显著时,不能说显著的效应与不显著的效应相比有显著的效应。其实就是,该做交互作用的时候就得做交互作用。作者这伙人都是统计高手。如果大家还记得发在JPSP上那个预见未来实验(见这里:http://52brain.com/read-htm-tid-12530-fpage-1-page-1.html)的话,应该还记得有两个独立的组用Bayian流的方法对其结果进行重新统计并发表的事儿。其中一个组就在这个篇文章的作者之中。作者们列出了三处出错最多的地方(虽然出错的地方多种多样)第一, 也是最多的,是比较不同组或者不条件下效应大小。第二, 上述条件的一个特例,比较前测和后测之间效应大小的差异。第三,比较几个脑区以证明某个特定的脑区具有特殊的功能。(咱们滴友中不少就是用这个approach在做吧,注意了!)强烈推荐读原文,原因很简单:这个文章只有两页半。不过说实话,最让我惊奇的是这句话: we reviewed an additional 120 cellular and molecular neuroscience articles published in Nature Neuroscience in 2009 and 2010 (the first five Articles in each issue). We did not find a single study that used the correct statistical procedure to compare effect sizes. Nat. Neurosci. 上 cellular和 molecular文章的统计这么不靠谱???!!还有这句 In general, data collected in these cellular and molecular neuroscience studies were analyzed mostly with t tests (possibly corrected for multiple comparisons or unequal variances) and occasionally with one-way ANOVAs, even when the experimental design was multifactorial and required a more sophisticated statistical analysis.