如何看待 Nature 上刊文宣称很多科学家缺乏统计学知识？ 第1页

我想认真的回答一下这个问题：

一、很大一部分生命科学领域科研工作者确实缺乏必要的统计学意识

生命科学是由一个定性的研究领域发展过来的，所以在很长的一段时间内，统计学在其中的应用既不广泛也不深入。而现在的相关专业课程设置中，统计学的重要性也并没有被突出，所以在真正接触到有较深统计学需求的实际研究前，一个科研人员往往很难具有充分的统计学训练。

生命科学领域科研工作者欠缺的不仅仅是统计学常识，更重要的是缺乏统计学意识。比如u检验、t检验、秩和检验大家都学过，正态分布也学过，但一个简简单单的两组差异比较，很多人不会想到需要先看样本分布，再决定用参数检验还是非参数检验，而是简单粗暴的用上自己最熟悉的 t 检验（经几位专业人士提醒，这里额外提醒一下避免误导，t 检验要求来自两个独立同分布总体的数据，正态只是其中的特殊情况，具体见匿名用户答案及

在本答案下的讨论），这就是意识问题。

二、这种缺乏在特定问题上容易造成假阳性结果

在一些问题的解读上，很多人由于缺乏统计学意识，往往想不到需要去做某些处理，恶果就是假阳性结果。上文中有同学提到的多重比较（multiple comparison）问题就是最经典的案例。这也是目前流毒最广的一个问题，比如很多人外包给公司做芯片数据，而公司很不负责任的给一个p<0.05的表，很多人就拿着这些显著的基因去做后续实验去了（比如从中挑选自己觉得有兴趣的做功能验证），他们根本想不到，两组数据 50000对 t 检验，就算两组数据来自同一样本，也会有2500个p<0.05的假阳性，自然也就想不到在做后续验证前，还需要先在公司给的3000多个p<0.05的探针中筛一遍。

三、统计学对绝大多数的生命科学数据并没有特别重要的意义

正如

说的，大多数情况下，只需要定性实验结果就足够了，对于目前生命科学领域的很多分支学科确实如此。确实没有必要为统计而统计，举个例子，曾经有好几个人问我有没有计算Western Blot条带强度的软件，有倒是有啊，且不说功能齐全的Image J，光用个PS就能解决问题，可是完全没有意义啊。两个条带看起来就一深一浅，你统计亮度有显著性差异不是多此一举吗，两个条带看起来差不多，稍微有点差异，你统计完说p<0.05，我觉得只能呵呵了。生命科学研究论文本质上都是在讲故事，故事本身逻辑严谨很重要，但不是每个环节都需要用统计学去证明它的严谨，很多实验就是简简单单有或无的问题，例如 con-focal，例如共沉淀。

四、生命科学领域数据可重复性低的主因不在于统计学上的不严谨，而在于选择性汇报实验结果

我接触到的大多数生命科学的论文，都是用一个个小的结论，通过严谨的逻辑连成一个有一定科学价值的故事。然而我们也知道，这些发表的实验结果背后，还有着大量的未发表的实验结果。由于杂志审稿的偏好性，很多情况下，一篇论文是不能够出现看起来自相矛盾的数据的，但是实际工作中这种情况却并不罕见，很多刚正的学者的选择往往是深入挖掘（运气好能挖到大成果甚至诺奖，但大多数情况却没有什么价值）或者放弃整块结果，而另外很多研究者则会保留和整个故事一致的结果，放弃不一致的结果，虽然损害了一点点的逻辑严谨性，但毕竟守住了不造假的底线，也无法苛责太多。

五、随着生命科学的学科发展，统计学已经越来越重要

小作坊写故事片段，再拼接大论文的做法已经越来越行不通了，看看现在5-10分档的传统生物学论文数据量，简直一年比一年恐怖，如果把实验数据量当这个世界的货币看的话，贬值速度都赶上津巴布韦元了，完全一副夕阳产业的景象。

不会解读高通量结果，现在学术界积累的数以ZB量级的数据对你来说等于零。要么趁这几年生命科学领域投资热潮，尽早转出去做商业化，要么赶紧学好统计，拥抱时代和技术的馈赠。