398695_zh-CN

liliconcom

P 值的回归：科学家和工程师的统计战争 (2021-US-30MP-862)

级别：中级

 

Russ Wolfinger，SAS Institute Inc 科学发现和基因组学总监

 

这是统计共和国内战的时期。频率派和贝叶斯派刚达成半和平缓和，科学帝国就出现了一个新的、巨大的威胁，特别是再现性危机死星。 不知道 JMP 反叛者的早期发现，美国统计协会的顾问已经宣布 P 值是死星的驱动力。禁止 P 值和统计显着性会导致明星内爆吗？还是有更严重的因素在起作用？

 

自动生成的成绩单...

 

扬声器	成绩单
	嘿。
乔丹·希勒	你能听到我吗。
拉斯·沃尔芬格	嘿乔丹，你能听到我说话吗？
乔丹·希勒	我可以嘿，你好吗。
拉斯·沃尔芬格	太好了，伙计们让我了解我的背景，我在地下室完成了工作。
乔丹·希勒	好吧，好吧 慢慢来，我们有充足的时间。
	我们有点早，是的。
	一切顺利。
拉斯·沃尔芬格	真的很好，嗯，是的，我一直想赶上你，因为现在在基因组学方面有一些好的行动。
乔丹·希勒	是的，是的，我听说过一些我看到 EA 中出现的一些遗传物质。
	首先是的。
拉斯·沃尔芬格	因为。
	它实际上还没有准备好，但约翰逊一直在努力和卢西亚娜席尔瓦。
	他们在开玩笑就像乔丹得到了他的手一样。
乔丹·希勒	嗯，是的，你知道我的。
	当我说哦，这很有趣时，眉毛上扬了。
拉斯·沃尔芬格	不，是的，我们对新的方向感到非常兴奋，只是想一步一步地尝试。
乔丹·希勒	就在。
拉斯·沃尔芬格	我们实际上有一个新的，你知道杰夫曼让 RD 接替凯尔西。
	现在我们正在面试以填补杰夫的职位。
	在产品管理中，这将是下一个需要点击的难题，我们会找人帮忙，因为。
	我们有一些问题。
	营销品牌我的意思是他们喜欢我们提到的那样，我的意思是现在甚至不清楚市场喜欢什么。
	我们明白了，我们要小心，我确实做到了，我真的，真的很重视我没有通读你在我们调查中写的所有东西，感谢你在那里有见地的评论。
乔丹·希勒	好吧，你知道我已经退出市场一段时间了，所以你知道我说的任何话都持保留态度。
拉斯·沃尔芬格	只是有点，但我们希望每个人都能从他们的树林角落获得一些不错的见解，如果我们倾听每个人的意见，我们就会制定一个好的游戏计划。
乔丹·希勒	对对对。
拉斯·沃尔芬格	你甚至不知道我该怎么做。
	我现在看不到如何打开它的背景。
乔丹·希勒	是的，我可以，我可以通过相机图标告诉你它在哪里，可能会说停止视频。
拉斯·沃尔芬格	是的。
乔丹·希勒	有一个小胡萝卜。
拉斯·沃尔芬格	好的，我得到了虚拟背景，我们开始吧。
	哦，不要加载。
	加载智能虚拟挂起它让我我不知道发生了什么因为我通常有一个标准背景，出现摩托车更新或其他东西。
	我们走了。
	是的。
乔丹·希勒	好的。
拉斯·沃尔芬格	是的，那只是我认为它的建筑可能正在建造一个实际上只是拆除了它的另一端。
乔丹·希勒	是的，非常好。
	好的，所以当你准备好时，我有一个小清单供我们检查，以确保一切准备就绪。
拉斯·沃尔芬格	是的，我的视频和音频角度以及照明和一切看起来如何。
乔丹·希勒	这一切看起来不错，看起来不错。
	让我们看看我们是在正确的时间正确的地点，记录正确的事情。
	你知道这正在被记录，我不必担心你的口头许可，这很好。
	是的，你的麦克风听起来不错，你会不会有任何背景噪音，你所在的地方看起来很安静，对吧。
拉斯·沃尔芬格	我应该很好，除非我的。
	这实际上是令人讨厌的一天，所以我认为我的邻居不会启动割草机。
乔丹·希勒	好的，让我们看看手机和计算机通知是否静音，您是否正在运行 Outlook 或运行团队或类似的东西。
拉斯·沃尔芬格	让我现在关闭所有这些。
	我即将拥有大约 500 万。
	浏览器选项卡打开我知道是正确的，你有一点 CPU。
	是的，所以我现在已经打开我的 PowerPoint 缩放版。
乔丹·希勒	好的，那太好了，你能帮我确认一下你的显示分辨率吗？
拉斯·沃尔芬格	哦，好的，你想让我看看显示设置。
乔丹·希勒	是的，显示设置应该显示它在哪里。
	哪里会显示显示和显示设置。
	是的。
拉斯·沃尔芬格	它在我的笔记本电脑上 1920 年 10 点。
乔丹·希勒	完美，这应该没问题，另一个建议是，如果可以的话，如果您通常不这样做，请自动隐藏 Windows 任务栏。
拉斯·沃尔芬格	好的。
乔丹·希勒	嘿，你为什么不现在就开始共享你的屏幕。
	这样我们就可以了。
拉斯·沃尔芬格	好的，是的，这很好，确保共享屏幕。
	我们去屏幕。
	我正在点击它哦，分享好吧，我们开始了。
	进而。
	是的。
	希望这将是我喜欢将这五个放在一起可以有一些有趣的星球大战联系。
乔丹·希勒	那太棒了。
	好吧，让我们看看是的。
	在任务栏设置下，我认为您可以将其放在底部。
	说。
	自动是的，如果你是我不知道他们想要你做的有多好，但是当我这样做时我觉得很困惑，因为，因为你知道，然后你必须去屏幕底部拉它向上，但如果你能习惯它，如果你能处理它，那很好。
拉斯·沃尔芬格	是的，我对此很满意。
乔丹·希勒	好的，太好了。
	呃还有什么。
	自动的。
拉斯·沃尔芬格	让我尝试一下 MAC 所以当我去演讲时。
乔丹·希勒	是的最大化。
	幻灯片。
拉斯·沃尔芬格	我不认为这看起来不错。
	我只能用我的键盘做的，也就是说，碰到好的。
乔丹·希勒	它很棒。
拉斯·沃尔芬格	然后，我会在屏幕上的某个地方而不是我个人。
乔丹·希勒	没错，你知道它是分开录制的，他们会在后期制作中处理这些，所以你根本不用担心。
拉斯·沃尔芬格	好吧，走吧，哦，我不知道，我不知道我是否应该做我真正喜欢的事情，这不是我真正喜欢见到这个人的谈话。
	最初，只是为了感受一下你知道肢体语言和语气，但如果我真的会展示整个时间，那应该是我认为的最佳选择。
乔丹·希勒	如果您想从已经共享的屏幕开始，这取决于您，您可以这样做，如果您想在开始共享之前说一些介绍性评论，那也行。
拉斯·沃尔芬格	哦好吧，我会，但我的意思是我们可以，我们实际上可以哦哦，录音已经在路上了。
乔丹·希勒	这是一个很好的，是的，我猜它是自动开始的，但没关系，它只是添加，你知道，无论何时。
	在后期制作中，他们会在适当的时间开始制作，不用担心。
拉斯·沃尔芬格	好的，然后，你愿意吗，你是否会参与其中，就像说它或任何事情一样。
乔丹·希勒	知道当你准备好去的时候，我会关掉我的相机并关闭我的麦克风，然后我们会说准备好去。
	好的。
拉斯·沃尔芬格	听起来不错，然后我有 20 张幻灯片，所以提醒我什么是有时间限制的。
乔丹·希勒	我不认为你真的签了一份 30 分钟的论文。
	你知道它现在告诉虚拟，所以时间是可以替代的。
拉斯·沃尔芬格	但这很好，是的，我不认为我不会花一个小时的时间来观看精彩片段。
	是的，我想我认为 30 分钟听起来是对的。
	好的。
乔丹·希勒	好的，那么你觉得你还需要做什么，在我们开始之前，你准备好了吗。
拉斯·沃尔芬格	慢慢喝。
	是的 哦，然后这将播出，这将播出，我想，他们说的是 10 月 5 日的第五天。
乔丹·希勒	是他们去住的时候。
拉斯·沃尔芬格	是的，我想我收到了一些关于我可能是的电子邮件，也许我是即将在现场直播或类似的人之一。
乔丹·希勒	很好很好很好。
拉斯·沃尔芬格	所以，我应该在录音时喜欢暗示那个或任何东西，或者什么是公约。
乔丹·希勒	我会说不要，因为这将在以后作为人们的资源继续存在，即使在会议之后供人们观看，所以我直接记录下来。
拉斯·沃尔芬格	一种时间不变量。
乔丹·希勒	是的。
	非常正确。
乔丹·希勒	好的。
	所以如果你准备好了，那就太好了，所以我要关闭摄像头和麦克风，我会在这里观看，是的，只要你准备好了，就开始吧。
拉斯·沃尔芬格	当我完成我应该做什么。
乔丹·希勒	你可以说。
	就这样结束了，谢谢你，晚安。
	然后我会回来，我会。
	把它包起来。
拉斯·沃尔芬格	好的，编辑器将根据需要从头到尾裁剪。
	绝对没问题。
乔丹·希勒	好的，我走了，我要走了，祝你好运，我期待着看这个。
拉斯·沃尔芬格	谢谢你。
	好的。
拉斯·沃尔芬格	p 值。
	正如您可能听说的那样，在过去几年中，甚至最近在 2021 年，围绕这个最臭名昭著的统计数据存在一些争议。
	我想总结一些我一直看到和思考的事情，也是为了好玩，
	返回 P 值。
	我们有过一段时间，他们有点受到青睐，我觉得现在可能会有一点复苏，所以让我们看看结果如何。
	首先，让我们回到 100 年前，几乎......从现在开始几乎正好是 100 年，回到 1920 年代初期。
	这是有史以来最著名的统计学家 RA 的鼎盛时期 费舍尔，他是 p 值的功臣，还有许多
	直到今天，统计学中的概念非常强大和流行，例如，最大似然和概率论的频率解释。
	现在，费舍尔当时甚至在同一机构中的主要同行之一是 Jerzy Neyman 和 Egon Pearson。
	就在一开始，当费舍尔提出他的 p 值时，他们对它们的效用以及如何在实践中应用存在一些相当严重的分歧。
	正如您所知，Neyman 和 Pearson 是提出著名的假设检验框架的人。 这是更多的决策理论。
	他们也被认为具有置信区间、数据生成机制和其他常见事物。 我们现在使用的统计数据，有点像这两种初始方法的奇怪混合，但它们从一开始就在争议中诞生。
	现在，随着岁月的流逝，
	辩论仍在继续，并且倾向于沿着经典频率论与贝叶斯论的路线
	分歧。这经常……这有很多方面，其中一个关键是你如何解释概率本身？
	区分两大阵营的两种流行观点通常归结为您是否将概率视为客观世界中存在的一种并且可以衡量，比如现实世界的重复？
	或者更多的是在我们的头脑中的信仰程度？ 这些可以在以下方面产生非常深远的影响
	您采用的统计方法，甚至您如何进行基于概率的建模。
	而且，特别是，贝叶斯主义者通常倾向于……为了让贝叶斯框架站起来，您需要指定先验分布
	在所有参数上，这又会被解释为您对该参数方式的主观信念......参数的值可能采用的方式。
	它们可以是单变量、多变量等，具体取决于模型的复杂程度。 你曲柄……你通过贝叶斯定理转动曲柄
	并且您获得后验概率和密度，您可以根据这些概率和密度进行推断。 而常客倾向于使用也许在某种意义上，多一点......
	就这种直接计算而言，使用更远的方法或更客观的方法，这就是您获得 p 值的地方。 这当然是一个频率论风格的统计数据。
	随着时间的推移，它一直受到批评和多次审视，我们将在继续进行时更深入地研究 p 值的某些方面。 但他们......再次只是在历史背景下设置它们。
	然后最近他们……自 2000 年左右以来，围绕可重复性的话题一直在大肆宣传。
	这导致......围绕科学结论的论文和主题有数百篇，但无法重复。
	比如说，一个实验室产生了一些结果，做出了声明，而另一个实验室试图做类似的实验，但不能……只是得到一些不同的东西。 而这往往
	可能会引起很大的争议，因为它们可能是......其中一些结论相当
	重要的，可能会导致政策决定或周围的健康……或者您可能想到的任何领域的健康甚至决定。 很多人会声称我们处于这种可重复性危机的状态。
	现在把它与我们的星球大战主题联系起来，让我们想象一下，如你所知，我们可能经常拥有的整个银河系
	某种……总是有冲突在酝酿，叛逆团体不断涌现。 在这种可重复性危机中，如果你能想象星球大战，这个邪恶的委员会召开，
	结论是他们必须为这种可重复性找到替罪羊。 什么……我们能怪谁呢？ 我们可以……我们可以编什么故事？
	为什么不……为什么不把它归咎于糟糕的统计方法呢？ 事实上，p 值看起来像是一个很好的脆弱候选者。 我们看到帕尔帕廷皇帝对这个计划很满意，并愿意投入大量资源来实现它。
	现在，在此期间，在 2000 年代早期，有点像中后期，我们召集了一个外部领域的社会，围绕基因组可重复性的主题召开。
	我们对这个问题很感兴趣，我们确实看到差异表达基因列表缺乏可重复性。
	你可以想象一个维恩图，其中一个实验室会从实验中给出前 100 个最重要的基因。 另一个实验室去复制它，
	并且那个维恩图几乎没有重叠。 这是我们正在解决的一个问题，一种直接的科学再现性问题。
	我们经历了大量艰苦的工作和研究，并在许多实验室重新运行了大量控制。 我们在这里发表了这篇论文，我们在那里
	想出了一个我认为相当简单但容易解决一些可重复性问题的方法，
	特别是因为它们与 p 值和其他相关统计数据有关，例如二元决策上下文中的敏感性特异性。
	结论是 p 值本身并非设计为可重现的。 他们......他们的力量甚至意图作为统计数据是控制错误率。
	特别是，我们有经典的第一类误报率，这就是
	p 值及其理论是围绕着发展而来的，而再现性问题则是另一回事。
	事实上，我们的心态几乎是将可重复性视为超越特异性和敏感性的第三个维度，经典的第一类，第二类错误率。
	在基因组学的背景下，我们可以通过绘制图来帮助解决这个问题，就像你在这里看到的，称为火山图，
	其中每个点都是我们测量的一个基因，我们正在比较两个条件。 沿着 X 轴，我们测量效应大小或 log，在这种情况下是 log2 倍数变化，在 y 轴上，我们绘制负 log10 p 值。
	由于这两个统计数据之间的关系，情节往往总是具有这种特征性的 V 形，其中……动作最多的基因是左上角和右上角的基因，有点像从火山。
	但事实证明，在可重复性方面，
	关键……维度实际上是 X 轴，结果证明效果大小更可重现
	比 y 轴，p 值，这是一种标准化的信噪比度量，如果您想以这种方式查看它。
	所以解决这个问题的方法是你不...实际上两者都很有价值，所以关键是在这个图的左上角和右上角寻找基因，在那里你可以满足这两个标准。
	绘图实际上是一种直观的方式来做到这一点，并且绘制线条的方式有多种变化，例如您在此处看到的矩形或曲线。
	但这些都是更多的细节，一旦你......一旦你得到主要概念，这是那篇论文的主要信息，我认为，直到今天，它仍然是一个可靠的，但它没有真的
	有很多吸收......全面。 事实上，可重复性仍然是一个大危机，人们认为我们遇到了大麻烦，事情需要改变。
	现在，
	有点，由于 p 值吸收热量，就可重复性而言，美国统计协会可以说是领先的统计协会之一
	世界统计协会确实在 2016 年发布了一份关于 p 值的声明。 他们，有点，感觉很热，并认为在那里发布一些消息是个好主意，帮助
	消除一些担忧，也许可以谈谈我提到的一些事情。 然而，这六个陈述，为了时间起见，我们不会详细介绍它们，
	虽然他们确实提出了一些有趣的观点，但我认为他们在某些事情上没有抓住重点。
	而现在，这些说法本身就有些火爆，所以战线画得更加清晰，这种说法是有帮助还是有伤害是值得怀疑的
	在整个辩论中，但至少它是......这是一个进步，这些陈述中有很多好处。
	我认为一些批评可能比需要的更挑剔，但至少......至少，
	它试图解决问题。 这些是......我确实认为这些很有价值......作为理解争议和确保我们可以......我们可以就如何以及何时使用p值做出正确决定的宝贵贡献，如果有的话。
	现在，我想说，在 2019 年的这一期《美国统计学家》中，辩论达到了顶峰。 我，有点，很有趣，如果你愿意，称之为 ANTIPA，
	一种反 p 值的骚乱，几乎该期刊上的每篇论文都如此……在这一期中，它有点贬低或抨击 p 值。
	整个问题由罗恩·瓦瑟斯坦 (Ron Wasserstein) 领导，他是……美国统计协会执行董事的负责人。
	因此，凭借这一突出地位，它带来了很多......很多分歧，就在前面。 和
	关于这个问题的事情，我确实推荐，虽然不要指望通过这个问题来解决你的问题，事实上你很可能会离开
	比你进去时有更多的问题和挠头，因为那里的文件到处都是。
	关于该做什么，没有任何明确的信息。 唯一明确的信息是 p 值不好，然后我们应该怎么做来应对。
	所以我会向您推荐这个问题以获取更多详细信息，但是您可以通过此处列出的一些标题看到并了解一些正在提议的内容，
	包括一个相当激进的提议，即完全放弃统计意义的短语和用法。
	而且我会包括，如您所知，在 JMP 软件中，有时我们会……我们会制作对数条形、负对数 p 值或在输出上加上星号。
	但是这个提案会说那很糟糕，不应该再这样做了，这会导致不好的做法。 所以这对我们来说实际上是一个有趣的问题
	在 JMP 部门，就像我们一样，在 JMP 和我都会说，在 2000 年之前，SAS 可能已经
	鉴于其历史，它产生的 p 值比世界上任何其他软件公司都多。 所以这是我们研究的一个自然主题，如果我们错了，承认这一点并继续前进是件好事，但如果不是......它是......我认为我们应该提出一些原因，
	一些争论和实际理由为什么它可能是一个很好的......继续使用 p 值的一个很好的理由。
	所以有一种新兴的文学，这真的让事情变得炙手可热。 对此有相当多的回应，一些博客文章等。
	但同样，如果你想深入了解大事……大事，这就是开始的问题。 从那以后，有一些跟进，很多事情。
	不过，即使在这个问题上，也并非全是坏事。 我会向您指出 Sander Greenland 的这篇文章，我觉得他一直是理性的声音
	在整个争议中。 他还在网络上到处发表了几篇博客文章，您可以搜索和找到这些文章。 而且他提议
	保持在我们喜欢的对数刻度上，记住我们在火山图上使用，并且有一种方法可以查看 p，我们采用 log2
	p 值，与信息位和经典香农信息熵标准有直接联系。 而且，当然，如果你取对数，转换基数是很容易的，你可以通过乘法或除法来计算基数为 10。 所以
	就我个人而言，我倾向于同意这里的评估，即这实际上有一些价值……只是查看对数 p 值。
	此外，我会向您推荐列在此处底部绿色方框中的两篇论文。 Benjamini 于 2019 年在 JSM 上发表了精彩的正式 Rietz Lecture，然后来自制药行业，Eric Gibson 的论文也是一本非常棒的读物，有很多很好的见解。
	让我们来看看这里。 p 值真的是问题吗？ 你可以开始......明星......如果我们能退后一点，
	问题是它们被如此频繁地使用，我们可以做一个类比
	驾驶汽车。 你可以想象，有人贴出可怕的照片和事故，只是说我们需要……我们需要一起停止开车；这太危险了。
	人们无法处理他们的汽车。 你会......你会忽略这样一个事实，即数以百万计的人每天都安全驾驶，并且能够很好地利用他们的汽车、家人和工作需要。 所以
	我认为，其中一些批评往往是片面的或有偏见的，因此，与任何争议一样，尝试寻找双方并寻求解决方案会有所帮助。 或者，如果声称的某些东西确实没有引起共鸣，那就把它放在它的位置上，就像它一样。
	还有一个问题是没有明确的替代方案来取代 p 值的作用。 毫无疑问，它们确实会被滥用，有时它们是一个有点难以解释的统计数据，
	但问题是，如果我们根本不打算使用它们，假设我们在 JMP 中决定将它们全部抛弃，我们会用什么来代替它们？
	并且有很多建议，当然，置信区间、贝叶斯测量后验概率等。
	但是他们中的很多人都受到了与 p 值本身相同的批评。 所以问题是，如果我们回到可重复性的问题，
	你知道，什么......什么是......当一项研究不能很好地重现时，什么是核心，发生了什么？ 如果我们远离……邪恶……邪恶的叙述，就像它一样，我们可以考虑很多事情。
	考虑实验设计本身之类的事情，我们知道有很多......那里可能会有很多麻烦，这是一个需要
	我们在 JMP 非常认真地帮助您设计真正可靠的实验，避免混淆和其他通常会产生偏差或引发偏差的因素......
	同样，在数据收集、清理方面，整个电路板都可能存在错误。
	而且 p 值确实容易受到黑客攻击。 你产生了很多，就像我们在基因组学领域所做的那样。
	如果您只想挑选最重要的那些，您将陷入……成为多重测试等经典问题的受害者。 更不用说，我们的出版框架虽然坚固……尽管它对科学有帮助，但也存在偏见。
	而且，当然，每个人都喜欢......喜欢一场精彩的战斗。
	因此，为了对此有所了解，我认为重要的是要认识到，只要回顾一下科学史，总会有关于话题的争论。
	当你在一个房间里遇到敏锐的人，真正聪明的人，他们对自己的追求充满热情
	如果他们不同意另一个，一个火花很可能会飞。 这有点......有点粗糙和翻滚。
	这也很好，你知道，只是为了确保每个人都在听，你真的理解 p 值的定义，
	这在某种程度上，我喜欢认为，有点像尤达；这是反向逻辑。 所以如果你的想法是首先假设零假设为真，
	然后问这个问题，观察到比我们观察到的更极端的东西的概率是多少，或者所谓的尾部区域，
	假设null和model，当然model本身也是真的？ 所以它有点像尤达语法一样的反向逻辑。
	所以它通常不是可能没有解决您想要的确切问题，贝叶斯主义者会说，您真正想要的是概率......假设为真的直接概率，
	p 值不是，所以很高兴知道这一点。 如果您确实想要这种概率，那么贝叶斯方法可能是一个不错的选择……一个不错的方法。 同样，p 值确实是用于错误控制而不是可重复性。
	我想建立一个小小的联系，我想说贝叶斯与频率论的争论可能已经达到我们的好朋友史蒂夫·尤伯所说的缓和，
	并且有些联系经常被低估，例如，这个可以追溯到 1987 年的联系。
	如果你看...如果我们从片面测试的角度来看，我们只看分布的一面，结果在这篇论文中，他们在 JASA(?) 上发表了，
	p 值的一侧...一侧实际上可以与贝西恩后验概率直接相关（这由红色和蓝色表示
	您在此处看到的分布）突出显示的两个尾部区域完全相同，一个是 p 值
	另一个是贝叶斯后验，都是单边的。 所以我们可以得到这样的情况，你会得到同样的答案……你会得到同样的答案
	无论您是采用贝叶斯还是频率论者的观点。 我认为这些决议实际上非常好，值得牢记。
	对我来说，它们……它们是实际使用片面测试的一个理由……当你可以的时候。 我也想给我们同事一个插件，
	Brian Fricke，他一直在研究一个名为置信曲线的新插件。
	我相信他是，如果他还没有的话，他很快就会把它放在 JMP 社区上。 所以检查一下，因为他实际上
	查看与模型筛选结果相关的 p 值，这是在 k 折交叉验证类型框架中比较这些结果的好方法。 因此，请在有机会时检查一下。
	现在，也再次尝试在这里获得视角。
	我认为另一个比较或观点是预测建模预测和解释之间的这种很好的区别。
	这……这是一个……这更像是一种哲学上的区别，但将其与统计方法联系起来，我认为很有意义。
	10 年前，现在 11 年前，Galit Shmueli 在 Statistical Sciences 发表了一篇很好的论文，概述了这里的许多关键问题。
	但我提出它们是因为我们有......你知道，机器学习数据科学最近正在爆炸式增长。 大多数机器学习者只是喜欢住在这张图的左侧。
	如果你处于一种预测的心态，事情往往会稍微简化一点，
	目标只是创建更好的预测，许多可重复性问题开始消失。
	因为我们知道如果我们在预测方面做得很好，我们就可以合理地预测未来或新的观察结果而不会过度拟合。
	很多问题都变得无关紧要，而我认为如果你想跳得更高并真正尝试了解一个科学系统，
	这就是事情变得更加棘手的地方。 而且我觉得 p 值往往在右侧更相关，在那里你试图解释事情。
	你想知道统计方法是否正在产生错误，如果是的话，什么样的错误，我正在查看的统计数据有多不寻常，
	等等。所以记住这些事情并将它们应用到你正在研究的这个场景中是很重要的。
	你可能处于这样一种情况，你真正关心的是做出正确的预测，如果是这样，
	取 p 值，不要......也许你没有太大的相关性。 但是，如果您处于我们在 JMP 中非常了解和喜爱的经典设计实验环境中，
	那么所有这些更困难的问题都会出现，但如果你能解决它们，回报也会大得多。 如果你能理解系统并解释它，你当然也可以预测，所以我认为解释是一个科学上更高的目标。
	当然，我们现在要来了……用方差分析完整循环，这也是费舍尔在百年前普及的东西。 我们有带方差分析的工具
	我们可以真正去追寻一个科学问题，把它分解，看看发生了什么，并实现那个解释目标。
	我确实觉得 p 值可能是其中的关键部分。 如果您想到经典的 ANOVA 表，其最终输出通常是 F 检验的 p 值
	表明某种效果是否在统计上显着超过实验中观察到的噪声。
	我认为......在其尾部区域计算该统计数据，这通常是一件非常有用的事情。 你可以在左侧看到一些 JMP 输出，p 值显示出来，
	再次，在对数尺度上。 我认为这种情节非常有价值，对实验中正在发生的事情进行非常快速和直观的视觉总结。
	另外，我想向您推荐 Deborah Mayo 的这本书，以及她非常活跃的博客系列。 这是一个很好的资源。 我喜欢阅读它。 和
	这实际上……她更像是一个统计哲学家，虽然她知道很多……很多关键问题，但就以下方面而言，这是一本很好的读物
	真正深入研究一些深层问题，并真正进一步阐明为什么像 p 值这样的统计数据实际上确实具有良好的影响。 她更倾向于专业 p 值阵营
	她最重要的事情是她所谓的严格测试，在那里你尝试采取一种方法并把它……真正地通过绞拧器，寻找错误。
	这很好......我认为这是一门很好的、扎实的科学，如果可能的话，你总是持相反的观点，
	在你自己的身上戳洞，总是在寻找缺陷，并谦虚地认为某些东西可能并不总是最初出现的那样，当你真正开始剥离这些层时。 所以它肯定是一本推荐的书。 一探究竟。
	然后总结一下……从这次演讲中获得更多的外卖建议，
	当然，我认为对 p 值的一些批评是人们盲目地查看它们是否低于 0.05，然后根据此做出快速决定。
	请记住，0.05 通常不是您的最佳标准。 那是......这是另一个可以追溯到费舍尔的经验法则。
	所以它有 100 年的历史，可能对您的环境没有意义。 我知道在基因组学中说，全基因组关联研究，我们经常想要更加严格
	处理多重测试问题。 但它就在那里，而且只是，如果您知道 p 值的定义，您就可以就在何处进行这些截止点做出明智的决定。
	再一次，我想重申一下，在可能的情况下考虑片面测试，以及这种很好的二分法或一种解释和预测心态之间的黑格尔辩证法。
	现在这是我整理的一个小模因，只是为了取笑一些人。 但我确实觉得有时
	社区实际上喜欢保持......让争议不断酝酿和持续，以便推动他们的......他们的出版物，或者只是为了保持叙事的进行。
	因此，p 值确实在这种情况下仍然容易受到攻击，并且将来可能会如此，但最终，我确实认为如果您适当地使用它们，它们实际上非常有价值。
	现在我想提最后一件事。 事实证明，为了回应我提到的那篇 2019 年 ASA 期刊文章，
	当时的 ASA 主席 Karen Kafadar 召集了一个工作组，将她希望能够对许多关键问题做出明确答复的内容放在一起。
	她召集了我认为星光熠熠的顶级统计学家和研究人员小组。 你知道那里的一些名字，包括我们心爱的 Dick De Veauz、JMP 的大支持者、Brad Efron 和其他人。
	他们召集了这个工作组，他们聚在一起写了一个非常好的紧密回应。
	但结果它的发表被屏蔽了，被屏蔽了快两年了。 我一直在关注这个，实际上我正在与 Dick 和 Karen 通信
	关于什么时候出来，结果他们最终决定在几个期刊上发表。
	有几个期刊不想接，只好折腾了一阵，终于发表了，就一两个月前。
	我强烈建议你看一看。 它很短。 它实际上比我想象的要短得多。
	但对我来说，它确实回答了很多关键问题。 您可以在 Deborah Mayo 的博客中查看全文
	发帖，我在底部提供链接，如果您想查看该链接，或者您可以在线搜索。 我相信它正在发表在《应用统计年鉴》上。
	我确实喜欢......我认为这实际上是......一种很好的答复，也许它会解决一些围绕 p 值的争议。
	对我来说，它看起来非常可靠，但我鼓励你检查一下，随着时间的推移，我们将不得不看看 Stat Wars 中的情况如何。 在那之前，我确实想保证看起来宇宙中的秩序会恢复。 我们只需要看看它什么时候发生。 非常感谢。

爆发统计和建模