如果你错过了三月份的从统计学角度来看，您无需注册即可观看！我们认为杰西卡·乌茨 (Jessica Utts) 和迪克·德沃克斯 (Dick De Veaux) 两位才华横溢的获奖统计学家、教授、作家和 ASA 研究员提出的观点和例子非常引人注目，他们的演讲值得广泛传播。
此外，我们没有足够的时间回答每个后续问题。值得庆幸的是，Jessica 和 Dick 提供了详尽的答案；我们很感激他们花时间进一步深入探讨这个重要主题。
问题：在设置分析时会产生不必要的浪费怎么办？我们看到很多人仍然在进行一次只做一种因素的实验，这实际上只是浪费时间的反复试验。这是否与杰西卡关于教授统计素养的观点相吻合？
杰西卡：我不认为关于如何设计实验或分析的讨论符合我对统计素养的理解，因为我最关心的是统计消费者的素养。但这引出了一个非常重要的观点。一次只进行一个因素的实验的问题不仅仅是浪费。问题是，如果存在相互作用但没有考虑到，结果可能会非常具有误导性。而相互作用只能通过研究同一实验中的多个因素来衡量。
例如，一些研究表明，锻炼前摄入咖啡因有助于提高运动成绩。但其他研究则得出了相反的结论。有人提出的一种解释是，这取决于一个人在基因上是咖啡因代谢快还是慢。因此，如果这类研究没有考虑到这种基因差异，结果可能会非常具有误导性。
当消费者读到一项似乎不合理的研究结果（甚至合理的结果！）时，一个好的策略是思考哪些其他变量可能导致相互作用。例如，在这次网络研讨会上，我讨论了妇女健康倡议的结果，该结果似乎表明绝经后服用激素替代疗法会增加患冠心病的风险。但后续研究表明，情况并非如此简单。根据美国妇产科医师学会妇科实践委员会:
“最近的分析表明，HT [激素疗法] 不会增加近期绝经的健康女性患 CHD [冠心病] 的风险。有证据支持时间假说，该假说认为，在绝经前使用 ET [雌激素疗法] 或 HT 可能会带来心血管益处。”
换句话说，激素不仅不太可能导致更年期开始服用的女性患冠心病，而且激素实际上可能有助于减少心脏病！问题是，原始研究中的女性平均年龄为 63 岁，其中大多数已过了更年期过渡期多年，从未使用过激素。一位医生朋友向我解释说，这意味着她们可能在更年期后有时间在动脉中积聚斑块，当她们多年后开始服用激素时，斑块松动，导致冠心病。如果她们在更年期后立即服用激素，斑块就不会积聚，激素也会保护她们免受心脏病的侵害。在这个例子中，以更年期过渡期后的年数来开始服用激素的时间是一个重要的相互作用变量。如果消费者查阅了原始研究文章，他们就会注意到参与研究的女性并不代表激素疗法在实践中的应用情况。在“现实世界”中，几乎总是在患者进入更年期后立即开出激素疗法。
如果你正在设计实验或观察性研究，那么思考解释变量的组合如何影响结果非常重要。如果可能存在相互作用，那么一次调查一个因素不仅浪费时间，而且可能产生误导。
问题：实际意义是否应通过特定的效应大小截止值来定义，例如 0.5，心理学家将其定义为“中等效应”？
杰西卡：不！实际意义应结合具体情况来看待。但效应量很有用，尤其是用于确定一项研究的发现是否可复制到另一项研究中。这是因为，与 p值不同，效应量不依赖于样本量。（但是，与任何统计估计一样，样本越大，对真实效应量的估计就越准确。）因此，如果特定结果变量在各个研究中始终显示相同的效应量，那么这比规模差异很大的研究始终发现相似的p值更能表明重复性。
思考效应量的一个简单方法是，它是两组平均值之间的标准差。例如，男性和女性的平均身高相差约 5 英寸，而每组内的标准差约为 2.5 英寸。因此，5 英寸的差异具有 5/2.5 = 2 的效应量，这是平均身高之间的“组内”标准差之差。如果效应量约为 0.2，则为小效应量，约为 0.5，为中效应量，为 1.0 或更大，则为大效应量。粗略地说，任何人都可以注意到大效应量，细心的专家可以注意到中等效应量，而小效应量如果不使用统计数据则无法真正观察到，尽管它可能很重要。使用此处的示例，两组平均身高差异为 2.5 英寸或更大（效果大小为 1）时，任何观察者都应该能够注意到，而平均身高差异为 1.25 英寸（效果大小为 0.5）可能不会被注意到，除非有人经常出于某种目的测量身高，而如果没有统计摘要，则很难检测到半英寸（效果大小为 0.2）的差异。
但实际意义总是与环境有关。例如，假设有一项研究确定服用一种没有副作用的草药补充剂是否有助于降低胆固醇。各种来源报告称，总血浆胆固醇的总体标准差约为 40 mg/dl。因此，即使相对较小的 0.25（标准差的 ¼）效应量也代表平均胆固醇降低 10 mg/dl，这可能具有重要的临床意义。另一方面，假设一种降胆固醇药物有严重的副作用。在这种情况下，服用该药物后平均仅降低 10 mg/dl 可能不足以值得冒副作用的风险。正如身高和胆固醇的例子所示，效应量的数值取决于自然的组内变异性。如果人群中胆固醇水平的自然变化仅为 5 mg/dl 而不是 40 mg/dl，那么 10 mg/dl 的降低将代表 10/5 = 2.0 的效果大小，满足“巨大影响”的标准。
另一个例子是确定某种效应是否存在。例如，测试超感知觉是否可能存在的实验室研究一致发现效应量很小，一般在 0.15 到 0.2 之间。但在这种情况下，任何一致的非零效应量都是有意义的，因为它表明超感知觉是可能的。
因此，总而言之，确定研究结果是否具有实际意义需要背景专业知识。效果大小可以作为指导，但被认为具有实际意义的内容始终取决于统计指标以外的其他因素。
问题：与统计意义相比，您如何定义实际/生物学意义？
迪克：这是一个很好的问题，而且经常被问到。我先大致回答一下这个问题，然后再给出几个答案。统计“显著性”是一个狭义术语，它描述了观察到的数据与所提出的模型预测的数据“相差足够远”的情况。因此，如果我们假设一枚硬币是公平的，并将其抛 100 次，并且观察到的正面出现的频率与 0.5 相差足够远，我们会说结果具有统计显著性，这意味着在该模型下发生这种情况的概率很小（这是 p 值）。当 p 值足够小时，我们会说有证据反对该模型（或假设），无论与 0.5 的实际差异是否足以引起实际兴趣。实际/生物学意义描述了对科学家或其他研究人员有意义的结果。结果可能具有实际意义，但不具有统计意义，或者（更糟）反之亦然。
昨天，一名学生向我提出了一个关于昆虫如何造访植物的理论。它们是倾向于独立造访，还是成群结队地造访？我们使用泊松模型来模拟 0、1、2、3……只昆虫到达花朵的发生情况，然后使用卡方检验来查看实际发生情况是否符合泊松分布。通过将时间段设置得非常小，从而增加时间段的数量，我们能够相当容易地拒绝泊松模型（以及独立到达）。但我们没有回答到达的昆虫是否足够远以真正回答生物学问题。与泊松预期数字相差多少才能真正证明昆虫正在“配对”。这不是统计学家可以回答的问题。
其他例子来自普林斯顿的一个实验室，该实验室试图证明人类可以影响（或至少预测）随机数生成器的结果。他们生成一个介于 0 和 1 之间的随机（均匀）数字，然后让受试者判断它是小于还是大于 0.5。他们收集了数以万计的此类观察结果，并宣布该百分比具有明显的统计意义（p 值 < 0.00001）。实际成功率（约 0.5002）的偏差非常小，最多只能影响 10,000 个结果中的 2 到 3 个。当然，实验室主任认为，任何差异，无论多小，都会很有趣。即使结果是真实的，而不是实验异常或随机误差的结果，我也会让读者来决定结果是否具有实际意义。
如果一种药物的成功率比安慰剂高出很多，不太可能是偶然发生的，我们会说这是一个具有统计意义的结果。但如果实际差异是治愈 31% 的患者，而不是安慰剂的 30%，我怀疑营销部门很难宣传这种改进，即使这种差异具有统计意义。
问题：您是否认为对研究结果有兴趣或有利益关系的任何人都应该在研究中受到审查或认定？
迪克：现在，几乎任何我们想研究的主题的数据都比以往更加容易找到。但当然，并非所有数据都相同。双盲安慰剂对照临床试验的结果总是比轶事信息更可取。当无法确定数据来源时，可能无法区分这两种情况。在断言数据对整个世界意味着什么之前，数据的来源（包括如何收集、在什么条件下、由谁收集以及出于什么目的）至关重要。
我们有兴趣听听你们关于数据科学伦理的其他例子，这些例子包括对伦理分析进行了仔细的考虑、明显缺乏伦理的分析，或者不清楚如何最好地进行的伦理困境。再次感谢杰西卡和迪克分享他们在这个话题上的智慧和专业知识，这对现在的时代来说非常重要。
jmp社区的各位好，
关于数据科学伦理的深入探讨比以往任何时候都更加重要，杰西卡·乌茨和迪克·德·沃克斯分享的真知灼见有力地提醒我们，数据应当始终以公平、透明和负责的态度服务于人类。他们提供的真实案例使复杂的伦理挑战更容易理解，并鼓励我们更深入地思考统计数据如何影响日常生活中的决策。如果您喜欢此类富有教育意义的讲座和精彩内容，还可以通过 Honista 应用体验流畅的免费流媒体服务，轻松获取引人入胜的数字内容。
此致！
