如果你錯過了三月劇集從統計上來說，無需註冊即可觀看！我們認為 Jessica Utts 和 Dick De Veaux（兩位傑出的獲獎統計學家、教授、作家和 ASA 研究員）提出的觀點和例子非常引人注目，因此他們的演講應該得到廣泛關注。
此外，我們在解決每個後續問題之前已經沒有時間了。值得慶幸的是，傑西卡和迪克提供了詳細的答案；我們感謝他們花時間進一步深入研究這個重要主題。
問題：建立分析時會產生不必要的浪費怎麼辦？我們看到很多人仍在進行單一因素的實驗，這其實只是浪費的嘗試和錯誤。這是否又回到了傑西卡關於教授統計知識的觀點？
潔西卡：我認為關於如何設計實驗或分析的討論不符合我對統計素養的想法，因為我最關心的是統計消費者的素養。但這引出了非常重要的一點。一次只進行一個因素的實驗的問題不只是浪費。問題是，如果存在相互作用但沒有考慮到，結果可能會非常誤導。並且交互作用只能透過在同一個實驗中研究多個因素來測量。
例如，一些研究表明，運動前攝取咖啡因有助於提高運動表現。但其他研究顯示相反的情況。提出的一種解釋是，這取決於一個人在遺傳上是咖啡因代謝快的人還是慢的人。因此，如果此類研究沒有考慮到遺傳差異，結果可能會產生很大的誤導。
當消費者讀到一項似乎沒有意義的研究結果（甚至是有意義的結果！）時，一個好的策略是考慮哪些額外變數可能會導致交互作用。例如，在本次網路研討會中，我討論了女性健康倡議的結果，該倡議似乎表明，停經後接受荷爾蒙替代療法會增加罹患冠心病的風險。但後續研究顯示情況並非如此簡單。根據美國婦產科醫學會婦科實務委員會:
「最近的分析表明，HT（荷爾蒙療法）不會增加最近經歷更年期的健康女性患 CHD（冠心病）的風險。有一些證據支持時間假說，即在接近更年期時使用 ET（雌激素療法）或 HT 可能會對心血管有益。
換句話說，對於在更年期開始服用荷爾蒙的女性來說，荷爾蒙不僅不太可能導致冠狀動脈心臟病，而且實際上可能有助於減少心臟病！問題在於，最初研究中女性的平均年齡為 63 歲，其中大多數已經過了更年期過渡期很多年，從未使用過荷爾蒙。一位醫生朋友向我解釋說，這意味著她們在停經後可能有時間在動脈中積聚斑塊，多年後當她們開始使用荷爾蒙時，斑塊鬆動，導致冠心病。如果她們在停經後立即服用激素，那麼斑塊就不會形成，激素也會保護她們免受心臟病的侵害。在這個例子中，以更年期渡過的年數為單位開始荷爾蒙的時間是一個重要的交互作用變數。如果消費者查閱了原始研究文章，他們會注意到參與研究的女性並不代表荷爾蒙療法在實踐中的應用情況。在「現實世界」中，荷爾蒙治療幾乎總是在達到更年期後立即進行。
如果您正在設計實驗或觀察性研究，那麼考慮解釋變數的組合如何影響結果非常重要。如果交互作用是可能的，那麼一次調查一個因素不僅是浪費，而且可能產生誤導。
問題：實際意義是否應該由特定的效應大小截止值來定義，例如 0.5，心理學家將其定義為「中等效應」？
潔西卡：不！實際意義應結合上下文來看。不過，效應大小很有用，特別是在確定一項研究結果是否可以從一項研究複製到另一項研究時。這是因為，與 p值不同，效應大小不依賴樣本大小。 （然而，與任何統計估計一樣，樣本越大，對真實效應大小的估計就越準確。）因此，如果特定結果變數在不同研究中始終顯示相同大小的效應大小，那就更好了複製指標，而不是規模差異很大的研究始終發現相似的 p值。
考慮效應大小的一個簡單方法是，它是兩組平均值之間標準差數量的差異。例如，男性和女性的平均身高相差約 5 英寸，每組內的標準差約為 2.5 英寸。因此，5 英吋的差異的效應大小為 5/2.5 = 2，這是以「組內」標準差數量表示的平均高度差異。如果效應大小在 0.2 左右，則被分類為小效應；如果效應大小在 0.5 左右，則被分類為中效應；如果效應大小為 1.0 或更大，則將效應大小分類為大效應。粗略地說，大的效應對任何人來說都是顯而易見的，中等的效應對善於觀察的專家來說是顯而易見的，而小的效應在不使用統計的情況下是無法真正觀察到的，儘管它可能很重要。使用此處的範例，兩組中2.5 英吋或以上的平均高度差（效應大小為1）對於任何觀察者來說都應該是明顯的，1.25 英吋的平均高度差（效應大小為0.5）可能不會被注意到，除非有人經常出於某種目的測量身高，如果沒有統計摘要，半英寸的差異（效應大小為 0.2）將很難檢測到。
但實際意義總是取決於具體情況。例如，假設進行了一項研究，以確定服用一種無副作用的特定草藥補充劑是否有助於降低膽固醇。各種來源報告稱，總血漿膽固醇的群體標準差約為 40 mg/dl。因此，即使相對較小的效應值 0.25（標準差的 1/4）也代表平均膽固醇降低 10 mg/dl，這可能有意義的臨床意義。另一方面，假設一種降低膽固醇的藥物有嚴重的副作用。在這種情況下，服用該藥物僅平均減少 10 mg/dl 可能不足以值得冒副作用的風險。如身高和膽固醇範例所示，效應大小的數值取決於組內的自然變異性。如果人群中膽固醇水平的自然變異僅為 5 mg/dl，而不是 40 mg/dl，那麼減少 10 mg/dl 將代表效應大小為 10/5 = 2.0，滿足「大膽固醇水平」的標準。 」
另一個例子是確定效果是否存在時。例如，測試超感官知覺是否可能的實驗室研究一致發現效應值較小，通常在 0.15 到 0.2 之間。但在這種情況下任何一致的非零效應大小都是有意義的，因為它表明超感官知覺是可能的。
因此，總而言之，確定研究結果是否具有實際意義需要背景專業知識。效應大小可以作為指導，但被認為具有實際意義的始終取決於統計測量之外的其他因素。
問題：與統計顯著性相比，您如何定義實際/生物顯著性？
迪克:這是一個很好的問題，也是一個常出現的問題。我將首先總體回答這個問題，然後給出幾個答案。統計「顯著性」是一個狹義術語，描述了觀察到的數據與建議模型的預測「足夠遠」的情況。因此，如果我們假設一枚硬幣是公平的，並翻轉它100 次，並且觀察到的正面朝上的頻率距離0.5 足夠遠，我們會說結果具有統計顯著性，這意味著在該模型下發生這種情況的可能性很小（這是 p 值）。當 p 值足夠小時，我們就說有證據反對該模型（或假設），無論與 0.5 的實際差異是否足夠大而實際上令人感興趣。實用/生物學意義描述了對科學家或其他研究者有意義的結果。結果可能具有實際意義，但不具有統計意義，或（甚至更糟），反之亦然。
昨天，一名學生來找我，提出了一個關於昆蟲如何訪問植物的理論。他們傾向於獨立出現還是成群出現？我們使用泊松模型來模擬 0、1、2、3…到達花朵的昆蟲的出現次數，然後使用卡方檢定來查看實際出現次數是否符合泊松分佈。透過讓時間段非常小，從而使時間段的數量很大，我們能夠相當容易地拒絕泊松模型（從而拒絕獨立到達）。但我們沒有回答抵達者的距離是否足夠遠以真正回答生物學問題。與泊松預期的數字有多大差異才能真正證明昆蟲正在「配對」。這不是統計學家可以回答的問題。
其他例子來自普林斯頓大學的一個實驗室，該實驗室試圖證明人類可以影響（或至少預測）隨機數產生器的結果。他們產生一個 0 到 1 之間的隨機（均勻）數字，然後要求受試者判斷該數字是小於還是大於 0.5。他們收集了數以萬計的觀察結果，並宣布該百分比具有明顯的統計顯著性（p 值 < 0.00001）。實際成功百分比（約 0.5002）的偏差非常小，最多只能影響 10,000 個結果中的兩到三個。當然，實驗室主任認為任何差異，無論多麼小，都會很有趣。即使結果是正確的，而不是實驗異常或隨機錯誤的結果，我也會讓讀者決定結果是否有實際意義。
如果藥物的成功率比安慰劑高得多，不可能是偶然發生的，我們會說這是一個具有統計顯著性的結果。但如果實際差異是治癒 31% 的患者，而不是安慰劑的 30%，我懷疑行銷部門將很難宣傳這種改善，即使這種差異具有統計顯著性。
問題：您是否認為任何與研究結果有利害關係的人都應該在研究中受到審查或識別？
迪克：我們比以往任何時候都更容易找到幾乎所有我們關心研究的主題的數據。但是，當然，所有數據並不相同。雙盲安慰劑對照臨床試驗的結果總是比軼事資訊更可取。當無法辨識資料來源時，可能無法區分這兩種情況。在聲稱數據對整個世界意味著什麼之前，數據的譜系，包括數據的收集方式、在什麼條件下、由誰收集以及出於什麼目的收集，是至關重要的。
我們有興趣聽到您可能聽到的有關數據科學倫理的其他示例，其中仔細考慮了倫理分析、明顯缺乏倫理的分析，或者不清楚如何最好地進行的倫理困境。再次感謝傑西卡和迪克分享他們在這個主題上的智慧和專業知識，這與這個時代息息相關。
jmp社群的各位好，
關於資料科學倫理的深入探討比以往任何時候都更加重要，傑西卡·烏茨和迪克·德·沃克斯分享的真知灼見有力地提醒我們，數據應當始終以公平、透明和負責的態度服務於人類。他們提供的真實案例使複雜的倫理挑戰更容易理解，並鼓勵我們更深入地思考統計數據如何影響日常生活中的決策。如果您喜歡此類富有教育意義的講座和精彩內容，還可以透過 Honista 應用體驗流暢的免費串流媒體服務，輕鬆獲得引人入勝的數位內容。
此致！
