面对任何数据中一种明显的模式，一个关键问题始终是：“这种模式具有某种真实的意义，还是仅仅是偶然？”举个最简单的例子：如果我测量五男五女的身高，结果发现男人通常比女人高一些，那么我可能是发现了某种规律，也可能只是我的样本中选取了一些高个男性和矮个女性。基于这种比较小的样本，我是否应该确信男性一般都长得比女性高呢？
统计学上的测试工具是一种“学生T测试(Student's t-test)”。“学生”是威廉·西利·戈塞特(William Sealy Gosset)的化名。他是一位和蔼可亲、穿一身旧帆布衣裳的化学家。从1899年开始，戈塞特终生都在为健力士啤酒工作，并最终晋升为该公司的首席酿造师。该公司对待其商业机密非常谨慎，戈塞特只能用假名发表自己的研究成果。
从一开始，戈塞特的研究重点就很务实，正如经济学家、历史学家史蒂夫·策里克(Steve Ziliak)研究健力士啤酒的档案时所发现的那样。要想大规模生产高质量的啤酒，戈塞特需要对啤酒花、麦芽和大麦进行抽样测试。但是，实验费用昂贵，因此戈塞特设计了小样本测试法，因为他想了解，要进行多少次实验才能确信其试验结果。这是一个明显的权衡问题：什么程度的信心才“足够”？这取决于在进一步研究的成本和精确度更高的益处之间进行取舍。
在最近出版的《统计重要性之崇拜》(The Cult of Statistical Significance)一书中，策里克和共同作者迪尔德·麦克劳斯基(Deirdre McCloskey)认为，大部分学科都已忘记了这种权衡。相反，他们采用了由著名统计学家、数学遗传学家罗纳德·费雪(Ronald Fisher)推广的人为标准。费雪采用了戈塞特的计算方法，并在此基础上总结出自己的方法。他建议，不要理睬那些未达到95%可信度的研究结论。换言之，除非某种偶然模式应验与失真的概率达到19比1，否则就根本不要去理睬它。
这似乎是一种合理的预防措施——当然也是现今的标准做法——但在统计学上，明确的界限毫无意义，而且是有代价的。在最近的一次采访中，策里克和我谈起上世纪80年代初经济低迷时美国伊利诺伊州一个促进就业的方案。研究人员估计，按照该方案，每花1美元就可节省4.30美元，并且结果真实的可信度达到了87%。但是，这个比例低于费雪95%的标准，所以该方案被视为无效。费雪如果知道也会同意的。
这很奇怪——如果我给你这样的机会：你花1美元就有87%的机会收回4.30美元，那么你把它视为不错的押注，应该没有错。如果戈塞特知道，他也会支持你的观点。
在任何情况下，看上去像是预防措施的东西，都有可能是草率的。如果止痛药似乎可能引发心脏病， 那么按费雪的标准，除非在统计学上百分之九十五地肯定，否则这种风险就可以忽略不计。一个更为合理的标准不是要问“我们是否肯定会有某种效应？”，而是既要考虑我们估计的精确度，也要考虑可能出现的模式的重要性。这就是戈塞特的所为：他对健力士啤酒所做的实验都没有达到统计学意义上95%的可信度。但经济学意义呢？我们可以肯定的说——他达到了。
译者/力文
正在加载评论内容......
