论文文献统计学错误

学好了数学或者成为了一个优秀的程序员绝对不等于对统计学有很好的了解。还有一些案例中显示有扎实的统计能力的优秀科学家也不一定总是在统计方面能做好——科学家也是人，他们也会在统计学领域犯错，这里有些例子：1. 非常草率的处理数据，例如：数据误读，错误标注，未能正确清理数据，合并不正确项，不存档等等。2. 对概率论的理解不足，过分依赖少数概率分布，如常态。3. 对取样理论和取样方法的无知：从一个小的自选择样本推广到一个大的异质群体就是一个例子。对数据加权的误解也很常见。第三个例子使用复杂抽样方法时，将数据视为一个简单的随机样本。4. 对统计推断的把握不严，如混淆统计意义和实际意义。另一个例子是对人口数据进行重要性测试。例如，如果我们对A国有五十年的季度GDP数据，这200个数据点是该时间段内国家的人口数据，而不是人口的样本。例如，进行t检验，看看线性趋势是否与零有统计学上的差异，在这种情况下是没有意义的。5. 利用机会寻找重大差异(p-hacking)，却不考虑已经进行的显著性测试的数量。6. 在学术期刊上，要获得学术期刊的认可，通常需要达到统计上的重要性，而出版偏倚是一个严重的后果。 Meta-Analysis (Borenstein et al.) 和Methodsof Meta-Analysis (Schmidt and Hunter)这2本书中的对应方法很管用值得一看。7. 从一个没有被复制甚至交叉验证的单一研究中得出戏剧性的结论。8. 对贝叶斯统计，非参数统计，心理计量学和潜在变量模型的理解太表面。9. 对分析时间序列和纵向数据的方法，以及空间统计和多层次混合模型理解不充分。10. 许多工具，如支持向量机和人工神经网络，以及数据挖掘和预测分析中常用的Boosting和bagging等概念，对许多尚未开发的科学领域有潜在的实用价值。11. 没有对广义线性模型方程给予足够的关注，例如忽略交互术语。12. 在量化回归、回归样条、广义相加模型或其他方法时，对一组特定的数据进行线性化。13. 不理解（或忽略）重要的统计假设。回归分析被普遍滥用。14. 测量误差：统计显着性测试不考虑测量误差，但测量误差可能会对统计模型的解释造成很大影响。15. 忽略回归到平均值：一个非常古老而又非常危险的错误！16. 出于各种动机对连续变量进行分类，以满足统计假设，但这样做是不对的。另一个原因是它是一种输出结果的方法——一些“效应”是年龄真正的代理或年龄大大缓和。连续年龄有时被故意地分组到广泛的年龄范围，使其效果减弱。这样，一个不负责任的研究者可以得出结论：他们试图建立的效果在控制年龄后是“显着的”。17. 已经知道结果后才提出假设:这个现象很普遍，以至于“人人都做，所以没关系”。18. 用数据子集支持一个假设：“调整”数据直到它支持一个假设。19. 混淆因果关系：对因果机制的误解并不罕见。20. 埋藏在评论里的错误：有成千上万的“学术”出版物，但很少有期刊审稿人是具备专业的统计知识。21. 将模拟数据当作实际数据处理，并将计算机模拟解释为使用真实数据的实验。22. 基于假设而不是数据来进行粗略的估计，这在学术文献中很常见，我们很少注意到。随机模型有时也被误解为确定性模型。23. 试图 “从石头里挤血” ：当数据越少，研究人员就越要 “填写空白”。有许多(通常是复杂的)方法来处理过少的数据量，但都增加了进入建模过程的主观性。反过来，这也为不负责人的科学家提供了更多的余地。24. 元分析和倾向分数分析的不当使用。25. “从小见大”——用少量信息去证实假设。26. 不跟上统计数据的最新发展，不与专业统计人员交流。这是上面列出的许多问题的根本原因。