P值之争与管理学研究:先验概率的意义

P值之争的本质是人们把统计检验和统计推断混淆,直接用统计检验结果来进行统计推断.这导致许多似是而非的理论被接受.统计检验犯错的是假阳性概率.统计推断犯错的是假阳性之反概率.两种概率之间的数值关系受先验概率影响很大.先验概率越高,利用统计检验的结果进行推断所犯错误概率就越小.如果先验概率很小,即使假阳性概率很小,利用该结果进行推断所犯错误概率也很大.本文以管理学研究为例,提出解决该问题的办法是,通过与现实和与理论的双重对话来掌握先验概率,以提高基于统计检验的结果进行统计推断的可靠性.本文的科学哲学意义是,揭示了科学研究是先验与经验相统一的本质,以及科学研究的不充分决定性的特征.

SNARC效应量大小及置信区间的可信问题的实例分析

通过实例分析SNARC效应量和置信区间可信度问题。(1)效应量是心理学实验结果报告中一个非常重要的部分,依据SNARC效应量的特殊性提出一种新的统计方法(在线性回归模型中引入混合虚拟变量)处理Aleottia等(2020)的开放实验数据,尽管该方法比一般方法更复杂。(2)参数的区间估计是一种基本统计推断形式。根据枢轴量分布,置信区间在一定置信度下可估计总体参数所在的可能范围。文章通过构建一个特殊实例分析了置信区间的估计过程,并和假设检验、贝叶斯统计进行对比分析,结果显示,虽然置信区间可以用来估计参数,但是存在依据某置信区间无法作出正确估计的情况,通过贝叶斯统计能分析出其中原因。

QTL作图中零假设检验统计量分布特征及LOD临界值估计方法

研究QTL作图中零假设检验统计量分布特征,可以帮助我们选取合适的LOD临界值,以控制全基因组显著性概率水平下犯第一类错误的概率。本文利用模拟方法,研究了QTL作图中单个扫描位点的似然比检验(LRT)统计量在零假设下的分布特征、影响最大LOD统计量累积分布的因素以及不同群体在不同标记密度下有效独立检验次数与染色体长度的关系。结果表明,在定位加显性效应QTL的一维扫描和定位上位性互作QTL的二维扫描中,单个扫描位置上的LRT统计量均服从卡方分布,其自由度等于检测QTL遗传参数的个数;染色体个数、群体大小和表型测量误差方差对零假设下检验统计量的分布没有影响,即不影响LOD临界值的选取,而群体类型、标记密度和染色体长度有明显影响,BC1、RIL和F2三种类型的群体中,BC1群体的临界值最小,F2群体的临界值最大,标记越密染色体越长,对应的LOD临界值越大;QTL一维扫描中有效独立检验次数与染色体长度呈正比,二维扫描中有效独立检验次数与染色体长度呈二次幂关系。借助Bonferroni矫正,给出了全基因组显著性水平与单个扫描位点显著性水平间的关系,因此,研究者可根据作图群体的群体类型、标记密度和基因组长度,很方便地确定特定全局显著性概率水平下的LOD临界值。

效应量:估计、报告和解释

鉴于心理学界对效应量(effect size,ES)的日渐重视,本文集中探讨了标准差异型和关联强度型ES指标的计算公式及使用条件,并说明关联强度型指标在SPSS软件中的操作。其次,强调ES估计结果的两个报告原则,即明确指出所计算的是何种ES指标,尽可能地呈现ES的置信区间。在ES的解释方面,建议研究者结合具体情况综合权衡结果的实际重要性,而非机械援引各种所谓"小"、"中"、"大"的ES判定准则。

与零假设检验有关的统计分析流程

人们熟知的零假设显著性检验,受到一次次质疑与辩护,地位并未动摇,报告检验结果仍然是统计分析的习惯做法。不过,其局限性促使研究者探寻更多的统计方法如区间估计、效应量分析、检验力分析等。本文先介绍假设检验与置信区间的关系;然后讨论检验力与两类错误率和效应量的关系;最后在理顺上述统计方法的基础上,提供一个可操作的统计分析流程。

从工具到范式:假设检验争议的知识社会学反思

统计工具的建构与运用不能脱离知识生产的情境脉络,其中渗透着建构者和运用者的个人主张与其所在学科的整体价值追求。原假设显著性检验是社会科学实证研究中最为常用的假设检验方法,其流行并非因为方法论本身的精确无误,而在于它虽存有争议并因此招致严厉批评,但仍简洁有效地满足了研究者追求知识的客观性与确定性、以期将自身所在的学科塑造为一门科学分支的主观期待。因此,这一方法就从一个普通的统计工具上升为一种学科范式,起到了收敛学科的精神指向、提供模式化的解题方法、从而实现学科内部知识较快发展的功能。

假设检验教学中一个问题的探讨

在假设检验中,怎样选择原假设与备择假设,有人叙述为:"通常把希望得到的陈述视为备择假设",很多教师也是按此进行课堂教学的。我认为应该是把"不能轻易否定的"作为原假设,或者把"有充分依据才能肯定的"作为备择假设。且在有实际意义的检测中,原假设与备择假设的选取,与检测者的态度或希望无关,具有一定客观性,一般它们不能互换。

有关心理统计的三个疑问

统计学在心理学研究中的作用似乎是确定无疑,然而,本文提出了三个疑问:心理量能统计吗?统计结果"显著"就足够了吗?统计模型与理论模型相距有多远?在对三个问题的分析中,试图说明:统计学作为心理学的工具,当然很重要,但更重要的是对心理进行有效测量,提高变量的测量水平和测量的有效性是心理学的根本任务。在数据分析过程中,应该加强对统计方法和结果的理论思考,纠正一些错误的统计规范和做法,弥补"零假设显著性检验"的不足。

零假设检验和元分析之间的逻辑连贯性

零假设检验的结果分为三种情况,它把样本空间分为三个部分:备择假设的接受域S1、零假设的接受域S0,以及接受备择假设和零假设都不合适的模糊区域S2,从而β被分为两个部分:P(X∈S2|H1)和P(X∈S0|H1)。数据分析表明:P(X∈S2|H1)远大于P(X∈S0|H1),并且元分析所导致β的降低主要是P(X∈S2|H1)的降低。当样本观察值落在S0中时,统计推断的不明确性会驱使研究者做元分析研究从而能够明确地作出或者接受备择假设或者接受零假设的统计决策。

单侧检验中假设的提法研究

在单侧检验中,有时由于交换原假设与备择假设,会得到两个不同的假设检验结果.因此,先从理论上对检验结果进行分析,然后结合实例来阐述建立原假设和备择假设的一些方法.

假设检验中原假设的选取问题

在显著性假设检验中,对同一组实验信息或数据,由于原假设不同可能得到不同的统计推断结果.探讨了此类问题的发生机理及其解决的方法,引用两个实例加以说明.

假设检验中的原假设选取问题

针对假设检验中"对一个具体问题,在相同的显著性水平α下进行假设检验,如果交换原假设和备择假设,得到的结论可能完全相反"这一问题进行分析,并给出根据实际问题的要求如何正确建立原假设和备择假设的方法.

参数假设检验的方法及解题技巧研究

本文讨论了不同情形下的参数假设检验的方法及解题技巧,其中主要包括检验统计量的选取规则,双侧检验和单侧检验这两种情形下拒绝域的选择形式及背诵技巧,以及其理论上的合理解释。

参数假设检验中原假设的选取分析

从假设检验的基本原理出发,根据Neyman-Pearson准则,对如何建立假设检验中的原假设和备择假设进行了讨论,给出了5个建立原假设的原则.

对假设检验的几点思考

通过实例提出了假设检验时遇到的几种问题,探讨了原假设的设立原则,指出了显著水平的局限性并提出了一种改进方法,最后对一个思维定式给出了合理的解释.

解读不显著结果:基于500 个实证研究的量化分析

不显著结果(如,p>0.05)在心理学研究中十分常见,且容易被误解为接受零假设的证据,并可能导致分组匹配研究的错误推断或者忽视被小样本的不显著结果掩盖的真实效应。但国内目前尚无实证研究对不显著结果的普遍性及其解读进行调查。本研究调查500篇中文心理学实证研究,统计其摘要中出现与不显著结果相关的阴性陈述的频率,判断并统计基于阴性陈述的推断准确性,并使用贝叶斯因子对不显著结果中包含t值的研究进行重新评估。结果表明,36%的摘要提及不显著结果,共包含236个阴性陈述。其中,41%的阴性陈述对不显著结果的解读出现偏差(如,解读为支持了零假设)。对包含t值的研究进行贝叶斯因子分析,结果显示仅有5.1%的不显著结果可以提供强证据支持零假设(BF01>10)。与先前对国际心理学期刊的调查结果相比(32%的摘要包含阴性陈述;72%的阴性陈述对不显著结果的解读错误),中文心理学期刊中报告不显著结果的比例更高,且对不显著结果解读错误的比例更低。但国内研究者仍需进一步加强对不显著结果的认识,推广适于评估不显著结果的统计方法。

生态学假说试验验证的原假说困境

试验方法是生态学假说的主要验证方法之一,但也存在由原假说引发的质疑.Quinn和Dunham(1983)通过对Platt(1964)的假说-演绎模型进行分析,主张生态学不可能存在可以严格被试验验证的原假说.Fisher的证伪主义与Neyman-Pearson(N-P)的非判决性使得统计学原假说不能被严格验证;而生态过程中存在的不同于经典物理学的原假说H_0(α=1,β=0)与不同的备假说H_1'(α'=1,β'=0)的情况,使得生态学原假说也很难得到严格的实验验证.通过降低P值、谨慎选择原假说、对非原假说采取非中心化和双侧验证可分别缓解上述的原假说困境.但统计学的原假说显著性验证(NHST)不应等同于生态学假说中有关因果关系的逻辑证明方法.因此,现有大量基于NHST的生态学假说的方法研究和试验验证的结果与结论都不是绝对的逻辑可靠的.

弱证伪主义的理论生态学假说判决性实验再辩护

理论生态学研究面临对野外实验和原假说显著性验证的质疑。前者可通过公众参与异质性研究予以消解;分析了原假说显著性验证后,认为可将后者改为多轮验证,由此保持假说-演绎方法的有效。根据生态学特点和原假说显著性验证要求,进一步修正了普拉特的强推理逻辑步骤并指出生态学进步模式为不同于精致证伪主义与波普尔强证伪主义的第三种证伪主义——弱证伪主义。

和尚洞降水氧同位素组成的季节性变化与水汽来源的关系

水汽来源的变化在现代水循环研究中具有重要地位,然而它对中国季风区降水氧同位素组成产生影响的大小和方式仍存在一些争议。文章依据和尚洞地区降水氧同位素组成、逐日降水量数据和后向轨迹模拟结果,使用假设检验和多元线性回归等方法,讨论了和尚洞地区降水氧同位素组成的季节性变化与水汽来源的关系。结果表明,虽然和尚洞降水氧同位素组成的季节性变化受到其他因素的影响,但主要由水汽来源的季节性变化决定。各类型水汽的性质体现在拟合结果的系数上,并且存在明显的差异。各类水汽对和尚洞降水氧同位素组成的影响差别也较大,其中影响最大的是盛行西风气团南支和太平洋型气团所携带的水汽,影响最小的是盛行西风北支所携水汽。气团对降水氧同位素组成季节性变化的影响大小与所携带水汽来源的性质、所形成降水量的总量和变化情况有关,因此不能片面地根据降水量判断各类水汽所形成的降水对研究区的影响大小。文章提出在水汽来源复杂的地区,能更精确、更细致地定量研究降水氧同位素组成与水汽来源间关系的一种新方法的同时,还清楚地表明,通过一定的统计学手段,依据足够数量的观测数据,能够直接地、定量地研究各环境指标和环境参数间相互作用机制。