摘要：统计学，这门曾经被视为科学理性支柱的学科，如今成了许多人手中的一把双刃剑。它可以揭示真相，但更常见的是，它被滥用来制造幻觉。在现代科学体系里，统计学不只是个工具，而是一种语言，一种决定学术生死的游戏规则。游戏的规则制定者，是一群沉迷于p值的信徒，频率主义者（F

统计学，这门曾经被视为科学理性支柱的学科，如今成了许多人手中的一把双刃剑。它可以揭示真相，但更常见的是，它被滥用来制造幻觉。在现代科学体系里，统计学不只是个工具，而是一种语言，一种决定学术生死的游戏规则。游戏的规则制定者，是一群沉迷于p值的信徒，频率主义者（Frequentists）；而真正想找到科学真相的人，正在被边缘化。

有多少论文的结论是基于p

数据不够显著？加样本量。样本量还是不够？换个统计方法。方法不行？调整变量，直到p值好看。有人称之为“数据探索”，但更准确的说法是：p-hacking。只要在数据中翻找，总能找到一组让人惊喜的p值。至于这组数据是否真的能复现？不重要，论文发了，影响因子拿到了，学术考核过关了。

更可笑的是，这种p值崇拜在某些顶级期刊已经发展到了荒诞的程度。顶级生物学、医学期刊每年刊登大量p值显著的论文，其中很多结论根本站不住脚。2005年，斯坦福教授John Ioannidis发表了一篇名为《为什么大多数发表的研究结果是假的》的论文，在科学界掀起轩然大波。他用数学模型证明，在一个充满p-hacking、低统计功效（statistical power）的学术环境下，大量研究结果必然是伪科学。

但这篇论文并未改变学术界的风气，p值依然是评价科学的核心标准之一。更讽刺的是，很多学者看完Ioannidis的研究后，依旧没有放弃p值，而是想出了新的方法来“优化”它。

频率主义统计学的核心逻辑是“长期重复实验的结果趋于稳定”，但现实世界里，科学家不可能无限重复实验。一个研究能不能复现，受限于时间、经费、研究者的兴趣，而不是统计模型的假设。

现实情况是，大量研究无法重复。2015年，心理学领域掀起了“可重复性危机”（Replication Crisis）：一项涉及100篇心理学论文的大规模复现研究发现，只有不到40%的研究结果可以被重复验证。而在医学领域，情况更糟。一项针对53项高影响力癌症研究的复现实验发现，仅有6项可以被成功复现，复现率仅为11%。

是什么导致了这种情况？不仅仅是p-hacking，还有发表偏倚（publication bias）。科学家们并不喜欢负结果（negative results），因为负结果没法发表。顶级期刊不会接受一篇“我们试了，但没成功”的论文，所以研究者倾向于调整分析方法，让结果显得有意义。哪怕某个假设原本是错的，只要数据处理得当，最终都能变成“显著的”科学发现。

如果说频率主义统计学的问题如此明显，为什么它还能在科学界占据主导地位？这背后是学术体系几十年的惯性。

贝叶斯统计（Bayesian Statistics）其实早在18世纪就已经被提出，但直到近几十年才逐渐进入主流视野。它的核心理念是：科学研究的过程并非单次实验，而是一个不断更新认知的过程。每一个实验的结果都应该基于先验知识进行调整，而不是孤立地依赖p值的显著性。

现实中，很多领域早已采用贝叶斯方法，例如天气预报、金融市场、人工智能。谷歌、Facebook等科技公司在做机器学习时，大量使用贝叶斯推断，因为它能够随着数据的增加不断调整预测精度。而在科学研究中，贝叶斯统计的优势同样显著。它不依赖p值，而是利用新数据不断修正先验概率，使得最终的科学结论更为稳健。

一个典型例子是CRISPR基因编辑技术。2012年，Emmanuelle Charpentier和Jennifer Doudna首次发现CRISPR系统，但当时科学界对其持怀疑态度。随后，大量实验陆续验证了这一技术的可靠性，最终形成了广泛共识。这就是贝叶斯统计的一个经典案例——随着证据的积累，科学家对CRISPR的信心逐渐上升，最终达成几乎100%的科学共识。

在一个p值主导的学术环境里，很多荒诞的研究得以登上科学舞台。

2010年，《Journal of Zoology》发表了一篇研究，称普通蟾蜍（Bufo bufo）可以预测地震。结论？统计显著。2013年，《Journal of Personality and Social Psychology》发表了一篇论文，称实验数据支持“超感知能力”（ESP，即所谓的第六感）。

这些研究的共同点是：它们的p值看起来很美好，但缺乏真正的科学支撑。而学术界对此的反应呢？并没有太多批评，反而是一片沉默，甚至默认这些研究有发表的价值。

更严重的是，很多医学研究也存在类似问题。一项涉及5000多个医学实验的研究发现，超过30%的研究存在“数据修饰”问题，研究者有意无意地操纵数据，使其符合预期结果。

如果说p-hacking和发表偏倚是科学界的问题，那么学术期刊的商业化更是让问题雪上加霜。

顶级期刊，如《Nature》、《Science》等，每年收取高额版面费，一篇论文的发表费用动辄数千美元。而这些期刊对研究质量的审核，往往取决于数据的“显著性”，而非数据的真实性。这导致科学家们不得不迎合期刊的游戏规则，追求能发表的研究，而不是能复现的研究。

《Nature Communications》的一篇论文甚至公然写道：“我们持续增加实验动物的数量，直到统计显著性出现。”这意味着，研究者并不是基于科学原则，而是基于p值来决定实验是否继续。这种做法在统计学上叫做“数据钓鱼”（Data Dredging），但在学术界，这反而成了一种普遍现象。

统计学本应是科学探索的工具，但它已经被滥用成了一种伪装，一种让“可发表性”高于“可重复性”的学术游戏。p-hacking、发表偏倚、虚假研究、商业化期刊，这些因素共同造就了一个越来越不可信的科学世界。

科学的未来在于回归真正的探索精神，而不是在统计显著性上做文章。贝叶斯方法提供了一条新的道路，但学术界是否愿意改变？没人知道。

但可以肯定的是，依赖p值的科学，最终会毁掉科学本身。

来源：老胡科学