生物統計之信誰的？

生物學的飛速發展一方面得益於科學技術的日新月異，另一個方面生物統計方法的日趨豐滿也功勞很大。有了生物統計學這把快刀，生物學家終於對亂如麻的現象有了處理辦法，嗯，你答對了，就是P值一刀切，哈哈

然而，方法多了，且並非同門出身，相互打架抵觸的地方就多了，別說對剛入門的研究生，就是對我這潛水科研江湖十多載的老手，依然非常迷惑，遇到方法打架的時候，到底向左走還是向右走？到底聽數學家的還是聽咱們生物學家的？

比如一個雙因素的處理實驗，在數學家那裡會斬釘截鐵的告訴你，你的實驗設計決定了你必須用雙因素方差分析，先評估檢驗兩個因素單獨以及交互的效應，然後才是後邊的組間比大小。而生物學家看到的統計結果跟實際數據表現不一致，比如在A因素一致下，B因素各組間是有差異的，但雙因素比下來說B因素無作用。這下子就亂了，生物學家就認為，這個應該進行兩次統計比較。

1）統一A因素，比較B因素各組間差異；

2）統一B因素，比較A因素各組間差異。

可這種做法，數學家是不接受的，因為他們認為你這是把整體設計的實驗，又拆分了，而且是為了得到差異而這麼做的。

我也遇到過多次這樣的問題，但我還是遵從生物學的客觀來選擇分析方法。我的理由是，數學家眼裡可能把東西都給抽幹了，自變數一詞就把不同性質和效果的因素給同等了，這個在一些情況下就會出現問題。

比如A、B兩個因素對要檢測的指標的貢獻是同向的，且各自設定的不同梯度幅度相當——不能一個是1、2、3，一個是1、10、100，除非前人工作表明他們二者功效就是這麼個換算關係。那麼可能雙因素給你的結果是合理的，是合乎生物學道理的，也是可以解釋的。

但是兩個因素的貢獻若是相反的，或者不知道貢獻方向梯度設計不合理，那麼僅僅用雙因素來評判，可能就會導致誤判，明明單因素都是有差異的，因為你多加了一個因素，導致結論反轉了。

還有個例子，數學家說進行多次t檢驗會導致誤差放大，所以要校正P值，並提供了個Bonferroni法，無非是給P值除以個比較次數n。但是從生物學角度來講，放進來比較的各個組彼此是完全獨立的，你要是進行所謂的P值校正，誰被校正到完全跟你怎麼排序這幾組有關了，越在最後的P值標準就越小，或者跟你做實驗用了多少組有關了，這難道就合理了嗎？ 這豈不是導致做的越多反而越難得到結果了？某人碰巧就做了兩組，一個對照，然後一個t檢驗之後，p=0.049，差異顯著，文章發了。而另一個人多做了一組，而跟上邊一樣的兩組檢驗後p=0.049，但標準變成0.025了，結論變成差異不顯著了，只能自個存著了。

這種情況下，是否需要校正還是要看實際情況的，肯定存在過度使用的問題。因為我遇到審稿專家居然把不同指標進行的多次檢驗也要求校正，比如我測了兩組動物的十多個組織器官重量，我只能選擇t檢驗，他看到我這些數據列在一個表裡的兩列，他就說需要校正。被我反駁了，雖然我至今也不是很清楚到底什麼情況下會出現所謂的誤差因為比較次數多而被放大的問題，至少生物學實驗里似乎不存在在一個數據對間進行多次比較的事吧？

關於校正我找到經典教材里的解釋：

Bonferroni correction is a method used to counteract the problem of multiple comparisons. The correction is based on the idea that if an experimenter is testing n dependent or independent hypotheses on a set of data, then one way of maintaining the familywise error rate is to test each individual hypothesis at a statistical significance level of 1/n times what it would be if only one hypothesis were tested. So, if it is desired that the significance level for the whole family of tests should be (at most) α, then the Bonferroni correction would be to test each of the individual tests at a significance level of α/n.

這段話中有個重點，你的目的是要檢驗多少個統計假設，我的理解數學家的意思是，你要拿n個指標來比較得出一個總的結論：兩組間有差異，那麼你就需要校正後再下結論。如果你n個指標比完了，各說各的事，那麼就是一次比較而已，無須校正。不知對否

相信跟我一樣迷糊的同仁不少，同求大神指點哈！

轉載本文請聯繫原作者獲取授權，同時請註明本文來自劉全生科學網博客。

鏈接地址：http://blog.sciencenet.cn/blog-57238-1026603.html