书 · 2001-04 · 戴维·萨尔斯伯格（David Salsburg）

《女士品茶》

逻辑与思维书单第 29 名

一句话结论

统计学改变科学的关键，是让研究者能够通过设计实验、描述变异和比较解释，在不确定中作出有依据的判断。

值不值得读完整本？

值得读完整本。它把统计方法放回农业、酿酒、医学和工业的实际问题中，帮助你理解这些方法为什么出现，以及数字为什么不能替人完成判断。

第1至7章值得连起来读：从品茶、小样本和农业研究看，统计学怎样把一个含糊的争论变成可以检验的问题。
第10至13章要放慢速度，分清显著性检验、假设检验、置信区间和贝叶斯推断各自在回答什么。
第16至18章、第22至24章和第27至29章，把方法带回抽样、因果争论、数据探索、质量管理与推断基础，不能只读开头的品茶故事。
人物履历和学术恩怨可以略读；每遇到一种方法，记下它解决的问题、依赖的条件和不能回答的问题。本书适合建立理解，实际计算还需要另配教材。

核心观点

1. 科学不仅研究平均值，也研究变异的规律

作者把统计革命理解为研究对象的改变：科学开始认真研究结果的分布，而不只是寻找一个确定的数值。

为什么：不同植株、病人和生产批次即使处于相似条件下，也会产生不同结果。把这些差异统统视为应该消除的测量错误，就会丢掉有关研究对象的信息。分布把结果的集中位置、离散程度和极端情况放进同一幅图景，使研究者可以比较群体并估计风险。因此，统计描述的价值不仅是算出平均值，还包括说明结果可能怎样变化。

2. 可信的证据从收集数据之前开始

统计分析的力量很大程度上来自实验设计：先安排怎样比较，再判断观察到的差别意味着什么。

为什么：如果处理方式与土壤、位置或研究者的选择混在一起，最后发现差别，也难以知道它来自哪里。随机分配使处理安排不再系统地跟这些因素绑定，并为评估偶然差异提供依据。重复实验帮助估计背景波动，分组比较则能减少已知环境差异的干扰。这样，处理效果才有机会从自然变异中显现出来，而事后增加计算并不能自动补救糟糕的设计。

3. 不同统计推断回答不同问题，不能混成一个确定性结论

作者通过费希尔、内曼等人的争论说明，衡量证据、制定决策规则和更新信念，并不是同一件事。

为什么：费希尔的显著性检验考察的是：假定某个假设成立，观察结果或更极端的结果有多罕见。内曼与皮尔逊的框架强调预先安排判断规则，控制长期使用时的两类错误。置信区间的保证针对构造区间的方法在重复抽样中的覆盖表现。贝叶斯推断则结合先验信息与数据，得到更新后的概率判断。因为这些方法的条件和目标不同，一个很小的显著性概率不能直接变成“理论很可能为真”，也不能替代对效果大小和研究背景的判断。

4. 样本怎样取得，往往比样本有多大更重要

作者借抽样理论的发展说明，有设计的部分调查可以比执行粗糙的全面调查更有用；样本多并不自动意味着结论可靠。

为什么：抽样推断需要说明，被观察到的人或事物怎样与目标总体发生联系。如果某类对象总被漏掉，继续扩大同一种有偏样本，也不会自动补上缺失的部分。概率抽样让抽取过程受到明确规则约束，研究者因而能够估计抽样误差。较小的调查还可能把有限资源用于更准确的测量和核查，所以“部分优于整体”取决于设计与执行，而不是小样本本身具有优势。

5. 相关关系需要经受替代解释的挑战

作者借吸烟与肺癌的争论展示：观察到稳定关联以后，还要追问有哪些其他机制能够产生同样的现象。

为什么：两件事一起出现，可能是一件事影响另一件事，也可能存在同时影响两者的因素。随机实验能帮助处理这类问题，但有些研究无法进行这样的实验。此时，研究者需要比较多项证据，并检验替代解释是否足以解释观察到的关联。书中争论的意义正在于：既不能把相关直接当成因果，也不能省去对现实证据和竞争解释的具体分析。

6. 统计方法要适应问题，并不断检查自己的假设

非参数方法、探索性数据分析、稳健方法和计算机重抽样，展示了统计学怎样突破既有方法的限制。

为什么：当实际数据偏离预设分布，或少数异常观察强烈影响结果时，一套熟练的公式可能给出不可靠的答案。部分非参数方法减少了对特定分布形式的依赖，稳健方法则降低某些偏离对结论的影响。探索性分析帮助研究者先发现数据结构，再决定值得研究的问题。自助法用样本近似总体，通过反复重抽样估计统计量的波动，减少对逐题推导公式的依赖。这些进展改变了推断所需的条件，却没有免除研究者检查样本、模型和解释是否合理的责任。

反对意见

统计革命并未把决定论整体推翻（David Colquhoun）

科尔库恩在《自然》的书评中认为，作者没有充分区分系统本身的随机变化与观测误差。即使观测呈现分布，研究者仍可能在估计一个确定的物理量。因此，统计学的广泛作用不足以证明决定论已经被整体取代。这是对本书核心历史解释的直接批评。

完全回避方程，可能削弱概念解释（Publishers Weekly）

《出版人周刊》的未署名书评肯定本书的科学社会史价值，但认为它过度迁就读者对数学的畏惧。省掉方程可以降低进入门槛，却也可能让读者只记住人物故事，难以看清统计概念之间的关系。这是对本书写法的直接批评。

显著性检验的普及不等于科学判断的改善（Jacob Cohen）

科恩在《The Earth Is Round (p < .05)》中批评，把研究压缩成是否跨过显著性门槛，会鼓励对概率和理论支持程度的误读。他主张重视效应量、置信区间和重复研究。这篇文章早于本书，是对书中部分统计传统的批评，并非针对萨尔斯伯格的书评。

概率也可以被理解为处理信息的逻辑（E. T. Jaynes）

杰恩斯在《Probability Theory: The Logic of Science》中，把概率理解为依据已有信息进行一致推断的工具，强调先验信息应当明确进入分析。这提供了一种不同于书中费希尔及频率学派传统的系统立场：推断的基础不必只围绕重复抽样来组织。这是方法论对照，并非对本书的直接反驳。