如何“科学”地证明一个不靠谱的观点_最新动态_新闻资讯_程序员俱乐部

中国优秀的程序员网站程序员频道CXYCLUB技术地图
热搜:
更多>>
 
您所在的位置: 程序员俱乐部 > 新闻资讯 > 最新动态 > 如何“科学”地证明一个不靠谱的观点

如何“科学”地证明一个不靠谱的观点

 2013/7/10 11:35:52    程序员俱乐部  我要评论(0)
  • 摘要:最近,澳大利亚有人发表了一项研究,结论是“转基因饲料明显增加了猪出现严重胃炎的比例”。正好中国新批准了三种转基因大豆的进口许可,一时间人心惶惶。很快有专业人士指出,这项研究虽然看起来很“科学”,但是从实验设计到数据分析都存在漏洞,结论完全靠不住。在具体分析这项看起来很“科学”的不靠谱研究之前,我们先来举个例子,说明如何“科学”地证明一个不靠谱的观点。假设学生们每周上一次体育课
  • 标签:一个

ab3458

  最近,澳大利亚有人发表了一项研究,结论是“转基因饲料明显增加了猪出现严重胃炎的比例”。正好中国新批准了三种转基因大豆的进口许可,一时间人心惶惶。很快有专业人士指出,这项研究虽然看起来很“科学”,但是从实验设计到数据分析都存在漏洞,结论完全靠不住。

  在具体分析这项看起来很“科学”的不靠谱研究之前,我们先来举个例子,说明如何“科学”地证明一个不靠谱的观点。

  假设学生们每周上一次体育课,现在我们来证明“星期二上比星期三上更有利于健康”——要想证明“星期三比星期二更有利”也没问题,“不靠谱结论”自然是怎么说都行。

  既然是科学实验,自然是要找两组人来比较,比如某年级的两个班,A班星期二上,B班是星期三上。然后确定检测指标,开始的时候当然不知道“应该”检测什么指标,于是实施“打枣攻略”——不管有枣没枣先打一杆子再说。也就是,尽可能多地检测学生们的各项身体指标,比如身高、体重、脉博、肺活量、腰围、腿围等等,以及各项运动成绩,比如短跑、长跑、调高、跳远、举重等等——基本原则就是“只要能想到的,都去测一下”。经过一学期之后,把这些参数再测一遍。学生们在长身体,测量出来的数值总是会有变化,而且每个孩子的变化情况各不相同。

  接下来,就是关键的“数据分析”了。把各个参数的变化计算出来,比较两个班孩子的变化情况。一般而言,各个指标的变化都是有高有低。统计学上要计算平均值和标准偏差,来衡量平均值的差异是不是“真的”不同。一般而言,多数指标的差异不具有“统计学意义”——也就是说,虽然不同,但是小于孩子之间的正常偏差。只有差异很大,不能用“正常偏差”来解释,才说明是“有统计学差异”。如果数据“有统计学差异”,在科学上就认为是所考察的变量导致的。在这里,所考察的变量是“哪一天上体育课”,而其他的变量,理论上两个班的情况是“一样”的。

  因为测的参数很多,就可能有一项两项参数出现“统计学差异”,而且是A班比B班好。于是,你就可以得出结论“星期二上体育课使得学生的 XX 指标提高更多”。

  如果每项指标都没有统计学差异,该怎么办呢?你还可以把孩子们分开,比如分成男生和女生、高个子和矮个子、家境富有和家境一般、成绩好和成绩不好等等类类别,分别比较,没准就能找到有差别的组了,于是结论就变成“星期二上体育课有助于某类学生 XX 指标的提高”。

  如果这也还是不行,或者结论是相反(即“星期三比星期二更好”),也没有关系。忘掉这次比较,另外找两个班,从头再来。只要做得足够多,就总能找到符合要求的。最后,反正只报告“成功证明”的这一组实验,没人追究你之前有多少次“不成功”的实验。

  这样的研究当然很胡扯,但如果写成论文,却完全符合“科学论文”的特征。而澳大利亚那个转基因饲料与猪胃炎的例子,就是这样的一种思路。实际上,实验中两组猪出现胃炎的比例并没有明显差异,都非常高。作者又把胃炎分成“轻度”“中度”和“严重”三个类别,终于在“重度胃炎”类别中找到了符合目标的“差异”。实际上,还有一个“心脏异常”的指标,转基因组的发生率只有非转基因组的一半——虽然这个差别没有统计学意义,但如果也搞一个类似的分组,那么很可能就可以得出“转基因饲料降低心脏异常率”这个作者不想要的“结论”来。

  那篇论文的问题还不止于此。为了考察转基因饲料对猪的影响,两组猪的饲料除了是不是转基因之外,不应该有其他不同。而在实验中,转基因饲料中检测到了黄曲霉毒素,而非转基因饲料中没有。此外,转基因饲料中的总伏马霉素含量是非转基因饲料中的 2.5 倍。不管这种差异跟结果胃炎是否有关,它说明两种饲料除了是否转基因的差异,还存在其他不同。这就类似于,让A班的体育课内容跟B班不一样,那么即使后来真的出现了统计学差异,也不知道是“哪天上课”导致的,还是“上课内容”导致的。

  除了这项研究,还有很多证明“转基因有害”的研究,比如法国研究人员证明“转基因饲料增加老鼠肿瘤”的实验。但迄今为止,每一项这样的研究都被指出各种各样的漏洞。实验设计和数据分析的漏洞,对于科研人员来说,是仅次于伪造数据的严重指控。为了维护自己的学术声誉,面临这样的指控时,科研人员需要做的是纠正这些漏洞,重新进行实验,用无可挑剔的实验和数据来为自己正名。但是,这些证明“转基因有害”的研究,没有一项进行了这样的跟进——最可能的解释就是:研究者知道自己的结论不可靠,没有勇气去进行正确的实验;或者纠正错误进行了实验,但是得不到到当初的结论,于是没有勇气发表正确的实验结果。

  如果要考察药物或者食品添加剂的安全性,那么动物实验是一个很好的工具。因为药物和食品添加剂没有营养价值,可以用几十上百甚至更高倍数的剂量去喂动物,这样很容易看出它们的毒性,从而找出“不导致危害的最大剂量”。在这样的试验里,其他因素的影响就远远小于药物或者食品添加剂的影响。在动物身上找到了“不出现危害的最大剂量”,再除以几十几百倍的安全系数,就可以相当安全地用到人的身上。

  但是,食物必然受到食量的限制,不可能给动物大大超过正常食量的剂量。所以,即使食物有轻微、慢性的危害,也会被其他影响因素掩盖,而难以体现出来。倒是其他的干扰因素,可能让本来无害的食物出现“有害”的假象。而如果食物有严重的危害,那么不用动物实验,成分分析可以很容易地发现了。

  因为这样的原因,国际食品法典委员会的转基因食品风险评估指南中,并没有把动物实验作为安全审核的要求。相反,对于要想要进行的动物实验,明确指出需要“设计严谨”。

  编者附网图一枚。#有理有据,令人信服#

m_51b6de50378f3

发表评论
用户名: 匿名