The Cult of Statistical Significance pdf epub mobi txt 电子书下载 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:University of Michigan Press

作者:Deirdre Nansen McCloskey

出品人:

页数:352

译者:

出版时间:2008-2-19

价格:USD 90.00

装帧:Hardcover

isbn号码:9780472070077

丛书系列:

图书标签:

统计学
统计学
科学方法
研究方法
数据分析
假设检验
p值
统计谬误
科学哲学
可重复性
研究伦理

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到图书目录大全

book.wenda123.org

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

具体描述

"McCloskey and Ziliak have been pushing this very elementary, very correct, very important argument through several articles over several years and for reasons I cannot fathom it is still resisted. If it takes a book to get it across, I hope this book will do it. It ought to."--Thomas Schelling, Distinguished University Professor, School of Public Policy, University of Maryland, and 2005 Nobel Prize Laureate in Economics "With humor, insight, piercing logic and a nod to history, Ziliak and McCloskey show how economists--and other scientists--suffer from a mass delusion about statistical analysis. The quest for statistical significance that pervades science today is a deeply flawed substitute for thoughtful analysis. . . . Yet few participants in the scientific bureaucracy have been willing to admit what Ziliak and McCloskey make clear: the emperor has no clothes."--Kenneth Rothman, Professor of Epidemiology, Boston University School of Health "The Cult of Statistical Significance" shows, field by field, how "statistical significance," a technique that dominates many sciences, has been a huge mistake. The authors find that researchers in a broad spectrum of fields, from agronomy to zoology, employ "testing" that doesn't test and "estimating" that doesn't estimate. The facts will startle the outside reader: how could a group of brilliant scientists wander so far from scientific magnitudes? This study will encourage scientists who want to know how to get the statistical sciences back on track and fulfill their quantitative promise. The book shows for the first time how wide the disaster is, and how bad for science, and it traces the problem to its historical, sociological, and philosophical roots. Stephen T. Ziliak is the author or editor of many articles and two books. He currently lives in Chicago, where he is Professor of Economics at Roosevelt University. Deirdre N. McCloskey, Distinguished Professor of Economics, History, English, and Communication at the University of Illinois at Chicago, is the author of twenty books and three hundred scholarly articles. She has held Guggenheim and National Humanities Fellowships. She is best known for "How to Be Human* Though an Economist "(University of Michigan Press, 2000) and her most recent book, "The Bourgeois Virtues: Ethics for an Age of Commerce "(2006).

一本关于现代数据分析的著作，探讨了统计学在科学研究和日常生活中的应用与误用。本书深入剖析了“统计显著性”这一概念在学术界和公众认知中扮演的角色，并追溯了其历史演变，解释了为何它成为了衡量研究有效性的主要标准，以及它在实践中可能导致的偏差和误导。书中详细阐述了p值（p-value）的定义、计算方式及其固有的局限性。作者通过生动易懂的例子，揭示了p值仅仅代表了在零假设为真的情况下，观察到当前数据或更极端数据的概率，而并非证明研究假设的真实性。因此，对p值0.05或0.01等阈值的盲目追求，很容易导致“假阳性”结果的产生，即错误地拒绝了实际上正确的零假设，从而得出无效的研究结论。本书进一步探讨了“统计显著性”对科学进步造成的阻碍。作者指出，研究人员往往倾向于发表具有统计显著性的结果，而忽略或压制那些不显著但可能同样有价值的发现。这种“发表偏倚”（publication bias）导致了科学文献中充斥着被夸大或错误的正面结果，使得研究的整体可重复性（replicability）和可靠性（reliability）大打折扣。同时，过分关注统计显著性也可能导致研究者在数据收集和分析过程中无意识地进行“数据挖掘”（data dredging）或“p-hacking”，即反复尝试不同的分析方法或数据子集，直到找到一个满足统计显著性阈值的结果，这无疑是对科学诚信的挑战。本书也分析了“统计显著性”文化对学术界和社会公众的影响。在许多领域，一项研究的价值往往被简化为是否达到了“统计显著性”。这种做法不仅未能准确传达研究的真实信息，还助长了一种“赢家通吃”的文化，让那些未能取得“显著”结果的研究者感到沮丧，并可能对研究本身的价值产生怀疑。公众在面对充满统计术语的科学报道时，也容易被“统计显著性”所迷惑，误以为这代表了绝对的真理或确定的结论。作者并非全盘否定统计学的重要性，而是提倡一种更加全面、严谨和诚实的科学研究方法。本书力主推广“效应量”（effect size）的概念，鼓励研究者在报告结果时，不仅要说明结果是否统计显著，更要量化效应的大小，例如，一个治疗方法的效果有多大，或者一个现象的影响程度如何。效应量提供了比p值更直观、更有信息量的衡量标准，能够帮助我们理解研究结果的实际意义和重要性。此外，本书还强调了“置信区间”（confidence interval）的作用。置信区间提供了参数估计的可能范围，并且与效应量结合使用，能够更全面地展现研究结果的不确定性。它能够让读者更清晰地理解研究结果的稳健性，以及其对现实世界的潜在影响。本书也积极倡导“预注册”（preregistration）的做法。预注册要求研究者在收集数据之前，详细地阐述研究问题、假设、研究设计以及数据分析计划。这有助于防止在研究过程中随意更改分析方法，从而避免p-hacking等不良行为，提高研究的客观性和可信度。书中还探讨了其他重要的统计学概念，例如“功效”（power）的意义，即研究能够正确地发现真实存在的效应的概率，并强调了在研究设计阶段就应充分考虑并计算所需的样本量，以确保研究具有足够的统计功效。总而言之，这是一本旨在提升公众和科学界对统计学理解的著作，它鼓励我们超越对“统计显著性”的迷恋，转向一种更加注重效应量、置信区间、预注册以及科学严谨性的研究范式。本书致力于帮助读者建立对科学研究更清晰、更理性的认识，从而促进更可靠、更有意义的科学发现。它是一份对当前统计实践的反思，也是一份对未来科学研究的建设性倡议。

作者简介

目录信息

读后感

评分☆☆☆☆☆

用户评价

评分☆☆☆☆☆

这本书的书名吸引了我，《统计显著性崇拜》，光是听起来就充满了某种批判性意味，仿佛在揭露一个隐藏在学术界深处的“邪教”。我一直对那些看似严谨的科学研究成果保持着一丝警惕，总觉得在数字和图表中，或许隐藏着不为人知的偏颇和主观臆断。这本书似乎正好触碰到了我的好奇心，它会像一把手术刀，剖析统计学在研究中的滥用，还是会提供一种更温和、更具人情味的视角来解读数据？我非常期待它能够提供一些颠覆性的见解，让我重新审视那些我们习以为常的“科学事实”。我希望它能教会我如何识别那些虚假的显著性，如何去辨别那些仅仅为了迎合“p值崇拜”而炮制出来的研究，从而提升我对信息的辨别能力。在信息爆炸的时代，能够拥有一双“火眼金睛”来过滤掉那些误导性的信息，简直是无价之宝。我尤其关心作者是否会提供一些具体的案例，来展示这种“崇拜”是如何在实际研究中发生的，以及它可能带来的负面影响。如果这本书能够帮助我更好地理解统计学背后的逻辑，以及如何避免被统计数据所蒙蔽，那么它无疑将是一本非常有价值的读物。

评分☆☆☆☆☆

《统计显著性崇拜》这个书名，让我联想到很多次在阅读学术文章时，那种既期待又有些不安的心情。期待的是新知识的涌现，不安的是总觉得有些结论似乎建立在过于狭窄的统计学基础上。我希望这本书能够为我提供一个批判性的视角，去审视那些被奉为圭臬的统计结果。它是否会深入探讨“显著性”这个概念本身存在的局限性？例如，它是否忽略了那些真正重要但未达到统计显著的发现？或者，是否因为过度追求统计学意义，而导致研究者忽略了理论上的重要性或实际应用的可能性？我非常想了解，在作者眼中，一个“好的”研究应该具备哪些素质，除了那些被普遍认可的统计指标之外，还有什么更深层次的衡量标准？我期待这本书能让我意识到，统计学固然重要，但它仅仅是工具，而不是最终目的。我希望它能够帮助我培养一种更为成熟的研究判断能力，不再被表面的统计数字所迷惑，而是能够更深入地理解研究的本质和意义。

评分☆☆☆☆☆

《统计显著性崇拜》这本书名，让我眼前一亮，仿佛一个隐秘的门扉在我面前被推开。我一直对统计学在科学研究中的地位有着复杂的情感，一方面承认它的重要性，另一方面又隐隐觉得，对“统计显著性”的过度追求，可能会让我们失去一些更宝贵的东西。这本书是否会探讨，当研究者将过多的精力放在追求p值上时，会牺牲掉哪些更重要的研究品质？比如，研究的创新性、理论深度，或者是对现实世界问题的真正洞察？我希望这本书能够提供一些反思，让我们重新思考统计学在科研流程中的恰当位置。我期待作者能够描绘出一幅更完整的科学研究图景，其中统计学只是其中的一个重要组成部分，而非全部。我希望通过这本书，我能够学会如何更好地辨别那些真正有价值的研究，而不是仅仅被那些闪烁着“p＜0.05”光芒的数字所吸引。我渴望拥有一种更为独立和批判性的思维，去审视和解读那些看似“科学”的信息。

评分☆☆☆☆☆

我拿到这本《统计显著性崇拜》的时候，心里就泛起一股莫名的冲动。这个书名，简直像在直接跟我说话，好像在说：“嘿，你是不是也觉得那些‘p＜0.05’的字眼有时显得过于刺眼，甚至有些刻意？” 我对这种“刻意”一直很敏感，尤其是在科学研究领域。很多时候，一篇论文的结论似乎都被一个微小的p值牢牢地绑定，仿佛一旦没有达到那个神秘的阈值，研究就变得毫无意义。我很好奇，这本书是否会探讨这种“非黑即白”的判断方式，以及它背后隐藏的学术压力和评价体系。我想知道，作者是如何界定和描述这种“崇拜”的，它是否是一种普遍存在的现象？我期待书中能有关于研究者在面对数据时，可能存在的各种考量和选择的深刻剖析，比如样本量、效应大小、以及研究设计本身的重要性。毕竟，一个微小的统计学差异，在现实世界中可能根本不构成任何实际意义。我希望这本书能够引导我思考，如何从更宏观、更实际的角度来评估研究的价值，而不是仅仅被几个冷冰冰的数字所左右。

评分☆☆☆☆☆

当我在书店看到《统计显著性崇拜》时，脑海里立刻闪过无数关于统计学误用和滥用的画面。这个书名，简直是一记响亮的警钟。我一直认为，科学研究的最终目标应该是增进我们对世界的理解，而统计学应该是实现这一目标的有力工具，而不是凌驾于理解之上的某种教条。我迫切想知道，这本书是否会揭示那些被统计显著性所掩盖的更深层次的问题？比如，研究者是否会因为急于发表论文，而采取一些“数据挖掘”式的策略，仅仅为了找到那些“显著”的结果？或者，是否存在一种“出版偏倚”，即只有那些显示出显著结果的研究才更容易被发表，从而扭曲了我们对某个领域的整体认知？我希望这本书能够提供一些切实可行的方法，帮助我识别这些潜在的“陷阱”，以及如何去评价那些可能不具备统计显著性，但却在理论或实践上具有重要意义的研究。我期待它能够启发我，以一种更加审慎和全面的态度去对待科学文献。

评分☆☆☆☆☆