common_issues

# 科学手稿中常见的方法论和统计学问题 本文档按类别整理了同行评审中经常遇到的问题。请将其作为参考，以识别潜在问题并提供建设性反馈。 ## 统计学问题 ### 1. P 值滥用与误读 **常见问题：** - P-hacking（选择性报告显著结果） - 未经校正的多重检验（族系错误率膨胀） - 将不显著解释为“无影响”的证据 - 仅关注 P 值而忽略效应量 - 在任意阈值处对连续 P 值进行二分法处理（p=0.049 vs p=0.051） - 混淆统计显著性与生物学/临床显著性 **如何识别：** - P 值刚好低于 0.05 的比例异常高 - 执行了多次检验但未提及校正 - 出现诸如“未发现差异”之类的陈述，但结果并不显著 - 未报告效应量或置信区间 - 语言暗示 P 值代表效应强度 **建议：** - 报告效应量及置信区间 - 应用适当的多重检验校正（Bonferroni, FDR, Holm-Bonferroni） - 谨慎解释不显著结果（缺乏证据 ≠ 证据的缺乏） - 预注册分析以避免 P-hacking - 考虑对“无差异”声明进行等效性检验 ### 2. 不恰当的统计检验 **常见问题：** - 在违反假设时使用参数检验（非正态数据、方差不齐） - 使用非配对检验分析配对数据 - 对多组数据使用 T 检验而非 ANOVA 加事后检验 - 将定序数据视为连续数据 - 忽略重复测量结构 - 在更适合回归分析时使用相关分析 **如何识别：** - 未提及假设检验 - 小样本量却使用参数检验 - 使用多次两两 T 检验而非 ANOVA - 使用 T 检验分析李克特量表 - 时间序列数据分析未考虑重复测量 **建议：** - 明确检查假设（正态性检验、Q-Q 图） - 在适当情况下使用非参数替代方案 - ANOVA 后应用适当的多重比较校正 - 对重复测量使用混合效应模型 - 考虑对定序结果使用定序回归 ### 3. 样本量与效能问题 **常见问题：** - 无样本量论证或效能计算 - 效能不足的研究声称“无影响