神經(jīng)科學大危機，一文掃蕩15年研究？

我這么說吧，如果我在做一個視覺實驗，然后進行全腦分析。結(jié)果我發(fā)現(xiàn)被試的小腦激活了10個voxel。你說我會認為小腦的這10個voxel是在進行視覺加工么？我多半不會，我會主動地認為這可能是虛報。這種類型的實驗人員控制虛報就這么被無視了，你還敢說40000個fMRI實驗都值得質(zhì)疑？

4. 假設(shè)所有研究都用的是軟件默認設(shè)置

需要提出的是，要產(chǎn)生70%的虛報概率不是那么容易的。你必須使用軟件的默認設(shè)置，必須設(shè)定p=0.01，如果你不小心設(shè)置成了p=0.001，你就只能得到10%不到的虛報率了（見Supplementary Figure 2)。你還得一定要做空間平滑，而且還得是軟件默認的空間平滑。由于實驗數(shù)據(jù)原因，你還不能做slice-timing correction，所以fMRI功能像沒對齊而產(chǎn)生的虛報你還得保留著。以上步驟，你稍微改了一個，你都得不到70%虛報率。然而，作者假設(shè)整個研究領(lǐng)域的所有研究人員都是無腦只會使用軟件默認設(shè)置的，所以他們的實驗結(jié)果都值得質(zhì)疑。

這是在侮辱研究領(lǐng)域的整體智商。首先，應(yīng)不應(yīng)該做spatial smoothing就不是一定的。有很多研究人員早就知道空間平滑存在問題，所以他們可能并不進行空間平滑，或者是他們會先分析數(shù)據(jù)，看到確實有效應(yīng)之后再做空間平滑。

另外，多重檢驗校正這個問題很多人都知道了，所以很多研究人員一開始就會把p設(shè)置成p=0.001設(shè)置更低來當做更保守的。作者們，請你在攻擊40000個實驗之前，先看一眼有多少實驗是真的把p值設(shè)得這么低，然后再有針對性地進行地圖炮不好嗎？

5. 假設(shè)所有研究統(tǒng)計效力超級大，二類錯誤不是問題！

我們不想犯一類錯誤，但是我們同樣也不想犯二類錯誤啊。什么是二類錯誤呢？就是『有成了無』。比如說，你的腦區(qū)A明明是在進行認知任務(wù)的，但是由于統(tǒng)計效力比較低，信噪比太高，所以數(shù)據(jù)反而告訴你：你的腦區(qū)A沒有進行這項認知任務(wù)。舉一個極端的例子，現(xiàn)在已經(jīng)公認大腦枕葉進行視覺加工了，于是你躺進掃描儀，看到圖片。結(jié)果我分析你的大腦數(shù)據(jù)，告訴你：你在看圖片的時候，你的枕葉沒有激活，一片黑。如果這不是二類錯誤——我的數(shù)據(jù)問題沒有檢測到你的枕葉活動，那你就需要去醫(yī)院診斷一下了。

統(tǒng)計檢驗中選擇參數(shù)檢驗的原因之一是因為參數(shù)檢驗要比非參數(shù)檢驗的統(tǒng)計效力高。這樣的檢驗會防止研究人員錯過發(fā)現(xiàn)大腦真正的運行方式。本文的作者說明了參數(shù)檢驗一類錯誤高，全身心都在擔心一類錯誤，這只是統(tǒng)計分析的一個方面。我們也需要擔心擔心二類錯誤，所以，也想請作者好好分析一下不同的方法對于二類錯誤的控制如何。萬一，我也做一個數(shù)據(jù)集分析，我也做1000次篩選，結(jié)果我發(fā)現(xiàn)參數(shù)檢驗的二類錯誤只有10%，而非參數(shù)檢驗的一類錯誤高達50%，我是不是也要寫一篇文章抨擊一下所有使用非參數(shù)檢驗的fMRI研究——你們都錯過了效應(yīng)了？

當然，我發(fā)現(xiàn)在整個研究領(lǐng)域，大家對于一類錯誤的擔憂遠遠大于對于二類錯誤的擔憂。