白话空间统计二十七：统计学七支柱（四）似然

在理性的基础上，一切判断都是统计。

——《统计与真理》 C.R.劳（美籍印度裔统计学家）

在一定意义上，统计学是一门运用数字讲故事的艺术。所谓的数字不会说谎，但是统计学有一个天然的原罪，就是统计学具有天然的政治属性，可以说诞生的那一天起，它就是为政治服务的。

尽管数字很重要，但是统计学绝非纯粹的计算，而属于文科的领域。因为它跟文学、历史、政治学分析和社会学研究一样，都带着主观的性质。

——《统计学的世界》 戴维·穆尔（D.S.Moore）（美国统计学会的常务委员、普度大学的统计学教授）

所以，很多时候单纯的拿出数据来说明问题，可能更具有欺骗性，因为没有背景的测量值，只是一个没有意义的数字。比如报纸上经常搞出一些震惊体，比如：“根据PLoS ONE上的一项研究，世界上有42000名儿童死于腹腔疾病。”（世界知名的《科学》杂志，2011年8月5日，对，你没看错，就是那本Science，号称全球最权威的论文期刊）。

（看到这张图，虾神内心OS：当帝国主义列强的感觉，真TMD太爽了……）

（再OS：当年脑残党们高呼抵制R货M货越南货菲律宾货的时候，别人会不会也是这种爽？所以我觉得抵制蠢货才是当务之急……）

这种权威的科学刊物给出的数字，如果咋一眼看过去，确实可以震惊了，腹腔疾病太恐怖了，孩子就是家庭的全部，4万多儿童死亡，就等于毁灭掉了四万多个家庭……但是真如此么？

就算有四万多儿童的死亡——多长时间的？一周、一年还是20年？这个数字是大还是小？毕竟世界上有70亿人口，其中儿童大约有20亿。有全球儿童的其他死亡原因的数字可参照吗？不同国家的疾病流行程度一样吗？而且，42000是一个很整的数字，肯定不精确，那么可能的误差是多少？10%还50%？

（正常人才不会想这么多……统计学家们都是变态么……）

实际上PLoS ONE给出了说明：这个数字也不是基于数据给出的，事实上，PLoS ONE 的文章提醒过读者，当前“严重缺乏有全球代表性的流行病学数据”。它通过模型试探发现了一个取值范围（±15%），但没有说明模型失败导致的范围。PLoS ONE 给我们提供了背景，但《科学》不仅没有这么做，而且还严重地误导了我们。

统计学是一个精确且严谨的科学体系，其核心就在于对分析结果的检验与评估上，这就是所谓的似然度。

没有给定比较尺度的数字，都是毫无作用的。只有给定了基准、背景或者能够用于进行相互比较的测量值，这些数字才会有意义，就是所谓的：世事无绝对。

比如我们讨论天气的时候，会按照当地的气候进行对比。否则的话：

当然，在研究中，科学需要更多基线：真实的数据、明确的来源，以及衡量差异水平的测量尺度。这种差异是显著的还是不显著的？

在人类的观察中，天然具有“模糊”属性，比如形容两个人的关系，会有“好”和“不好”，或者说形容两个双胞胎有“像”、”很像“、”有一点像“、”一点都不像“等等的说明，那么这些模糊的结论，在统计学里面是无法立足的，所以统计中尽量会给出量化的结论。

比如在空间统计的很多算法中，经常出现Z得分——这个东西是来干嘛的呢？就是用来衡量显著性的。

那么什么是显著性呢？

所谓的显著，实际上指的不是熬夜打铁……而是指观察到某件事件的发生，是因为靠运气产生的可能极低的时候，就称之为统计显著性了，具体举例如下：

我说我有一种能力，能够从密封的抽奖箱里面，抽出我需要的颜色的球，比如里面有红球和白球，我想抽出哪种颜色，就能抽出哪种颜色……

那么你现在弄了两个球（一红一白）给我抽，我果然一下就抽出了指定的红球……那么是不是说明我有这种能力呢？当然你会说，只有两个球，不管谁来抽，都有50%的几率抽出想要的那个球，根本不能证明。

比如躺鸡这种事：

那么要证明这种能力，就要增加难度，比如放4个球，里面只有一个红球，如果一下就抽出来，算不算有这个能力？四个里面抽出一个，几率还有25%，依然有运气的可能……

为了证明，只能不断的增加白球的数量，以降低因为运气而抽出的红球的可能性……比如增加到9个白球一个红球，那么一下抽出红球的几率就只剩下了10%……百分之十还能算运气么？那么增加到100个？或者1000个？但是不管怎么增加，只要你的袋子里有最少一个红球，就不能把运气的几率降低为0。

只要概率不为零，一切皆可能。

红白球实验条件非常简单，所以我们可以不断的去进行模拟，这样很容易就可以做到排除掉运气因素得到验证……但是，有很多实验是非常苛刻的，条件复杂、干扰因素多，增加对比样本的成本极大……比如药物实验，所以在很多时候，把运气因素降低到多大的几率（显著性达到多少），就成了一个很重要的内容。

当然，近代统计学之父费舍尔提出了5%这个概念，也就是说，当运气因素降低到5%的时候，也就是显著性高达95%的时候，就表示基本上排除了因为运气（或者说瞎猜）……但是这个5%在很多领域里面被不加批判和进行常规使用的思想，又被现代的统计学家们无数次的批评……这有又是统计学历史上的另外一段公案了。

显著性作为与似然最相关的一个概念，一直贯穿统计学思想的始终，那么似然与显著性之间是否能够画上等号呢？我们下次再说。

最后给出显著性的官方解释：

统计显著性

观察到的效果，如果大到某种程度，而光依靠着机遇产生这种结果的概率很小的时候，就称此结果有统计显著性。

待续未完。