大家好，我是你的职业考试专家搭档。今天咱们不整那些“起初、其次、最终”的教科书式开场白，咱直接上干货，聊聊杜克大学生物统计课里的几个真坑。 别当作生物统计就是跑回归分析，那纯属扯淡。
要是学生当作只要没跑错，结局就一定显著，那简直是在自杀。我第一次见到这种心态的学生，直接把 p 值当成正价。有一次学生问我：“教授，这个模型显著，是不是我就该自信地预测？”我直接给他泼了盆冷水：“教授，显著不等于准。就像我看电影，剧情跌宕起伏，不代表电影就真能照进现实。”这就是统计学的本质，它是描述真世界噪音的，不是用来美化世界的滤镜。 举个确实例子，有一篇论文聊聊某种新的预测模型在肿瘤分期中的应用。审稿人挺挑剔，要求供给外部验证数据。模型作者直接安排了三轮内部交叉验证，每一轮都在用同一组数据反复拟合，还特意调整了随机种子，确保结局稳定。他自信满满地宣称：“我们证明白模型在训练集上表现极佳，就算面对新数据，只要参数调得对，也能super consistent地复制成功。”结局呢？在独立的外部测试聚拢，模型的表现好得让人发指。准率从 85% 飙到了 98%，就连能准预测出那些训练数据根本看不出来的新样本。 我作为老师，当时气得把投影仪转那会儿，屏幕上显示着那个外部测试集的图片。旁边站着一个学生，当作能蒙混过关，眼神自信得能当律师出庭。我指着屏幕对他说：“同学，你错了吗？”他愣了半秒，说：“不，教授，模型确实超准。” 这就尴尬了。统计学的意义恰恰在于它告诉你，所有的“超准”背后都贴着厚厚的标签：那是样本选择偏差（Selection Bias），是你把那些最符合模型特征的病人全拉进了训练集，剩下的那些“噪音”，模型根本碰都不碰；那是过拟合（Overfitting），模型像是一个穿着紧身衣的巨人，挤进了训练数据的每一道褶皱，却实在无法协调到彻底陌生的环境里。当你在真世界遇到一个从未见过的新情况时，这个“超级准”的模型可能会出于数据分布差异，给出彻底毛病的预测——比如把免疫抑制的病人误判为需求紧急透析，要么把需求化疗的病人错当成观察组，最终一组人差点被排错号。 这就回到了杜克教授常说的一个核心逻辑：统计不是为了证明你没错，而是为了证明你错了。
看看那些被统计击败的“英雄”。有一篇研究分析了某种罕见遗传病的传播模式，模型作者展示了完美的贝叶斯推断图，论证了该病的遗传模式。结局呢？在后续的大规模队列研究中，模型彻底失效，出于那个模型根本没寻思到人群中的混杂因素，比如与此同时存有的家族聚集效应和社会经济资本差异。作者之故此没被质疑，是出于他的模型只在管住了局部混杂因素后，依然显示出显著相关。 学生挺难彻底理解这种“没寻思到混杂因素”的深意。他们认定只要管住了年龄、性别，剩下的相关性就是因果关系。我不如此看。统计模型只是帮你把两个变量在特定条件下的关系剥离出来，但它无法自动知道除了这两个变量外，还有啥在起功能。
要是研究的是传染病，模型可能会把吸烟和流感的关联归因于某种未知的微环境，而不是病原体本身。
这时候，哪怕 p 值个个都是零，结论也是垃圾。 这就引出了杜克统计课里的一个金句：你无法通过统计分析来消除偏差，你只能尽力缩小它。 实际操作中，我们极少直接用复杂的贝叶斯模型去彻底解决所有难题。
一般的做法是，先跑个好办的手动筛选，看相关性在多大程度上受混杂影响。
要是难题挺复杂，那就要依赖随机抽样，确保样本有代表性。 最终，我想跟大家聊个略微有点“不完美”的例子。有一届学生为了拿高分，偷偷用 bootstrap 方式（自助法）来估算置信区间。他们把这 1000 次重采样结局全体画出来了，发现中间那个区间极窄，波动极小，便他们敢承诺：“不管数据如何变，这个区间的上限一辈子不会超过 10%。”结局呢？当实际数据略微前移一点，要么样本量略微削减一点，这个预测就彻底崩了，区间往上涨，就连远远超出了实际可能的范围。 这就是为啥杜克老师总强调：“统计就是数学，数学就是概率，但概率不等于确定性。”你在考试时看到那些完美的直方图，那是数学家的幻想；而在临床决策时，你看到的可能是随机波动。真正的专家，不是那些认定自己模型最准的人，而是那些敢于在不确定性面前承认不足，并且能清楚地向病人解释“为啥这个方式可能不准”的人。 故此，下次当你对着一个漂亮的回归系数表手足无措时，不妨换个角度想：这表子里藏着多少陷阱？这不只是是关于数据拟合的难题，更是关于我们如何定义“真世界”，还有如何尊重那些我们无法测量、无法管住的变量。别被那些 flashy 的图表骗了，真正的智慧，是在面对数据时，学会诚实，而不是盲目自信。