时间：2026-04-13 11:50:53
在上一篇《审稿专家揭秘：医学论文写作中那些常见的统计学“陷阱”》里，我们提到了阿斯顿大学的生物统计专家Dan·J·Green博士。他凭借审阅200多篇论文的丰富阅历，精心归纳出论文写作中10个常见的统计学错误。
之前我们已深入探讨了前6个错误，今天接着为大家分享后面的“4点错误”和“5点补充”。
其实，这个问题我早就想专门写文章探讨了，但又怕被说过于较真、小题大做，就一直没提。没想到格林博士在总结里也说到了这个问题，看来这可不是个小问题。
我还记得学《多元统计学》时，老师第一堂课就着重强调，多因素和多元不是一回事。打个比方，多因素回归就像是只有一个“大老板”（因变量y）带着多个“小员工”（自变量x）；而多元回归则好似有多个“大老板”（多个因变量y）各自领着自己的“小团队”。
虽说现在大家常把这两个概念混着用，都用来指多因素回归模型，但投稿的时候一定要注意用词准确，不然审稿人可能会觉得我们不够专业。
构建回归模型时，哪些因素是潜在的混杂因素，可不是我们随便就能定的。不管是参考以往的文献、其他研究的发现，还是听听专家、研究者的意见，又或者依据统计显著性来确定，都得在论文里说清楚。
特别要注意，不是所有变量都能当混杂因素。要是纳入的混杂因素没有合理依据，审稿人会觉得这个回归模型不牢靠，就像盖房子没打好地基，随时可能垮掉。这样一来，审稿人和读者自然会对研究结果的有效性产生怀疑。
所以，我们在论文的“方法”部分列出潜在混杂因素时，一定要说明纳入的依据。要是依据是以往的文献，就得标注参考文献；要是基于自己的研究重点或统计显著性，也得交代明白。只有这样，才能让审稿人相信我们的模型可靠，研究结果有临床意义。
有人觉得，只要把自变量X和因变量y一股脑儿输入统计软件，就能轻松建好回归模型，这可大错特错了。
满足模型特定的假设条件，是保证回归模型结果有效、稳定的前提。这就好比开车得遵守交通规则，不然容易出事故。比如，做Cox回归时，要报告比例风险假设的检验结果；在多变量回归模型中，要报告多重共线性检验结果，当方差膨胀因子VIF≥10时，就说明可能存在严重的多重共线性问题，这会影响模型的准确性。
我的建议是，在论文的“方法”部分交代前提条件检验结果，让读者知道模型建立的条件；在“结果”部分报告假设检验结果，展示模型是否满足假设；在“讨论”部分分析局限性，说明模型可能存在的问题。这样写，论文会更全面、更严谨。
在很多投稿的论文里，研究者常常先建多个单变量模型，然后只把P值小于0.05的变量放进多变量回归模型。这种方法看着好像挺合理，其实有明显的缺陷。
看过我前文的朋友可能知道，我在好几篇文章里都批评过这种做法。格林博士也指出，这种做法的错误主要体现在两方面。
一方面，单变量回归系数没考虑其他混杂因素的影响，就像一个人在黑暗里独自走路，没人帮忙，容易走错方向，所以结果不可信。另一方面，只通过单变量分析，很可能会漏掉影响因素之间的重要关联。
比如说，有两个混杂因素，单变量分析时可能都显示是非显著关联（P>0.05），但这可不意味着在多因素回归模型里联合分析时，它们还是没有统计学显著性（P<0.05）。要是只靠单变量显著性来筛选变量，就会错过多变量之间的重要关联，真是捡了芝麻丢了西瓜。
格林博士给出的建议如下：
千万别根据单因素分析结果来筛选该放进多因素回归模型的变量，这就像不能只看外表来判断一个人的能力。
采用合适的筛选方法，比如线性回归可以考虑用调整后R²；对于一般回归模型，贝叶斯信息准则（BIC）是更保守、更可靠的选择。
用序贯构建方法，结合文献依据、专业意见以及预先设定的统计规则来构建模型，这种方法比较稳健，就像盖房子有了详细的设计图纸。实在没办法的时候，可以用向后逐步回归法，但这只能作为模型构建的起点，就像探险时先确定个大致方向，不能全靠它，更不能把它当成最终模型。
在观察性研究和临床试验中，缺失数据很常见，没必要隐瞒。我们在论文里不能回避这个问题，就像做错了事不能逃避一样。
要是缺失数据分布不均衡或者数量太多，可能会让研究结论不可靠，就像做饭少了重要的调料，味道肯定不好。格林博士说，他审稿的时候发现，超过一半的作者都没有充分报告缺失数据，有的甚至根本没提。
但是，不提不代表不存在，审稿人可不会轻易放过这个问题。这简直就是自欺欺人。所以，我们不仅要在论文里明确报告缺失数据的情况，还要详细讨论处理缺失数据的方法，以及这些方法对研究结论可能产生的影响。这是体现研究透明度和客观性的重要方面。
处理缺失数据常见的方法有两种。一种是直接不管缺失数据，用完整的数据来分析，这种方法简单，但会降低统计结果的精确性，甚至可能让研究结果无效，就像扔掉有瑕疵的零件，可能影响整个机器的运行。另一种是采用多重插补法，这种方法相对更科学、更准确。其他像“末次观测值结转法（LOCF）”和“均值插补法”等方法，有统计学上的缺陷，不建议用。
格林博士建议我们写论文的时候：
在“方法”部分把处理缺失数据的方法说清楚，让读者知道问题是怎么解决的。
详细报告缺失数据的信息，保证所有细节都准确，包括每个变量缺失的数量和比例，可以在流程图、基线表或者补充表里展示，就像给数据做一份详细的“体检报告”。
明确告诉审稿人和读者从哪儿能获取缺失数据的详细信息，方便他们进一步了解。
在“讨论”部分说明和缺失数据有关的局限性，以及它对研究结论的影响，让读者知道研究可能存在的不足。
做敏感性分析，比较完整病例分析和多重插补法的结果。要是结果一样，能增强结论的可信度；要是结果有差异，就得重点说明差异产生的原因，就像侦探破案，找出问题的根源。
表格是简洁呈现大量数据的好工具，但很多稿件里的表格不符合规范，就像一件衣服缝得很粗糙，线头都露在外面。
常见的错误有：没说清楚统计量的类型，比如没区分均值和中位数，就像分不清苹果和橘子；没说明数据列是全部数据还是亚组数据，让人摸不着头脑；没明确用的假设检验方法，就像走路没有方向。更复杂的表格还可能存在统计量不在置信区间范围内、正负号错误，以及缺失数据处理方法不当等问题。
为了让读者和审稿人通过表格知道研究所用的假设检验方法，我们可以在每个P值旁边用符号标记，比如p<0.001ⁿ，然后在脚注里解释符号的意思，比如“ⁿ=两样本t检验，#=曼 - 惠特尼U检验”，就像给符号写一份“说明书”。
此外，表格还得有详细、信息丰富的标题，说明表格的用途，就像给文章起一个吸引人的标题。
除了上面说的十大陷阱，格林博士还做了以下5点补充，这可是他多年审稿经验的精华，大家一定要认真听。
四分位距是描述偏态数据离散程度的常用指标，但千万别用“四分位数之差”这种单一数值，它提供的信息有限，就像只看到一个人的一个优点，没法全面了解他。应该用四分位间距（P25,P75），这样能更全面地反映数据的离散程度和偏态特征，就像给数据画一幅完整的画像。
置信区间能给出总体效应的可能范围，就像给结果画了一个“安全圈”；而P值只是用来检验零假设的，还经常被误解，就像一个容易被误读的信号。置信区间更受认可，如果只能选一个，就选置信区间，就像在两个候选人里挑更靠谱的那个。
在表格里，别把没有统计学意义的P值写成“NS”，要报告具体数值，给读者留点儿思考的空间，就像给读者留一把打开知识大门的钥匙。表格里用的所有缩写都得在脚注里注明全称，别以为这是常识就省略，不是所有人都知道这些缩写的意思，就像不是所有人都懂方言。
论文里的图表要遵循简单原则，就像做人要简单真诚。条形图适合展示分类数据的计数，不适合展示均值或者数值变量，就像扳手不适合拧螺丝帽。呈现带置信区间的比率指标时，坐标轴要用对数尺度，这样数据能更清楚地呈现出来。至于颜色，要选对色盲友好的颜色，让所有人都能看清图表，就像给所有人开一扇明亮的窗户。
一定要在论文的“方法”部分介绍用的统计分析软件，就像介绍合作伙伴。在“参考文献”部分要像引用参考文献一样正式引用软件及其版本，如果用了别人或者自己编写的特殊程序、脚本、宏等，也必须引用，这既是对别人劳动成果的尊重，也是保证研究可重复性的重要环节。注意软件名称的正确大小写，应该是Stata，不是stata或者STATA，就像人的名字不能写错。
“文章千古事，得失寸心知。”写论文就像雕琢艺术品，每个细节都很重要。希望大家能从格林博士的经验里吸取教训，写医学论文的时候避开这些统计学“陷阱”，写出高质量的论文。
免责声明以上文章内容均来源于其他网络渠道，仅供欣赏，不代表本站观点，与本站立场无关，仅供学习和参考。如有涉及到您的权益，请来信告知(email:mlunwen@163.com)，我们核实后会立刻删除。
