康奈爾大學教授因操縱 P 值，被撤稿及被警告文章累積達

本文首發於意得輯專家視點：康奈爾大學教授因操縱 P 值，被撤稿及被警告文章累積達 29 篇

碗/盤子越大，人就吃得越多，換成小碗能避免吃太多。

用劇下飯容易吃撐，最多能比平時多吃 60%。

有女性在場時，男性會吃比正常飯量更多的披薩。

國內外教人健康飲食的網站沒少援引這些有網感的研究。別以為這是什麼愛瞎搞的機構出的調查，它們都出自康奈爾大學食物與品牌實驗室 (Cornell Food and Brand Lab)。

這個實驗室的負責人 Brian Wansink 是行為心理學出身，主攻飲食、健康領域的研究。除了搞科研，Wansink 還著有暢銷書《無意識飲食》，經常在主流媒體露臉教人怎麼吃、怎麼減肥，可以說是該領域目前最火的研究者之一。

不過，這人最近又出事了。

5 月 8 日，《美國醫學會雜誌》(JAMA) 主編 Howard Bauchner 在其網站上貼出了對 Wansink 早前發表的 6 篇論文的關注聲明 (Expression of Concern)，並嚴詞警告學術圈對這些論文中的研究效度加個小心。

JAMA主編關注聲明

JAMA主編關注聲明，圖片來自：JAMA Network

Bauchner 主編在聲明中表示：「醫學期刊最重要的特質之一是準確，而Wansink 頻繁（被）撤稿的現象給他的研究帶來了很多不確定性，我們已經要求康奈爾大學重新評估他的研究，在積極的結果出現之前，我們不會撤銷關注聲明。」

這不是 Wansink 第一次和學術不端扯上關係。早在去年底，他就因為一年內有 5 篇論文被撤稿（其中一篇被撤兩次）、論文修改 13 次，而被《科學人》列入 2017 年度十大撤稿事件。據《撤稿觀察》 (Retraction Watch)的數據顯示，到目前為止，Wansink 所涉及的期刊撤稿和關注聲明一共 29個。根據撤稿時間倒序，我們將其中被撤稿的 7 篇論文整理如下：

所以，他的研究到底出了什麼幺蛾子？

1. 論文重複發表、自我抄襲

Wansink 於 15 年發表的一篇論文和他 13 年的論文有 1376 字重複，雖然他把自己的論文加進了參考文獻中，還是被期刊要求修改。

相似的，另一篇發表於 2003 年關於大豆的論文因為一稿多投而在去年被撤稿。

2. 樣本年齡錯誤

Wansink 於 2012 年發表在期刊《預防醫學》 (Preventive Medicine) 上、現已被撤稿的一篇論文，研究了小孩吃蔬菜這件事。他發現如果給難吃的蔬菜取個酷點兒的名字，比如「X 射線眼胡蘿蔔」，會讓小孩改變心意，愛上胡蘿蔔，從而提高蔬菜攝入。不過，後來 Wansink 承認實驗樣本並不像論文里寫的是 8-11 歲的學生，而是 3-5 歲的小朋友。

3. 用結論操縱數據、數據作假

Wansink 和其團隊的郵件記錄證實，他在許多研究中操縱數據。比如在一個有關自助餐的項目中，Wansink 要求實驗室的研究生根據 p 值倒推變數，嘗試不同變數，直到得出「一看就能火」的結果才行。

事實上，學術界對 Wansink 這些受歡迎的研究是否具有信度和效度早存在爭議。來自波士頓東北大學的 James Heathers 自己編程，通過統計學原理，從一些已經發表的研究結果中推出原數據的可能面貌。

在跑完 Wansink 的幾十篇論文數據後，他發現了 150 多處數據不一致。其中就包括上面的提到的胡蘿蔔實驗。要得到和實驗數據相匹配的結果，其中某個樣本需要吃掉 60 個胡蘿蔔。對於 Wansink 給出的「實驗用到的是只有正常大小 1/4 的小胡蘿蔔」，期刊編輯認為非常牽強。

Buzzfeed 對 Wansink 事件進行了一系列報道，他們結合學界其他研究者的意見，認為這些論文中出現的數據不一致，主要是 Wansink 團隊在 p-hacking。

關於 p 值，以及它有什麼問題？

在研究型論文中，多數研究者會使用假設檢驗的方法來統計概率。簡單來說，假設檢驗的邏輯過程有 4 步：

提出問題，同時根據問題作出兩個相反的假設，即零假設和備選假設

根據樣本數據，算出零假設成立前提下，樣本觀察結果出現的概率，也就是 p 值

按照學術界標準，當 p<=5%，也就是我們常說的實驗結果顯著

得出結論，零假設被否認

為了讓實驗結果顯著，大研究人員都受到不少來自 5% 這個硬指標的壓力。感受一下豆瓣網友翕如這張餅圖：

圖片來自：豆瓣

為了使 p 值好看，統計時一旦 p 值顯著就停止收集數據、根據 p 值顯著性倒推變數、刪掉一些初始變數改變 p 值等操作都屬於 p-hacking。

這也就使容易被人為操作成為 p 值的一個黑點。反對 p 值的研究者認為，p值應該作為衡量實驗結果的參考，而不是唯一標準。意得輯專家視點此前就報道過，為了說明 p 值的存在的問題，期刊《Basic and Applied Social Psychology》(BASP) 在 2015 年宣布禁用假設檢驗及相關的統計程序。

此外，p 值的可重複性低也一直是個問題。弗吉尼亞大學的心理學教授 Brian Nosek 花了 3 年時間和同行研究者對 100 個已經發表的研究重新測試。這些早先 p 值顯著的研究中，只有 36% 在二次實驗中 p 值依然顯著。p 值的不穩定性和樣本體量、環境、學科領域間等因素有關。比如在上述項目中，認知心理學研究中的 p 值可複製率是社會心理學研究的兩倍。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！