Джон Брокман - Эта идея должна умереть. Научные теории, которые блокируют прогресс

Но попробуйте провести тестирование по 10 вопросам – и шанс, что случайность исказит ваш результат при ответе на 1 или несколько из этих вопросов, тут же возрастет до 40 %. Но в типичной научной работе задается больше 10 вопросов, а иногда и намного больше. Вы можете скорректировать эту «проблему множественных сравнений» с помощью математических инструментов (хотя это и нельзя считать общепринятым методом). Вы также можете попробовать избавиться от этих нежелательных эффектов, приняв решение ответить всего на 1 главный вопрос (хотя на практике такие «первичные результаты» оказываются на удивление пластичными). Однако даже эти корректировки часто не учитывают влияние множества эффектов, способных негативно сказаться на расчетах исследователя, – подобно тому как незначительные изменения в классификации данных могут повлиять на исходный результат: «острая» боль – это 7 баллов по 10-балльной шкале? Или 8 и выше?.. Иногда подобные вопросы упускаются из виду; иногда они сознательно игнорируются или становятся объектом манипуляций.

Даже в лучшем случае, когда статистическая значимость рассчитывается самым правильным образом, она способна сказать вам не так уж много. Разумеется, маловероятно, что нужный эффект достигается лишь благодаря стечению случайных факторов. Однако это соображение ничего не говорит нам о том, насколько правильным был протокол проведения эксперимента; насколько точно были откалиброваны измерительные приборы; не было ли ошибок в компьютерной программе; в достаточной ли степени экспериментатор замаскировал данные, чтобы предотвратить предвзятость при их анализе; понимали ли ученые все возможные источники ложных сигналов; было ли надлежащим образом простерилизовано все вспомогательное оборудование; и так далее. Когда эксперимент оказывается неудачным, скорее всего, ответственность лежит не на случайности – точнее, не на статистической случайности, а на старой доброй ошибке исследователя.

Когда физики ЦЕРНа сообщили, что им удалось поймать нейтрино, двигающиеся быстрее скорости света, даже порога статистической значимости на уровне 6 сигм (и тщательной проверки на наличие ошибок) оказалось недостаточно для того, чтобы убедить физическое сообщество в том, что команда ЦЕРНа нигде не ошиблась. Ведь полученный результат противоречил не только физическим законам, но и результатам наблюдения за нейтрино, рождающимися при взрыве сверхновых звезд. И вполне естественно, что через несколько месяцев кому-то удалось выявить неточность в расчетах (в общем и целом незначительную), которая позволила опровергнуть заключение команды.

Подобные вещи происходят в научном мире на удивление часто. Управление по контролю за продуктами и лекарствами США каждый год инспектирует несколько сотен клинических лабораторий. Примерно в 5 % случаев делается вывод о том, что та или иная лаборатория использует в своей работе «крайне сомнительные условия и практики» и полученная в этой лаборатории информация не может считаться надежной.

Зачастую такие практики включают в себя откровенное мошенничество. Любой инспектор способен сразу заметить подобное, однако ему сложно представить, что реальное количество ошибок в лабораториях может оказаться в несколько раз выше того, что он видит. Что толку в том, чтобы называть результат статистически значимым с погрешностью 5 %, 0,3 % или даже 0,00003 %, если вероятность того, что данные существенно искажены ошибками в лаборатории, составляет 10 %, 25 % или даже еще выше? В условиях, когда возможны такие ошибки (не говоря уже о сознательном мошенничестве), даже самые железобетонные выводы, основанные на статистической значимости, теряют любой смысл.

Тем не менее, несмотря на то что статистика не всегда выдерживает проверку практикой, ученые зачастую пытаются использовать понятие статистической значимости как универсальный и простой способ определения того, заслуживает ли то или иное наблюдение доверия, а выводы – публикации. Из-за этого рецензируемая литература замусорена «статистически значимыми» абсурдными результатами, которые невозможно повторить и в которые невозможно поверить даже при самом богатом воображении.

Концепция «статистической значимости» стала своего рода «количественным костылем» качественного по своей сути процесса определения правильности выводов. Без нее науке станет намного лучше.

Психолог; Центр адаптивного поведения и познания Института развития человека имени Макса Планка, Берлин; автор книги Risk Savvy: How to Make Good Decisions [102].

В молодости у Готфрида Вильгельма Лейбница была прекрасная мечта: открыть систему исчисления, позволяющую изобразить любую отдельно взятую идею в мире в виде символов. Подобное универсальное исчисление могло бы положить конец всем научным дебатам. К примеру, любое эмоционально накаленное обсуждение в рамках Edge.org можно было бы легко завершить при помощи бесстрастных точных расчетов. Лейбниц с большим оптимизмом предполагал, что разработать подобную систему исчисления небольшая группа людей могла бы всего за 5 лет.

Однако до сих пор никому, включая и самого Лейбница, так и не удалось найти этот Священный Грааль.

Тем не менее мечта Лейбница жива и даже процветает в области социальных наук и неврологии. Поскольку нам так и не удалось найти главный объект этой мечты, на его место приходят объекты-заменители. В некоторых областях это множественная регрессия, в других – байесовская статистика. Однако подлинным чемпионом считается так называемый «нулевой ритуал»:

1. Сформулируйте нулевую гипотезу «отсутствия разницы в среднем» или «нулевой корреляции». Не уточняйте предсказания своих собственных исследовательских гипотез.

2. Используйте 5-процентную погрешность как условие для отказа от нулевой гипотезы. Если результат окажется статистически значимым, примите свою исследовательскую гипотезу как верную. Сформулируйте результат в виде P < 0,05, P < 0,01 или P < 0,001, в зависимости от того, к какому условию оказывается ближе полученное вами P- значение.

3. Всегда используйте эту процедуру.

Мы не должны ни на минуту верить, что эта процедура имеет что-то общее с корректной статистикой. Сэр Рональд Фишер, которому совершенно неверно приписывается этот метод, на самом деле писал, что исследователям нельзя использовать один и тот же уровень статистической значимости от эксперимента к эксперименту. Узнав о том, как этот метод применяется в наши дни, знаменитые статистики Ежи Нейман и Эгон Пирсон наверняка перевернулись бы в своих гробах. Приверженцы байесовской статистики также с подозрением относятся к P- значениям.