科研动力

科学论文常用到统计方法，统计对于一篇研究论文来说很重要。选择适当的统计方法可以得到正确的结果，并避免不必的错误和不足。但是如果选择的统计方法不适当甚至错误，会对研究结果产生重要的影响，甚至是错误的结果。如今对于论文统计争论较多，自然杂志咨询了一些知名的统计学专家，就如何避免论文中的统计错误，提高统计水平，这些统计学专家给出了建议和意见。其实论文统计出现不足或错误不在于统计学本身，而是使用统计学的我们自己。 via Nature：Illustration by David Parkins 调整认知 马里兰州巴尔的摩的霍普金斯大学公共卫生学院（Johns Hopkins Bloomberg School of Public Health）的生物统计学副教授 Jeff Leek 认为，提高统计水平的方法在于，研究人员必须首先学会如何分析和解释数据，然后应用这些知识来防止认知的错误。 过去的几十年，很多专业已经从测量十几个数据到测量百万计的数据。现在用的很多统计方法，大都是还几十年前的统计方法。但是这些统计方法，是根据当时的情况设计的。以前信息疲乏，难以收集。但是现在信息呈爆炸式发展，因此再用以前的统计方法来处理现在的更大、更多样化和更复杂的数据，这些统计方法可能难以胜任。因此我们也常看到，现在的有些文献还是使用的是过时的统计方法，或者所用的统计方法根本就不恰当。其中 P 值就是最明显的一个。我们以前一直使用 P 值来看统计学是否有显著性差异，但是现在看来，使用 P 值作为统计学是否有意义，显然并不十分恰当。 科研动力 也呈就此发过一些博文，如 P值小于等于 0.05 是否真有统计学意义 ； 什么是 P-hacking 及其在科研中的危害 等等。 但是对仅仅指责数据量过多和缺乏相应的统计训练是不够的，不使用不使用诸如 P 值之类的统计指标来做决定也是不切实际的。有时候必须作出决定时，如发表文章或申请基金，可能清晰明确的指导方针更有用。 根本问题是我们对人们如何分析和处理信息知之甚少。比如图表，实验表明人们在饼图倾向于比较角度，而在条形图中比较长和宽的微小差异。饼图和条形图的使用，可以对不同的数据有更好的理解和认识。 我们需要认识到数据分析不仅仅是计算和算法，而是人类的一种行为。我们所学的统计方法，大都是针对数据贫乏的训练，因此用于现在信息量巨大的数据，最后的数据分析就不...

作为一名科研狗，平时少不了用一些科研软件和网站，科研动力平时也搜索了一些常用的科研软件和网站，感觉这些软件和网站对于科研比较有用，下在推荐给大家，希望能给大家有一些帮助。并且还提供了一些软件和网站的使用方法，这些个人体验只代表个人观点，每个人的体验不一样，因此其中有些见解肯定存在偏颇。 可用的 Google 地址和替代网址 科研软 件 文献管理第一软件： EndNote GIMP：Photoshop 的免费替代品 Icecream PDF Converte:免费的多功能转换软件 PDF转换为Word和图片的免费软件UniPDF Converter 在线PDF转换Word推荐 在线 PDF 处理工具集：Smallpdf 移除PDF文件保护软件：Simpo PDF Password Remover EXCEL自动卡方检验及Fisher检验 2015影响因子Excel版 发现一个对英文写作有帮助的网站：wordhippo 英文写作翻译必不可少的英语典翻译推荐 医学手机软件推荐 科研网 站 在线统计网站：Statistics Calculators 计算样本量网站：点05在线统计网 化学分子结构式查看编辑工具MolView 强烈推荐 ： 推荐PubMed查询替代品GCBI 强烈推荐： 免费下载SCI文献的好地方SCI-Hub 推荐完美志愿-根据历史数据填报高考志愿 科研人员如何获得MERS最新研究成果和资讯 使用cBio Cancer Genomics Portal综合分析癌症基因和临床资料 cBio Cancer Genomics Portal：研究多维癌症基因组学的开放平台 发现一个对英文写作有帮助的网站：wordhippo 推荐几个论文写作教程网和资源网 科研方法 SCI论文写作程序 从肥的味道说起：利用中文查找英文原始出处 如何通过外文文献一句话找到原文 qPCR实验操作和文章发表指南：MIQE 推荐完美志愿-根据历史数据填报高考志愿 英文投稿时各种Editor是什么 P值小于等于0.05是否真有统计学意义 什么是P-hacking及其在科研中的危害 如何查找全文 新英格兰杂志的图片病例报道有什么要求 提高论文Altmetric分值的方法 JAMA接收稿件类型 伪造的影响因子判断方法及列表 ...

我们在 统计 时经常用到P值，一般认为P≦0.05有统计学意义。但是现在很多统计学家并不是这样认为，对于P值的滥用和误用进行了苛刻的批评。因此出现了一个新词：P-hacking。什么是P-hacking？P-hacking在科研研究中有什么危害？ 什么是P-hacking P-hacking 最早应该是美国宾夕法尼亚大学的Simmons和他的团队提出来的[1, 2]。 P-hacking 按照字面的意思来看是「P值黑客]，但是实际上的意思 科研动力 认为是「 P值篡改 」或者「P值操纵」。这可能是 在线都市词典 收录的第一个统计词汇： Exploiting –perhaps unconsciously - researcher degrees of freedom until p<.05. 从词典给出的意思来看P-hacking是科研人员不断的尝试统计计算直到p<.05，当然有时这可能是无意识的。在线都市词典还给出了例句： That finding seems to have been obtained through p-hacking, the authors dropped one of the conditions so that the overall p-value would be less than .05. She is a p-hacker, she always monitors data while it is being collected. Simmons 等人也对P-hacking进行了定义[1, 2]： P-hacking refers to the practice of reanalyzing data in many different ways to yield a target result. They, and more recently Motulsky, have described the variations on P-hacking, and the hazards, notably the likelihood of false positives—findings that statistics suggest are meaningful when they are no. P-hac...

在科技论文中少不了统计，而 统计 中又常常避免不了值，一般认为P≤0.05或者P≤0.01有显著性差异，我们的研究有统计意义。事实是真的这样吗？其实有时如果P≤0.05也并非真正有统计意义。以下是 科研动力 译自Nature的一篇文章：Scientific method: Statistical errors，相信您看完之后会有些许收获。 美国弗吉尼亚大学的 Matt Motyl 于2010进行了一项近2000人的研究他发现政治温和派似乎比左翼或者右翼人士看到更多的灰度。这个结果太有意思了，而且 Motyl 很坚信这个结果，因为数据统计显示结果差异性很显著，P＝0.01。此时 Motyl 也有点小小的自得，自己的研究可以发表在高影响因子期刊了，离自己少年成名也不远了。 可惜欢乐总是短暂的，快乐仅持续了1天。他的导师 Brian Nosek 让他进行了重复实验，重复实验的结果P值变成了0.59。这就没有差异显著性了，因为统计学上认为P≦0.05才有统计学意义。人生就这么喜怒无常，现实击碎了 Motyl 的幻想。 Motyl 错了吗？问题出在何处？为何第一次实验统计学有显著性差异，而重复实验却变成了统计学无显著性差异？原来问题不在于数据和Motyl的统计分析。主要问题在于P值，大多数学者认为P值并不可靠也不客观。芝加哥罗斯福大学的经济学家 Stephen Ziliak 甚至认为P值根本不做人事，因为这鸟根本不会做人事。 实验重复性对于很多科学家很是个事儿。2005年加利福尼亚斯坦福大学的流行病学家 John Ioannidis 认为现在大多数所发表的论文都是有问题的。实验的重复性使科学家们要重新考虑他们该如何评价结果了。 同时统计学家们正在寻找一个更好的统计数据的方法，以帮助科学家们避免遗漏重要的信息或者得到错误的结果。斯坦福大学的医生和统计学家Steven Goodman说「现在是需要改变统计理念的时候了，以前的金标准也不再是神，它们是我们所采用的统计方法决定的」。 P值的断章取义 P值出现的近90年来， 统计 学家们对P值批评就没停止过。有人甚至把P值被比作即恼人又不赶不走的蚊子，有明显问题而每个人都忽略的皇帝的新衣以及强奸了科学但又没结果的强奸犯的工具。有人建议重新命名这个计算P值的统计方法学为「统计假设推断检验」，也许更能代表P值的本质。 具有讽刺意味的是英国...

Johannes Bohannon 是一个细菌分子生物学博士，同时也是一个记者。他除了上述两个身份，还关注于免费获得期刊的质量。最近他又搞了一个垃圾文章「巧克力可以减肥」，当然他的目的是为了测试期刊质量，不在于发表。这篇文章成功的发表，并且多个国家多个网站媒体以头条进行报道这个研究，的确很风光。那我们来看看这位是如何把垃圾文章发表的，并且做成头条的。 图片来源于John Bohannon博客 事情的起因 其实 Johannes Bohannon 的真名是 John。John 有一位哥们 Peter Onneken 在德国电视工作，Peter Onneken 和他的小伙伴 Diana Löbl 正在做一个有关食品伪科学的节目，现在的饮食节目太烂了，各种研究呈出不穷，但是其中花了钱做出来的研究有多少真正有用的呢？他们证明伪科学也能成为头条，因此他们就找到了 John。为什么找 John呢，因为他2013年在 Science 杂志上发表过 Who's Afraid of Peer Review ，就是质疑现在期刊质量的。而且 John 还在 Wikipedia 上维护 fee-charging open access journals 词条。 正好 John 对这事也感兴趣，双方一拍即合，就开始着手干这事。 实验开始 干这事之前应当准备准备，因为节目的播出还有一段时间，他们有几个月的时间来准备和完成这事。 首先应该搞个像样的身份，因此 John 摇身一变成了 Johannes Bohannon，而且还伪造了一个单位 Institute of Diet and Health 。听起来很响亮，但是其实这个单位根本不存在，仅仅是一个网站而已。 身份单位什么都有了，下一步就是制定实验计划了。要招募志愿者，Onneken 和 Löbl 的效率没得说，他们在FaceBook非死不可上轻松在招募到16个志愿都，每位150欧，为期3周。这些志愿者5男11女，年龄19-67岁。这些志愿者也知道一些细节，如这个研究是给个饮食节目做的。但是更多的细节就不知道了。 然后是具体实施人员，他们找到了一位全科医生 Gunter Frank 具体操作这项临床实验。那么巧克力该怎么选用，用哪个牌子和哪个品种？不能不说这事选 Frank 也是对了，他大手一挥，用黑巧克力！为什么呢？对于吃货来...

科研动力 也写过或者转载过一些关于论文写作和英文写作的文章了，在此做一总结索引，方便查找。 置顶推荐 除了影响因子 还有哪些指标可以评价论文的价值 ResearchGate科研人员自己的FaceBook 利用Plum Metrics评价系统了解论文的关注度分享情况 利用Altmetric评价系统了解论文的关注度分享情况 1. 论文写作 毕业论文的各种写法 论文中的图表制作方法和技巧 SCI论文并没有想像中的难写，浅谈发表SCI论文的一些小技巧 SCI论文各部分撰写方法及注意事项 视频: 如何撰写科技论文-How to write a great research paper 如何选择和阅读科技论文 2.英文写作 SCI论文写作时的英文表达技巧 英文论文中经常用到的「例如」的正确用法 英文论文写作随感 SCI论文常用经典句型系列1 SCI论文常用经典句型系列2 That在英语中的正确用法 提高英文写作的3个技巧 英文写作最常见的10个错误 撰写英语论文中国作者的常出现的一些错误 3. 论文投稿 如何发送和回复邮件 如何回复同行评审的评审意见 论文投稿前后及投稿过程常用的英文邮件模板 SCI杂志的一般审稿过程 创新不多的文章发表于SCI杂志的投稿策略 一稿多发，重复发表，自我抄袭之间的区别和联系 审稿结果和作者校样的处理 如何修改SCI投稿和退修的文章 4. 科研写作相关资源 EXCEL自动卡方检验及Fisher检验 易改：国产免费的英文写作辅助软件 WhiteSmoke：高质量的英文写作辅助工具 在临床试验设计中设对照组的重要性 如何准备在『新英格兰医学杂志』上发表论文 JCR期刊分区及其检索方法 CSSCI来源期刊和收录集刊（2014-2015）目录 PMID和PMCID的区别 MEDLINE，EMBASE，PubMed，PMC，OVID的区别和联系 APA,MLA,AMA,Chicago引文格式简介 世界著名出版商简介 常见文献检索平台或学术搜索引擎简介 微软学术搜索Microsoft Academic Search SCI论文撰写不用愁，推荐两本SCI撰写的参考书籍 写博士论文不用愁，推荐一本很好的电子书 申请美国博士研究生面试时有关问题及回答注意事项 推荐25个搜索下载电子书籍的好地方 推荐几个论文写作教程网和资源网 5. 研究僧 硕士从...

在科学论文中，经常需要对 统计资料进行表达和描述 。但是统计资料的表达与描述也常发生不当或者错误的时候。本系统以实例的方式对统计资料表达与描述常见的错误进行辨析与释疑，以期为科学论文中 如何对统计资料进行正确表达与描述 提供帮助。此文是该系统的第三篇。 用复式条图表达适合用线图表达的资料 例1：烟草对牙周成纤维细胞影响的实验观察 原作者用复式条图表达了资料，见图1。 对差错的辨析与释疑 复式条图适合表达具有一个统计指标，两个分组因素的资料，横轴上先安排其中的一个分组因素，在其不同水平处再安排另一个因素。 在本例中，第一个分组因素叫「尼古丁浓度」，第二个分组因素叫「系列(注：原作者在图中未将系列的含义表达清楚)」。通常这两个因素都是名义变量，而本例中，「尼古丁浓度」为一个连续性变量。原作者为了表达紫外吸收度与尼古丁浓度之间的变化趋势，用复式条图来表达资料就割裂了「浓度」之间的「连续性」。 因而原作者所选用的统计图类型与资料类型不吻合，宜选用线图来表达资料。横轴上表示尼古丁浓度，纵轴上表示观察指标，「系列」是具有两个水平的分组因素，可根据其水平数在图中绘出两条折线。限于篇幅，修改后的结果从略。 用线图表达适合用复式条图表达的资料 例2：糖尿病牙周炎治疗后血清肿瘤坏死因子α和糖化血红蛋白的变化 其中一资料为15例2型糖尿病伴牙周炎患者，分别于牙周治疗前、后一定时间段内检测其血清肿瘤坏死因子α(TNF2α)的水平，原作者将其资料绘成了普通线图见图2。 对差错的辨析与释疑 图2中「系列1」与「系列2」的含义不清楚，从其正文所述内容推测，可能是指「治疗前与治疗后」或「治疗后与治疗前」。线图适合表达观察指标随时间变化的趋势，而本资料放置在横轴上的项目却是「病例编号」，它是一个名义变量，因而不适合用普通线图来表达该资料。 若确实希望表达每位患者的数据，宜选用复式条图来表达，横轴上安排「病例编号」，纵轴上表示观察指标。限于篇幅，修改后的结果从略。 误用复式条图取代构成图 例3：下颌尖牙牙龄与腕骨骨龄的关系 原作者用复式条图表达了5组处于3个不同时期的样本资料的内部构成情况，资料表达形式见图3。 对差错的辨析与释疑 图3中未将「5组」的具体含义表达清楚。在用相对数表达资料时，务必要明确：何时的相对数为「百分比(即构成比)」、何时的相对数为「百分率」。本例写的是构成比，而不是百分率...

在科学论文中，经常需要对 统计资料进行表达和描述 。但是统计资料的表达与描述也常发生不当或者错误的时候。本系统以实例的方式对统计资料表达与描述常见的错误进行辨析与释疑，以期为科学论文中如何对统计资料进行正确表达与描述提供帮助。此文是该系统的第二篇。 编制表格时主谓语颠倒 例1：用3种测度对楔状缺损形成因素的研究 在本项研究中，研究者考察的4种致损因素为：横刷牙、酸蚀、力疲劳和牙颈部结构类型。考察的3种缺损测度为：侧影深度、面积和缺损体积；3种测度为：一维测度：楔状缺损侧影深度(mm)；二维测度：楔状缺损侧影面积(mm 2 )；三维测度：缺损体积(mm 3 )。其结果列于表1中。 对差错的辨析与释疑 在表1中，「是否采取横刷牙」是实验分组因素，即统计表的主语，而3种测度实际上是3个定量的观测指标，即统计表的谓语。通常，将「主语」(即实验分组因素)放在统计表的左边，以「横标目」的形式出现，用以从左向右说明问题；将「谓语」(即观测指标)放在统计表的表头上，以「纵标目」的形式出现，用以从上向下说明表中数据的真实含义。 而原文作者在表1中正好将主语与谓语位置放颠倒了，不便于读者阅读。通常，表格的横标目代表某种「原因」，纵标目代表某种「结果」，这样从左向右阅读出来可以读成一句话，便于读者理解所要表达的意思。对表1进行修改，修改结果见表2。 其次，由表1可看出：原作者误用表达呈正态分布资料的方法表达呈偏态分布的定量资料，因为在表中有两组数据的标准差大于均数。「均数±标准差」是简单表达呈正态分布定量资料的一种形式，说明其数据分布的集中趋势和离散程度。当用此法表达定量资料时，若资料未经任何变量变换且有一定专业含义时，标准差不会大于均数。一旦超过，基本上可以认为这样的资料偏离正态分布较远，不适合用正态分布法表达这样的资料，建议改用M(Q R )形式表达定量资料，其中M为中位数，Q R 为四分位数间距。 统计表中总的纵标目安排不当 例2：正颌外科计算机辅助诊断、模拟手术及面像预测系统准确性研究 原作者所在医院颌面外科进行正颌外科手术的牙颌面畸形患者31例，患者资料见表3。随访时间最短6个月，最长37个月，平均随访时间21.5个月。全部患者均以要求改善牙颌面畸形及功能就诊。 对差错的辨析与释疑 此表格设计不合理，该统计表中总的纵标目应当是「病例数」，而不应当是「性别」。表中的「性别」仅...

在科学论文中，经常需要对 统计资料进行表达和描述 。但是统计资料的表达与描述也常发生不当或者错误的时候。本系统以实例的方式对统计资料表达与描述常见的错误进行辨析与释疑，以期为科学论文中如何对统计资料进行正确表达与描述提供帮助。 误用正态分布法描述呈偏态分布的资料 例1：牙周炎治疗后龈沟液中弹性蛋白酶水平的变化的研究 作者为观察龈沟液(GCF)中细胞外弹性蛋白酶(EA-S)和细胞内弹性蛋白酶(EA-P)在牙周基础治疗前后的变化。取成人牙周炎患者8例，男3例，女5例。从每例患者口腔内选取不相邻的邻面颊侧压周位点3～8个，先不做口腔洁净指导和治疗，取GCF样本，然后行口腔卫生指导，全面洁治及深部刮治等基础治疗，6周后再取GCF样本，原文资料的表达见表1。 对差错的辨析与释疑 用均数±标准差表达定量资料的平均水平和离散程度时，其应用的前提条件是资料呈正态分布。对于有实际意义的定量指标而言，如果其分布近似正态分布，资料的标准差不会超过其算术平均值。显然，在「0.42±0.50」中，标准差大于平均数。该资料应该是呈偏态分布的，不适合用正态分布法来表达，应该选用中位数描述集中趋势，选用四分位数间距描述离散程度。 表中表示同一指标的数据的小数点位数应该一致，而表中治疗后的范围中的数据有的精确到小数点后两位，有的精确到小数点后三位，应该都精确到小数点后三位，不够的用0补齐。 另外，从编制统计表的合理性角度看，表1也存在问题：表头中横线上方应放观测指标或计算的统计指标(在本例中为「均数±标准差」和「范围」)，横线下左栏方应放分组标志(治疗前、治疗后)。 例2：下颌升支截骨术不同术式对口颌系统功能影响的比较 原作者比较下颌升支矢状截骨术(SSRO)和下颌升支垂直截骨术(IVRO)后下颌对口颌系统功能的影响。对27例下颌前突患者(16例接受SSRO，11例接受IVRO)分别在术前、术后3个月、6个月测定其颌力、咀嚼效能。结果如表2所示。 对差错的辨析与释疑 从表2可以看到，原文作者用的是「平均数±标准误」来描述数据分布的集中趋势和离散程度的，如果将标准误还原为标准差(因 S= )，如表3所示： 由表3可以看出：各组数据的标准差都大于算术平均数。基本可以认为各组定量资料服从偏态分布。「均数±标准误」是用来概要表达呈正态分布的定量资料的，说明其数据分布的集中趋势和离散趋势。本例却不适合用此两...

人们在研究两个变量之间的相互关系或依赖关系时经常 运用直线相关分析 与 直线回归分析 ，然而他们经常犯这样或那样的错误，导致结论的可信度低，有时甚至得出绝对错误的结论。本文以实例的形式说明一下 直线相关与直线回归分析常见错误 ，并给以正确的解疑和答案。 直线相关与回归分析常见错误概述 人们在研究两个变量之间的相互关系或依赖关系时经常运用直线相关分析与直线回归分析，然而他们经常犯这样或那样的错误，导致结论的可信度低，有时甚至得出绝对错误的结论。这方面常见的错误概括起来有如下几点： (1)脱离专业知识，盲目进行直线相关与回归分析； (2)对资料中因「过失误差」造成的错误视而不见，盲目进行统计计算得出违背专业知识的结论来； (3)将数据直接录入计算机，调用统计软件快速得出计算结果，作出结论； (4)对于仅在统计学上有意义的计算结果，盲目给出专业上的「肯定结论」，但结论经不起实践的检验。 直线相关与回归分析常见错误案例与释疑 1. 脱离专业知识，盲目进行直线相关与回归分析 例1：某人在北京郊区调查居民被狗咬伤的情况 结果显示，各年龄组中被狗咬伤的百分率不同，即年龄由小到大，被狗咬伤的百分率依次为很小、较小、较大、很大、较大、较小、很小、较大。原作者的一个惊人的发现是，年龄与百分率之间的相关系数r=0.9956，P<0.0001，因此拟合的直线回归方程也是有统计学意义的。故原作者认为，在所调查的市郊，被狗咬者的年龄与被狗咬伤的百分率之间有很好的线性关系，可用此直线回归方程来预测该地任何一位居民被狗咬伤的概率，以便提醒人们外出时携带必要的防身器械，要倍加小心，尽可能减少被狗咬的机会。 对差错的辨析与释疑 不会走的婴儿由大人抱在怀里，其被犬咬伤的发生率肯定很低；刚刚学会走路的小孩，通常都有大人在他们身边，因此，他们被犬咬伤的发生率比前者可能会高一点，但不会太高；只有那些整天到处乱跑，又没有很强抵御能力的3～6岁的孩子，被犬咬伤的机会最大；7～12岁的儿童，通常都有比较强的抵御能力，因此，他们被犬咬伤的机会较前者会有所减少；依此类推，中青年被犬咬伤的发生率最低，上了年岁的老人，行动不便，他们被犬咬伤的发生率又会有所增大；而更老的体弱多病者整天呆在家中不出门，他们被犬咬伤的发生率几乎为零。 这些都是生活常识，没有必要用统计学方法生搬硬套地去描述它。退一步说，即使你一定要用...

面对一个具体的实验研究问题，究竟应该选择什么实 验设计类型 合适呢 ? 本文以实例的方式说明针对具体问题合理如何选用某种设计类型。 合理选用设计类型的指导思想 面对一个具体的实验研究问题，究竟应该选择什么 实验设计类型 合适呢？ 首先应考虑拟考察的实验因素的个数、各因素的水平数以及是否要考察因素之间的交互作用； 其次应考虑必须加以控制的区组因素(即重要的非实验因素)的个数及其水平数； 第三应结合专业知识，考虑因素在施加时有无特殊要求，如「同时施加，还是分先后顺序施加」；同一个因素的各水平作用于受试对象时有无特殊要求，如「每一个受试对象只能接受因素的一个水平，还是可以接受因素的多个水平」； 第四应考虑实验者在经济、时间等方面的承受能力。 将以上4方面综合起来考虑，是针对具体问题合理选用 实验设计类型的基本指导思想 。 针对具体问题合理选用某种设计类型举例 1. 「成组、配对、交叉」设计中应选择哪一个 例1 已知某中药有一定的降血压作用，先打算通过动物实验了解该药的最适剂量。 研究者根据预实验的结果，拟采用A、B两种可能的剂量，并要求用猫作为受试对象。已知此药的持续作用时间小于6h，6h后血压又会恢复到原先的水平。根据先验知识和对结果的精度要求，按统计公式估算，每一组至少要用5只猫。 问：有哪几种可能的设计类型？其中最优者是哪一种？ 分析与解答 设计1： 由于该药有两个剂量A和B，故最简单的做法是将10只猫完全随机地均分成2组，1组给药剂量为A，另1组给药剂量为B，即采用「成组设计」。 设计2： 我们还可以将10只猫按他们自身的条件，将性别、体重、年龄、健康状况、基础血压值等各方面都相同或接近的每两只猫配成1对，用随机的方法决定其中1只猫接受该药的A剂量，另1只猫接受该药的B剂量，即采用「条件相近者配对设计」。 设计3： 若动物饲养中心能明确地区分每只猫所来自的窝别，也知道每只猫的年龄，那么，研究者在领取猫时，可以规定：全部猫的年龄要基本相同，从每一窝中取出2只「性别相同、健康状况和基础血压值等各方面都相同或接近」的猫配成1对，用随机的方法决定其中1只猫接受该药的A剂量，另1只猫接受该药的B剂量，即采用「同源配对设计」。将上述3种设计用表格的形式给出，以便比较，见表1。 上述3种设计都存在一个不足之处：动物的利用率低。 因为只要两次用药时间间隔大于6h，可就在同一...

前面说过 定量资料分析方法的合理选择：析因设计的统计方法及常见错误辨析与释疑 ，本文介绍一下 实验设计类型的合理选择：析因设计合理选择及应用中存在的问题实例解答 。 析因设计及其突出标志 析因设计是安排多因素实验的一种十分有效的设计类型，其有效性在于该设计不仅可以分析出全部单个实验因素(称为主效应)对观测结果的影响是否具有统计学意义，而且可以揭示出实验因素之间各级交互作用的效应大小。该设计是所有实验设计之中获得消息量最多且对因素之间关系解释得最清楚的实验设计方法，其缺点是所需要的实验次数较多，当拟考察的实验因素较多或水平数较多时，实验次数非常之多，故研究者一般难以承受。 一个设计是否为析因设计，有以下4个最突出的标志： 其一，不同的实验条件数为全部拟考察的实验因素的水平数之积； 其二，各实验条件下均做2次或2次以上独立的重复实验； 其三，在具体实验时，全部因素是同时施加的，换句话说，实验因素不是分期分批出现在实验过程中的； 其四，在进行统计分析时，实验因素对观测结果的影响被认为是同等重要的，即没有充分的专业证据给实验因素对观测的影响排出主次顺序。 合理选用析因设计安排多因素实验 例1 某研究者自称松球用水煎后制成的松球合剂对慢性气管炎有较好的疗效。 经有关专家检验后发现：所谓的松球合剂中含有麻黄和地龙这两种对该病有一定治疗作用的药物，因而怀疑「松球对该病有较好疗效的结论」是不正确的。 请你设计一个试验，验证「松球对该病有较好疗效的结论」的真伪。 辨析与释疑 本设计的关键是要设立合适的对照组，使实验结果能显示出单用松球的效果、「麻黄和地龙」的效果以及他们与空白对照组之间的差异有无显著意义。 为此，需设立4个组：即空白对照组、单用松球组、「麻黄+地龙」组、「松球+麻黄+地龙」组。各组均有足够多的样本含量，并设法保证各组患者的病情接近、患病时间的长短接近，抽烟、饮酒以及年龄和性别等重要非试验因素的构成情况也接近，严格按随机化原则选取和分配受试对象，选择特异性强、灵敏度高的定量观测指标。 上述分组的结果从表面上看是一个单因素四水平设计，其实是一个2×2析因设计，因为可以列出如下的设计格式： 由表1可知：这是一个由2个二水平因素全面组合而成的两因素设计，各组均有足够多的样本含量，实验时两因素同时施加，事先没有充分的专业知识断定两个因素中何者对观测结果的影响大，根据前述关于...

正交设计 是利用一系列规格化的正交表来安排多因素试验的一种十分有效的设计方法。在实验设计中如何合理选择正交实验设计， 正交实验设计 应用中存在哪些常见问题，本文以实例说明并给予解决方法。 什么是正交实验 设计 正交设计 是利用一系列规格化的正交表来安排多因素试验的一种十分有效的设计方法。正交表是已经制作好的规格化的表，是进行正交设计的基本工具。正交表可分为同水平的和混合水平的两大类，常用的同水平正交表有2 n 型：L4(2 3 )、L8(2 7 )、L16(2 15 )；有3 n 型：L9(3 4 )、L27(3 13 )、；有4 n 型：L16(4 5 )、L64(4 21 )、;有5 n 型：L25(5 6 )、L125(5 31 )。常用的混合水平的正交表有：L8(4 1 ×2 4 )、L18(3 7 ×2 1 )、L50(5 11 ×2 1 )等。Ln(K m )中的L代表「正交表」，n代表「正交表的行数」;K代表「各列的水平数」，m代表「列数」。 正交表各列水平代码出现的规律是：各列不同代码出现的次数一样多;任何两列不同代码组合形式出现的次数一样多，如(1，1)、(1，2)、(2，1)、(2，2)被称为4种不同的代码组合形式。满足这样两个条件的数据(或代码)阵列被成为是彼此正交的。由正交表所确定的「实验点(即正交表每一行代码所决定的实验条件)」具有两个明显的特点：在空间具有「均匀分散性」、在统计分析时具有「整齐可比性」。 正交表一般分成表头(列号)和表身(水平的标志)。所谓进行正交设计，实际上就是把实验因素及其交互作用合理地安排到正交表的表头中去。 正交设计应用中存在的问题 例1 浙贝母提取工艺的优化选择 原作者采用正交试验法考察提取溶媒、溶媒浓度、药材处理方法、提取次数等因素对总生物碱提取效果的影响。根据有关资料及经验，拟定7个因素，每个因素选择2个水平(表1)，按L8(2 7 )正交设计表对总生物碱提取和测定，结果见表2，方差分析见表3。 方差分析表明，提取溶媒对贝母碱的提取效果影响极显著，溶媒浓度、药材处理次之，提取时间、提取次数、粒度、溶媒量对结果几乎无影响。表2的结果表明，提取效果最佳的第4号(A 1 B 2 C 2 D 2 E 2 F 1 G 1 )，即以95%乙醇提取3次，每次2h，碎粒提取，溶媒量6倍，药材不需10%Na 2 CO 3 ...