基础科学中的序列假设检验

机器算法验证 假设检验 教学 统计学意义
2022-01-18 00:03:00

我是一名药理学家,根据我的经验,几乎所有基础生物医学研究的论文都使用学生 t 检验(支持推理或符合预期......)。几年前,我注意到学生 t 检验并不是可能使用的最有效的检验:顺序检验对于任何样本量都提供了更大的功效,或者对于等效功效而言,平均样本量要小得多。

临床研究中使用了不同复杂性的顺序程序,但我从未见过在基础生物医学研究出版物中使用过一种程序。我注意到,大多数基础科学家可能会看到的入门级统计教科书也没有它们。

我的问题是三个方面:

  1. 鉴于顺序测试非常显着的效率优势,为什么它们没有得到更广泛的使用?
  2. 是否存在与使用顺序方法相关的缺点,这意味着不鼓励非统计学家使用它们?
  3. 统计学学生是否教授过顺序测试程序?
1个回答

除了中期分析(Jennison 和 Turnbull,2000 年)和计算机化自适应测试(van der Linden 和 Glas,2010 年)之外,我对顺序测试及其应用了解不多。一个例外是在一些与高成本和难以招募受试者相关的功能磁共振成像研究中。基本上,在这种情况下,顺序测试主要旨在更早地停止实验。因此,我并不感到惊讶的是,这些非常量身定制的方法没有在通常的统计课程中教授。

但是,顺序测试并非没有陷阱(必须提前指定 I 型和 II 型错误,应证明停止规则的选择和多次查看结果是合理的,p 值不会像固定的样品设计等)。在大多数设计中,我们使用预先指定的实验设置或进行初步功效研究,以优化某种成本效益标准,在这种情况下,标准测试程序适用。

然而,我发现 Maik Dierkes 发表的以下关于固定样本设计开放样本设计的论文非常有趣:实验的顺序设计声明