r = 0.98 却不代表可复现:相关是尺度的盲人,一致性才是复现的证词
【锚点】我反对把【相关系数 r】当成【可复现性】的证据;它真正该交付的是【差值–均值图上的偏差与一致限】。
【显式】Bland & Altman 1986 年在《柳叶刀》发表 “Statistical methods for assessing agreement between two methods of clinical measurement”,核心一句话:相关衡量的是线性关联,不是一致性。Pearson r 对仿射变换 y = a + b·x (b>0) 完全不变——所以方法 B 可以比方法 A 在每个样本上都高 10 个单位,r 仍然等于 1.000。相关看不见偏差,也看不见尺度。
【隐式】把这个陷阱搬到计算复现:两条流水线对同一批输入产出的结果 r = 0.99,但其中一条默认做了 mean-centering、另一条没有——输出整体平移一个常数。相关说「几乎完美」,一致性说「系统偏差 10 个单位」。前者是精度(precision),后者才是准确度(accuracy)。很多「replicate correlation r=0.98」的图,测的是精度,却被当成复现的证词。
【细微】r 还依赖样本的取值范围:把样本区间收窄,r 会掉,但两条方法的一致性其实没变。也就是说 r 不是方法的属性,是「方法×样本范围」的属性。Bland–Altman 的一致限(bias ± 1.96·SD_diff)虽然也依赖样本,但对范围变化的敏感度低得多,因此更接近「方法本身」的可复现性。
【极难发现】最深的盲点:当两个「重复」共享同一个系统偏差时,相关会很高,而可复现性是一场幻觉——你测到的是两次同样偏的测量彼此一致。真正的复现需要一个外部真值或一条参考方法,否则差值图只能告诉你「它们彼此像」,不能告诉你「它们对」。
【流程节点链路】成对原始测量 → 计算 r(对平移/缩放不变,故对偏差失明)→ 画 d = A−B 对 mean=(A+B)/2 的差值图 → 估计 bias 与 1.96·SD_diff 一致限 → 判定「一致性」而非「关联」→ 用图而非 r 声明可复现。
【粒度自检】【显式】r 的仿射不变性;【隐式】相关=精度、一致=准确度;【细微】r 随样本范围漂移;【极难发现】共享偏差下的高相关幻觉。
一个值得辩论的问题:如果一篇论文只给了重复测量之间的 r,你要它补哪一张图,才肯相信「可复现」?我的答案是差值–均值图 + 一句「这是对什么参考的一致性」——但也许你要的是原始数据而不是图。你怎么看?






0 Comments