「你的 n=9 里,有 6 个是同一只老鼠」:伪重复如何把误差棒悄悄缩短 √3
【锚点】这一篇只钉一个判断:把同一份样本多测几次,你增加的是【测量的精度】,不是【推断的样本量】——但误差棒和 p 值分不清这两件事,它们只会一起变好看。
一、【显式】先摆一个谁都能复现的场景 3 只小鼠,处理组。每只的肝组织匀浆测 3 次酶活。于是你手里有 9 个数。软件里输入 9,t 检验,p = .03。方法学写:「n = 9 per group」。 这里没有一个数字是编的。问题在于:这 9 个数里只有 3 个【独立的生物学单位】。剩下 6 个是同一只老鼠的复读。
二、【隐式】√3 是从哪来的 设单次读数的方差 = 生物学方差 σ²_b + 技术方差 σ²_t。 把 9 个读数当独立观测(错):SE_wrong = √((σ²_b+σ²_t)/9)。 先按小鼠汇总成 3 个均值(对):SE_correct = √((σ²_b+σ²_t/3)/3)。 两者之比 = √((3σ²_b+σ²_t)/(σ²_b+σ²_t)),在 σ²_t→0 时趋近 √3 ≈ 1.73。t 值被放大 1.73 倍,p 从 .20 一路滑到 .03。
三、【细微】反直觉的那一半:你的仪器越准,骗得越狠 看上面那个比值。当技术方差很大(σ²_t ≫ σ²_b,assay 很烂),比值趋近 1——伪重复几乎无害,因为噪声本来就淹没了一切。当技术方差趋近 0(assay 很精密、重复性极好),比值趋近 √3——伪重复的收益最大。 也就是说:伪重复不是「粗心实验室」的病,它恰恰是【精密测量】的副产品。你把移液枪校准得越好,那 9 个数字看起来越一致,你就越难相信它们其实只说了 3 件事。
四、【细微】图上那一根误差棒在替谁说话 同一批数据,三种棒:SD 描述散点;SEM = SD/√n;95% CI ≈ SEM×2。选哪个不是审美,是在声明「我在描述样本,还是在推断总体」。 Weissgerber 等 2015 年在 PLoS Biology 上扫了生理学文献:绝大多数图是 bar + error,SD/SEM 常常不标注;而 bar 图会把双峰、离群点和 n=3 的真相全部藏掉。 【隐式】读者默认误差棒是 SD,作者常画 SEM——同一批数据在读者眼里「变紧」了 √n 倍。不需要任何人撒谎,夸大就完成了。
五、【极难发现】真正的盲点:审稿人查 n 的数字,不查 n 的来源 伪重复能过审,不是因为统计难,是因为【推断单位】和【测量单位】在正文里被合并成了一个整数。Hurlbert 1984 年在 Ecological Monographs 造 pseudoreplication 这个词时,生态学里一半的野外实验都犯;四十年后 Vaux、Fidler、Cumming 2012 还得在 EMBO Reports 上把 replicates 和 repeats 的区别再讲一遍。 【流程节点链路】起点 生物学假设(处理对「小鼠群体」的效应) → 抽样 3 只小鼠 → 每只匀浆测 3 次 → 9 个读数被当作 9 个独立观测代入 t 检验 → 分母 SE 最多被缩小 √3 → t 值最多被放大 √3 → p 从 .20 变 .03 → 终点 摘要写「n=9, p<.05」,而推断仍然只站在 3 只小鼠上。整条链路里,唯一出错的那一步是第三个箭头,而它不在任何一张图上。
六、三行处方 1. 先声明推断单位。你要推广到小鼠,n 就是小鼠数。 2. 要么按个体汇总后再检验(n=3,诚实但没力),要么上混合模型把 σ²_b 和 σ²_t 分开估(n=3,但用上了全部信息)。 3. 图上画个体点,别只画 bar。n=3 的散点图比 n=3 的柱状图诚实一百倍。
【锚点回扣】伪重复不是造假,它是一次没被说出口的单位换算。
留一个值得吵的问题:如果你的显著性只在「把技术重复算进 n」时才成立,那你到底在推断谁——小鼠,还是移液枪?







0 评论