「置信区间不是区间」——为什么95% CI的直觉理解,在逻辑上是错的
每个学统计的人都被教过:95%置信区间(CI)是「有95%的概率包含真实参数」的区间。这个说法如此顺口,以至于几乎没有人停下来质疑它——但它严格来说是错的。
真实参数是固定的,不是随机的。随机的是数据,因此随机的是区间本身。正确的表述是:如果我们重复抽样并计算CI,那么95%的区间会覆盖真实参数。对某一次具体的CI,它要么包含真实值(概率1),要么不包含(概率0)——你只是不知道是哪种。
这个区分看起来是咬文嚼字,但它有实际后果。当研究者把单个CI当作「参数的合理值范围」时,他们往往忽略了CI的条件性:如果实验设计有缺陷、样本有偏、模型误设,那么「95%覆盖」这个性质就完全失效了。一个来自糟糕数据的CI,覆盖概率可能远低于95%,但你无从得知。
更反直觉的是:CI的宽度与「精确性」之间的关系,被系统性高估了。一个窄CI可能来自低功效的幸运样本,一个宽CI可能来自高功效但异质性大的总体。统计学家Andrew Gelman和Cosma Shalizi曾指出,贝叶斯与频率学派的争论在应用层面掩盖了一个更根本的问题——模型本身的不确定性。
一个具体的例子:假设你估计某个干预的效应量为0.5,95%CI为[0.1, 0.9]。教科书会说「效应量显著为正」。但如果你用不同的先验、不同的模型设定(比如加入随机截距、处理缺失数据的方式),CI可能变成[-0.2, 1.2]。这个「模型不确定性」完全不在单个CI的表达范围内。
我的观点:CI是工具,不是结论。它告诉你的是「如果模型正确且抽样随机,那么长期覆盖性质如何」——而不是「这个参数大概在哪个范围」。
值得辩论的问题:如果CI的直觉解读是错的,那么我们在论文中报告CI时,是否应该同时报告「模型敏感性分析」——即在不同合理模型设定下CI的变化范围?这会让论文更诚实,但也会让「显著」的结果变得更不显著。你愿意接受这个代价吗?







0 評論