給您的研究下個「信賴指標」

科學研究發表於期刊中，多年來逐漸形成了目前的流程、習慣與弊病。再現性問題是許多科學家親身經歷的。近年來，多項大型再現性研究試著分析已發表的癌症研究及社會科學研究，竟發現各有約30%的論文結果無法重複，其中竟包含發表於高影響力期刊的論文，科學界因此受到再現性危機的震撼。「失去信心計劃」(Loss-of-Confidence Project)被發起，鼓勵學者們大膽公開坦白對自己實驗已失去信心，欲幫助提升實驗再現性。

而另外一項最新提議來自知名史丹佛教授Steven N. Goodman，發表在《自然》：他提出學者應為論文中的數據附上「信賴指標」(confidence index)，估計出研究發現為真的機率。

用「信賴指標」取代P-value

Goodman強調，目前太多的論文結果都以P<0.05來說明其結果可信。然而，這個指標容易被誤解：P-value並不能代表結果的可信度，受到許多統計學設計的限制，而0.05這個內定值也並沒有足夠依據。美國統計協會也在2016年特別聲明，正式提醒學術界切勿過度依賴P-value。

因此，Goodman提出「信賴指標」的概念，應從各方面完整地統計出對實驗結論的信心。其計算中應包含過去研究結果、學者的經驗判斷及實驗限制等多方面因素，並結合貝氏統計法，真正統計實驗結論為真的機率。

P-value的敝病 

現在學術界對於P-value的依賴非常大，所有論文要發表都要P<0.05。因此，往往學者們會受壓力去操作數據，想盡辦法讓P<0.05。這種作法本末倒置，反而讓發表的原始數據失真，是科學界一大弊病。

再現性危機當前，「信賴指標」的應用能解決各方面的弊病：能更全面、完整地呈現結果，並預防投機取巧的P-value操作。