玩转数据而不要玩弄数据.docVIP

玩转数据而不要玩弄数据 　　记得在上大学时，一位给我们讲授心理学研究方法的老师曾经说过：“学习统计就像是往沙漠里面浇水”。时至今日，我仿佛依然能够感受到当时这句话在我心中引起的那种强烈共鸣。没错，我在统计学习上没少下工夫，但却收效甚微。花了很多时间去区分那些看上去长得很像的术语，试着努力地记住每一个公式的适用范围，几乎是怀着毕恭毕敬的心情去演算练习题……但是，在这门课程结束不久之后，我发现自己对各种统计方法的认识还是非常模糊。直到开始撰写毕业设计论文的时候，我还是对数据统计存在畏惧感。在完成论文的过程中，我对老师的话有了新的理解：如果沙漠里面存在一片绿洲，浇进去的水就会蒸发得慢一些，研究项目就是沙漠中的绿洲。 学生进行STEM项目研究的过程，是学习像科学家和工程师那样思考和行动的过程。只有通过基本的统计方法对数据进行整理和分析，才能有足够的证据解释和说明研究的问题，验证假设是否得到支持，以及围绕某一个课题进行深入细致的探讨。从某种程度上看，数据统计可以算是科学研究中用于交流的“通用语言”，因此，学习和运用数据统计方法，属于科学研究中的基本方法训练。最近，在我翻译《STEM项目学生研究手册》（以下简称《研究手册》）的相关章节时，其中的数据分析和图表展示方法介绍，给我的“沙漠”再次浇了一点水。也许是将高中生作为阅读对象的缘故，这本《研究手册》用浅显易懂的句子解释了统计学中的专业术语，跳过了枯燥公式演绎推导环节，用实例告诉学生各种方法所适用的情况，有什么需要注意的问题。本书作者的撰文思路和语言风格，让我直观地看到数据统计和图表展示在STEM项目完成过程中的关键性作用。而且，如果运用得当的话，它们还会使学生的项目变得更加出色。 我有一位朋友在大学里当老师，他最近几年一直在指导学生的毕业论文。当我向他咨询学生在研究过程中数据统计方面出现的问题时，他很激动地表示“有话说”，并很快给我列出了他指导的学生中最常见的几个问题。当我再次仔细阅读《研究手册》的相关章节时，我发现，这些常常出现在大学生的研究中的数据统计问题，在这本针对高中生的项目指南中就已经提到了，并且给出了有效的解决建议。 问题1：学生对研究结果预测的主观愿望过于强烈，在进行统计分析时，他们更喜欢那些符合自己预期的数据，而对那些看上去不太“美观”的数据结果采取选择性地忽略，甚至非常草率地删除或者舍弃掉。 《研究手册》在实验记录和数据分析章节中反复强调：不要先人为主地看待你的研究和数据结果。书中还提到一些很实用的操作方法来避免这个问题。例如，永远不要在实验记录本中撕页或者删除文本；永远不要用修正液覆盖错误和修改的地方，而是在相应部分轻轻划一道删除线。当使用电脑进行统计计算时，即使发现数据运算结果对于你的假设没有显著作用，也不要轻易删除数据。 问题2：在统计学课堂上，学生常把大量的时间花在对统计的原理和公式推导的学习上，对数据进行实际操作计算的经验相对较少。当我问学生关于平均数差异检验、方差分析、回归分析的原理，大多数人都能回答上来。然而，当我要求他们针对一些具体数据，根据自己的研究假设去进行方差分析或者回归分析时，用不了多久，他们就会跑回来问我：“老师，方差分析中的自变量可以有多个吗？回归分析中的自变量可以同时有多个吗？” 正如我在前面提到的那样，这本《研究手册》指导我们有效地避免这个问题，因为它在写法上更侧重于技能的实际运用。例如在计算一组数据的标准差时，有总体标准差和样本标准差两种方程，书中并没有从原理上详细剖析两个方程的区别，只是简单直接地告诉读者：“标准差是一个高估值，来弥补犯错误的可能性，STEM研究中使用样本标准差计算方程更恰当” （第103页）。对于比较复杂的推断性统计问题，《研究手册》也是采用举重若轻的介绍方法。学生不是很难理解方差分析中自变量可以有多少个吗？该书作者给了一个中学生很容易读懂的例子：“在比较一个弹射器以3种不同弹力发射1颗4千克弹丸的平均距离时，可以用方差分析进行检验。”（第134页） 问题3：大多数学生在原始数据的处理方面存在欠缺。开始正式的数据统计之前，研究者通常需要对原始数据进行处理，例如，缺失数据的处理，是否有特异值，是否存在录入错误，数据是否呈正态分布等。我发现大多数学生认为这个环节可有可无，当他们收集到实验的原始数据之后，就兴致勃勃地开始进行描述统计和推断统计。这时我就会问他们一个问题：你怎么判断原始数据是否满足正态分布？如果数据不是正态分布，做出来的方差分析会有什么后果？到这个时候，大多数学生才恍然大悟。但是，紧接着他们可能会说出一句更雷人的话：“老师，我们不知道怎么做正态分布检验。” 遇到这样的学生应该怎么办？《研究手册》的作者可能已经与这样的学生打过交道，因为书中“描述统计”一章详