[论文解读] Beyond subjective and objective in statistics

Andrew Gelman, Christian Hennig|arXiv (Cornell University)|Aug 22, 2015

Philosophy and History of Science参考文献 47被引用 4

一句话总结

该论文挑战了统计学中'主观'与'客观'的二元对立框架，主张以更广泛、非对立的属性取而代之：透明性、共识性、公正性、与现实的对应性（用于客观性），以及对多重视角和情境依赖性的认知（用于主观性）。这一转变使得对统计方法的评价能够实现互补与建设性，而非陷入规范性争论。

ABSTRACT

We argue that the words "objectivity" and "subjectivity" in statistics discourse are used in a mostly unhelpful way, and we propose to replace each of them with broader collections of attributes, with objectivity replaced by transparency, consensus, impartiality, and correspondence to observable reality, and subjectivity replaced by awareness of multiple perspectives and context dependence. The advantage of these reformulations is that the replacement terms do not oppose each other. Instead of debating over whether a given statistical method is subjective or objective (or normatively debating the relative merits of subjectivity and objectivity in statistical practice), we can recognize desirable attributes such as transparency and acknowledgment of multiple perspectives as complementary goals. We demonstrate the implications of our proposal with recent applied examples from pharmacology, election polling, and socioeconomic stratification.

研究动机与目标

• 批判统计话语中'主观'与'客观'之间无益的二元对立，这种对立常阻碍对方法论的建设性评估。
• 解决实际应用统计中普遍存在的问题：方法论选择常受非统计标准影响，却以带有污名的方式被贴上'主观'标签。
• 通过用互补且可操作的属性替代极化术语，推动一种更细致、更具建设性的统计方法评估框架。
• 展示该新框架如何在药物研究、选举民调和经济社会分析中提升透明度与可辩护性。
• 鼓励研究者公开承认并合理化其方法论决策，而非以'客观'之名掩盖，或以'主观'之名拒绝。

提出的方法

• 用四个核心属性替代'客观'与'主观'术语：透明性、共识性、公正性、与可观测现实的对应性。
• 用两个互补属性替代'主观性'：对多重视角的认知与情境依赖性。
• 将这些重新定义的属性作为评估统计方法的标准，实现对方法论选择的非对抗性评估。
• 将该框架应用于实际案例：药物研究中的分层模型、选举民调中的调查调整、经济社会分层中的聚类分析。
• 倡导对建模决策（如模型形式、先验分布和假设）进行明确辩护，通过透明化与对替代观点的对话。
• 强调所有统计方法均依赖于假设，目标并非消除主观性，而是使其可见且可辩护。

实验结果

研究问题

• RQ1 如何改革统计学中传统的'主观 vs. 客观'二元对立，以支持更具建设性的方法论对话？
• RQ2 哪些属性可以替代'客观性'与'主观性'，以实现互补评估而非对立？
• RQ3 在应用统计中，如模型形式、先验分布和数据处理等方法论选择，如何通过明确辩护与透明化获益？
• RQ4 情境依赖性与多重视角在何种方式下增强而非削弱统计推断的可信度？
• RQ5 如何通过承认所有方法均涉及假设与选择，而非假装其完全'客观'，来改进统计实践？

主要发现

• 术语'客观'与'主观'在统计话语中无益，因其暗示对立，抑制了关于方法论选择的建设性对话。
• 以透明性、共识性、公正性与与可观测现实的对应性替代'客观'，可实现更可辩护、更稳健的统计实践。
• 将'主观性'重构为对多重视角与情境依赖性的认知，有助于方法论多元主义与更优的科学沟通。
• 该框架通过鼓励对建模决策（如先验选择与模型形式）进行明确辩护，提升应用研究的透明度与可辩护性，且其论证过程可被核查。
• 许多高影响力出版物未能满足透明性与辩护性的要求，表明统计报告与评估亟需系统性改革。
• 该框架使研究者能够不再将方法视为'主观'或'客观'，而是评估其透明度、共识度与情境适宜性的高低，从而促进更优的科学共识。