[论文解读] Some discussions on the Read Paper "Beyond subjective and objective in statistics" by A. Gelman and C. Hennig

Gilles Celeux, Jack Jewson+3 more|arXiv (Cornell University)|May 10, 2017

Advanced Statistical Methods and Models参考文献 4被引用 3

一句话总结

本文批判性地审视了统计实践中主观性与客观性的争论，认为统计推断本质上涉及建模、先验分布和调参参数等方面的主观选择。文章主张对所有此类选择——无论是有意识的还是隐含的——提高透明度，以增强可重现性、模型意识和认识论严谨性，同时挑战统计方法中客观性的幻觉。

ABSTRACT

This note is a collection of several discussions of the paper "Beyond subjective and objective in statistics", read by A. Gelman and C. Hennig to the Royal Statistical Society on April 12, 2017, and to appear in the Journal of the Royal Statistical Society, Series A.

研究动机与目标

• 挑战主观与客观统计之间的根深蒂固二元对立，认为其过度简化了统计实践的复杂性。
• 通过明确记录所有操作依赖的选择，包括先验分布、模型假设和调参参数，推动统计方法的透明化。
• 指出当前统计框架（尤其是频率学派与贝叶斯学派）在被简化为渐近分析或最大熵先验等狭义解释时的局限性。
• 解决统计实践中的认识论鸿沟，即假设常被隐藏或未被承认，从而损害可重现性和批判性评估。
• 倡导一种以模型意识为核心、基于批判理性主义的统计方法，将模型视为可证伪且可修订的，而非绝对真理。

提出的方法

• 批判性分析统计推断的基础假设，特别是对随机性和概率生成模型的依赖。
• 考察建模选择、先验设定和参数调优中的主观选择作用，主张这些选择不可避免，且应明确披露。
• 提出从虚假的‘主观 vs. 客观’二元对立转向强调透明度、可重复性和模型意识的框架。
• 引入统计分析中的‘分岔路径’（forking paths）概念，即建模过程中多重决策导致结论分道扬镳。
• 主张在出版物中包含代码和数据共享，以使所有方法选择可被审查。
• 借鉴批判理性主义（波普尔证伪主义）的视角，将统计模型视为需被检验和更新的假设，而非固定不变的真理。

实验结果

研究问题

• RQ1 如何改革统计实践，使所有主观选择——显性和隐性——均透明且可问责？
• RQ2 统计中客观性幻觉在多大程度上源于未被承认的模型假设和调参参数？
• RQ3 为何传统上主观与客观统计的区分在认识论上存在缺陷，且在现实应用中无益？
• RQ4 统计方法在多大程度上能更好地适应模型不确定性，特别是在非实验或M-开放环境下的现实？
• RQ5 软件工具和默认设置在延续错误但广泛使用的统计实践方面扮演何种角色？

主要发现

• 由于不可避免的建模设定、先验选择和调参参数选择，统计推断本质上具有主观性，即使在频率学派和贝叶斯学派框架下亦然。
• 数据随机性假设在哲学上脆弱且常不可验证，从而动摇了概率建模的基础。
• 许多统计方法，尤其是机器学习和非参数统计中的方法，并非本质上更客观，尽管其被认为具有中立性。
• 当前的统计生态系统通过用户友好的软件鼓励‘点即用’的分析方式，掩盖了底层假设，助长了客观性的错觉。
• 尽管提议强制记录所有方法选择（包括代码和数据），但因从业者和期刊采纳率低，仍面临实际障碍。
• 一种基于批判性、证伪主义的建模方法——将模型视为可被检验和更新的假设——相较于传统二元对立，提供了更具说服力的认识论基础。