如何让任何方法“失败”：BAMM 在虚假等价性袋鼠法庭上的遭遇

软件程序 BAMM 已被广泛用于研究系统发育树上物种形成、灭绝和表型进化的动态。该程序实现一种基于模型的聚类算法，以识别共享共同宏观进化速率动态的演化支并估计速率参数。Meyer 与 Wiens（M&W）发表于《Evolution》（2017）的一项模拟研究声称：（i）简单的（“MS”）多样化速率估计量远优于 BAMM；（ii）用 BAMM 推断的进化速率与生成模型中的真实速率弱相关。我证明，他们的评估存在两个主要概念错误，使两项主要结论均不成立。这些统计考量并非 BAMM 所特有，而适用于所有从经验数据估计参数、且数据真实分组结构未知的方法。首先，M&W 对 BAMM 与 MS 估计量的比较存在虚假等价性，因为 MS 估计量被赋予了模拟系统发育树上速率转移位置的完美先验知识；BAMM 未获此信息，必须从数据同时估计速率转移的数量与位置，从而使 MS 估计量获得巨大的自由度优势。当两法获等价信息时，BAMM 远优于 MS 估计量。其次，M&W 的实验设计无法评估参数可靠性，因为其分析将处理组间的小效应量与参数估计误差混为一谈。几乎所有用于数据划分的基于模型的框架都易受 M&W 中的统计错误影响，包括群体遗传学、系统发育学和比较方法中流行的聚类算法。