辅助统计科学的语义与认知工具：以兼容性与意外量取代置信与显著性

研究者常误解和误表统计输出。这种滥用催生了大量关于以置信区间、贝叶斯因子及其他手段修正或替换检验阈值与 $P$ 值的文献。由于核心问题看似是认知性的而非统计性的，我们回顾了统计解释的简易辅助工具。这些辅助工具强调逻辑与信息概念而非概率，因而可能比传统描述对常见误解更为稳健。我们使用 $P$ 值 $p$ 的香农变换，亦称二元意外量或 $S$ 值 $s=-\log_{2}(p)$，来度量检验程序所提供的信息，并借助抛硬币等简单物理实验来校准直觉。我们还使用备择假设的检验统计量表格或图形，以及不同百分位水平的区间估计，以遏制由任意二分法产生的谬误。最后，我们以无条件方式重释 $P$ 值与区间估计，其描述数据与分析假设全集的兼容性。我们以一项既有基于记录的队列研究数据的再分析说明了这些方法。与其他近期建议一致，我们主张教学材料与研究报告应将 $P$ 值作为兼容性而非显著性的度量来讨论，在为零假设计算 $P$ 值时亦为备择假设计算 $P$ 值，并将区间估计解释为展示与数据高兼容的值而非置信区域。我们的建议强调用于展示观测数据与各相关假设兼容性的认知手段，而非聚焦于单一假设检验或区间估计。我们相信这些简易改革颇值得其所需的些微努力。