統計與你

王新台

統計在生物醫學研究上的應用，乃是由收集有限樣本的資料，用「機率理論」做基礎，推估研究現象所傳達的訊息。推估的結果是否接近事實，取決於三大要素：（一）研究設計是否恰當？（二）樣本數大小是否足夠？及（三）統計分析方法是否適當？一般非統計專業者在應用統計方法上所欠缺的知識主要在於（三），而需要統計學者幫忙。但是根據我個人多年合作的經驗，真正造成許多研究統計推論上之困難，多半是由於研究者未能針對問題提出恰當的研究設計。譬如說在斷面性研究中，如要回答某變項與年齡之間的關係，將會因為無法區分出世代和年齡各別的效應，而造成推論上的困難。在這種情況下，即使再好的統計方法，也無法呈現正確的信息。針對這一點，我強烈建議在研究初期階段，應找統計學者或其它受過嚴格方法學訓練學者討論。而不是等到研究完成，才請他們打撈資料所傳遞的迅息。不管臨床或者是基礎的研究，除了要有好的點子之外，是否有高品質的研究設計，將決定學術論文是否為一流期刊所接受。

樣本數不足在臨床及基礎研究上是常常碰到很實際的問題，其原因可能是資料取得不易或者是受限於經費及時間。從統計的觀點，樣本數不足會造成統計推論不確定性增加（P值＞0.05）。如果所研究現象本身變異性(variance)不大，樣本數雖少，仍可做適度地推論。在動物實驗方面，樣本數通常不大，而且並非每個現象的變異性都很小，因此由有限樣本所做之推論，並非都能採信。但是如果某種趨勢甚為明顯，則研究者不可因統計分析結果未達統計顯著意義而因噎廢食，應注意結果在專業上的實質意義。另一方面，如果因為樣本數很大而達到統計上之意義，研究者也應審慎檢視結果是否有專業上的實質意義。我要強調的是統計顯著意義和專業上的實質意義應共同考量，才不致造成過度或者是不足的解釋資料中所傳遞的訊息。

一般在選擇統計模型上常犯的錯誤有二個：（一）統計分析方法不符合實驗設計；（二）統計分析方法不適合資料的型態（常見的是分類型，序列型及連續型），譬如實驗設計中有配對，但分析時卻忽略。又譬如所收集資料是序列型，但分析時把他當連續型資料處理，這些都會造成錯誤的推估。

統計學者從研究的開始到文章的發表，應被視為合作中重要的成員，為增進研究的品質而共同努力。統計學者同時亦可從合作中找尋新的統計問題，擴展專業的進步。可說是雙贏的局面。過去在專業領域拓展方面的努力明顯得不足，為此公共衛生研究所正積極籌設方法學研究中心。除了量性的方法學，我們亦將強調質性的方法學的研究。我懷著感恩的心，能與院內的同仁共同的成長。期待進入二十一世紀，我們能更上一層樓，為自己及成大醫學院成長共同地努力。