每天一个学术 Skill ｜第 2 组 · 第 05 篇 / 共 8 篇

审稿人问「样本量怎么定的」，答不上来就完了

统计审查 nature-statistics ｜ p 值不是结论，样本量要能解释

审稿意见第二条：「请说明样本量的确定依据，并报告效应量与置信区间。」你盯着屏幕，想起当初是「能收多少收多少」。

栏目背景

这是「每天一个学术 Skill」第 2 组的第 5 篇，共 8 篇。源头是 GitHub 上 281 个学术科研 Skill 里挑出来的——完整名单见这篇。这组按投稿流程排：选题 → 综述 → 引言 → 正文 → 统计 → 自审 → 返修 → 排版。

这个 Skill 是什么

Skill	nature-statistics 　统计报告审查
来源	Yuan1z0825 / nature-skills
分类	统计 · 报告
谁用得上	要投临床/社科/生医类期刊的人
一句话	从方法与结果段落里提统计声明，逐项对照报告规范，查「写全了没有」

p 值回答的是「假如真的没差异，出现我这组数据的概率有多大」，它不回答「差异有多大」，也不回答「能不能推广到别人身上」。

两个后果很实际：大样本下，一个毫无意义的微小差异也能显著；小样本下，一个真实存在的差异也可能不显著。所以只报 p 值的论文，审稿人没法判断你的结论有多硬。

nature-statistics 从方法与结果段落里把统计声明一条条提出来，对照报告规范核：检验选择是否匹配设计（独立样本还是配对、有没有重复测量）、有没有报效应量与区间、多重比较有没有校正、图和表里的数字和正文是否一致。

它查的是「写全了没有」，不判「结论对不对」——后者需要领域知识，而前者恰恰是退修意见里出现频率最高的一类。

1. 设计是什么　独立组、配对、还是重复测量？这决定能用哪种检验，很多人第一步就选错。

2. 每组 N 是多少　还要写清有没有掉样本、掉了几个、为什么掉。

3. 报了效应量和区间吗　没有的话，补上。这一步能让「不显著」也变成一个可解释的结果。

4. 做了几次比较　比较次数一多，显著就有可能是撞出来的，得校正。

统计部分最容易被退修，不是算错，是没写全。写全的成本很低，被问一次的成本很高。

这一组共 8 篇

顺带说一句，本号长期维护四个可以直接用的数据库和一份全国人才政策汇总，在读研究生、博士和青椒可能更常用——

① 学术会议日历：按学科查未来 3 个月征稿，只保留未截止、信源可溯的。点击查看，关注公号，点击菜单「学术日历」、后台回复「学术会议」。

② 学术招聘日历：博士、博士后、教职岗位，按截止日期排，每天更新。关注公号，点击菜单「招聘」或后台回复「招聘」。

③ 学术工具推荐：文献调研、文献管理、AI 阅读、投稿选刊、绘图查重，逐个实测。关注公号，点击菜单「学术工具」或后台回复「工具」。

④ 科研项目库：国家自然科学基金、国家社科基金、教育部及各省项目申报指南与截止节点，按申报时间排序，持续更新。关注公号，点击菜单「科研项目申报」或后台回复「项目申报」。

⑤ 人才政策：关注账号，点击菜单栏「人才政策」可以查看全国各地人才政策全貌，按省份、地市、城区三级整理，覆盖本科到博士各学历的补贴标准与申领条件。

⑥ 人生必读书单：本科到博士都能用的一张书单，按认知顺序排，一期 5 本，持续更新。点击查看

更多内容，也请关注我的公众号：大学圈内事儿