每天一个学术 Skill ｜第 4 组 · 第 06 篇 / 共 8 篇

你会 t 检验，但不知道什么时候不该用

数据分析 data-analysis ｜检验选错，结论就废

两组数一跑，p<0.05，写进论文。审稿人问：样本独立吗？做过正态性检验吗？你回去看——两组是同一批人测了两次。

栏目背景

这是「每天一个学术 Skill」第 4 组的第 6 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。这组按实验推进的顺序排：设计 → 代码 → 调试 → 执行 → 日志 → 统计 → 数据声明 → 出图。

这个 Skill 是什么

Skill	data-analysis 　数据分析
来源	lingzhi227 / agent-research-skills
分类	数据 · 统计
谁用得上	会跑检验、但不确定该用哪个的研究生
一句话	先确认数据结构再选检验，跑完带 4 轮代码评审，专查检验选择与多重比较

这四种都不会让代码报错，还都能跑出一个「显著」的结果。它们只在两个地方暴露：审稿意见，或者别人重复你的实验时。

data-analysis 的流程是先确认数据结构——独立还是配对、几组、样本量、分布形态——再选检验，然后才跑。跑完还有 4 轮代码评审，专门查上面这四类错。

多数人是反的：先跑出一个 p 值，再想怎么解释它。这个顺序一旦形成，你实际上是在让数据挑结论。

1. 一个观测单位是什么　一个人、一次实验、一个样本？单位搞错，样本量全错，自由度全错。

2. 组间是独立还是配对　同一批对象测两次就是配对。这一条错得最多，也最容易查。

3. 一共做了几次比较　报了几个 p 值，就要说明怎么校正。不写，等于默认没校正。

现在　p=0.08，换个检验方式降到 0.03，然后写「显著」。这在方法上叫 p-hacking，有经验的审稿人看样本量就能猜出来。

之后　检验方式在看数据之前定死，写进方法节。p=0.08 就报 0.08，配效应量和置信区间——审稿人接受「不显著」，不接受「换着方法试出来的显著」。

能做什么	按数据结构选检验、跑完整流程、做多重比较校正、查统计报告的一致性
不做什么	不替你解释结果的意义
做不了什么	不懂你领域的特殊设计（重复测量、嵌套数据、生存分析），这些要专门指定
要自己核什么	检验方式必须在看结果前定下来。事后换检验，结论作废

统计的诚实不在算得对不对，在检验是不是在看数据之前就定下来的。

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