科学研究的艺术

W.I.B.贝弗里奇 著

陈捷 译

W.I.B.Beveridge

THE ART OF SCIENTIFIC INVESTIGATION

William Heinemann Ltd. London, 1961

威廉•伊恩•比尔德莫尔（William Ian Beardmore，WIB）贝弗里奇是澳大利亚动物病理学家，也是剑桥大学动物病理学研究所所长。他于1908年4月23日出生在澳大利亚新南威尔士州朱尼市，并于2006年8月14日去世。他是1957年的《科学研究的艺术》和1977年的《上一次大瘟疫》的作者

第二章 实验

实验有两个目的，彼此往往互不相干：观察迄今未知或未加释明的新事实；以及判断为某一理论提出的假说是否符合大量可观察到的事实。 ——睿内・杜博斯（杜博斯（René Jules Dubos 1901一1982），法国血统的美国微生物学家和病理学家。―译者）

实验的部署与估价

生物统计学，即把数理统计的方法应用于生物学，是一门比较新的学科。它对研究工作的重要性直到最近才得到普遍的承认。第一章已经提到了有关这个学科的著作，这里我不想多说，只想提请读者注意几个普遍性的规律，并强调指出研究人员要至少懂得这些一般原理的必要性。对统计方法略知一二，对于涉及到数值的任何形式实验性或观察性研究都是必不可少的；而对有一个以上变量的复杂实验，则更是如此。

首先，初做研究工作的人必须懂得：在实验部署阶段就必须考虑到统计学。否则，实验的结果可能没有进行统计学上处理的价值。因而，生物统计学不仅涉及实验结果的解释，而且也用于实验的部署。人们通常认为：除纯粹的统计方法外，生物统计学还包括把这些方法应用于实验时所涉及到的各种更为广泛的问题，诸如实验设计的一般原则以及有关的逻辑性问题等。费歇尔爵士对生物统计学方法的发展作出了很大贡献。他的著作《实验的设计》一书就讨论了这些问题。

选择对照组和试验组时，首先要顾及逻辑和常识。举例说，人们通常犯这样的错误：加以比较的各组不在同一时间，即把今年获得的资料同前几年获得的资料加以比较。这样获得的证据，虽然可以作出一些有益的启示，但是决不可能证明什么结果。“你手拿小桶把海水淘，如果赶上落海潮，你和月亮都有大功劳。”

在生物学研究中，可能有许多意想不到的因素，影响着处在不同时间、不同地点的群体。在考虑了一般因素以後，应用统计方法决定必需的组群的大小，根据重量、年龄等等选择动物。并且，在考虑到这些因素的同时，将动物分入各组，而不失随意选择样品的原则。

由于生物固有的变异性，从来没有两个动物组或植物组是完全相似的。即使费尽苦心保证两组中所有的个体在性别、年龄、体重及品种等各方面近于相同，总还是会有一些由迄今尚不能认识的因素所造成的差异。必须认识到，获得完全相似的组群是不可能的。对付这一困淮的方法是：估计到这种变异性，并在评定实验结果时加以考虑。在合理的范围内，最好为实验选择彼此差异很小的动物，但也不必千方百计去做到这一点。这个做法的目的是增加实验的敏感性。但亦可用增加组群中个体数量等其它方法来达到这一目的。在一定情况下，可用数学技巧来校正个体或组群之间的差异。

解决实验用动物差异问题的另一个方法是“配对”，即把彼此酷似的动物一一分对（如用一对孪生子或同胎动物)o把每一动物与其“对偶加以比较，即可获得一系列的实验结果。采用一胎双生的动物，在数量上常常是非常经济的，当实验对象是购买价格与饲养费用高昂的动物时，这一点就很重要。新西兰进行的乳脂产量实验表明：每对同胎双生母牛提供的资料不少于各包活五十五头的两组母牛所提供的资料。在生长率实验方面，同胎双生的小牛比普通小牛的用处要大二十五倍。

在第一次试验某种实验步骤时，常常很难事先估计需要多少动物以保证得到明确的结果。在使用价格昂贵动物的情况下，可先用少量动物进行试验，然後重复这个试验，直至累积的结果足以满足统计要求。这种做法也许比较经济。

统计学的一个基本概念是：被观察的组群中的个体，是一个无限大的、假想的群体中的一个样品。我们现在有专门的方法能随意抽取样品，并能估计样品必须的大小使其足以代表整体。所要求的样品数量取决于物质的变异性，并取决于实验结果所能容许的误差大小，即所要求的精确度。

费歇尔认为：从前，过分强调了实验时一次只能变化一个因素的重要性。他指出：部署实验时，同时检测几个变数是有显著好处的。采用适当的数学方法，能使一个实验包括几个变数。这种做法不仅能够节省时间和精力，而且比分开处理每个变数能够提供更多的资料。之所以如此，是由于每个因素都从不同情况的角度受到考察，而且可以观测到各因素间的任何相互作用。实验上孤立地处理单一因素的传统方法，常常意味着对该因素的限定有些主观武断，并且是在受到限制、过于简化的条件下进行试验。但是，动物实验却不如植物实验那样常用复杂的、多因素的实验方法，虽然在做几种不同成分饲料组合的喂养试验时，采用这种方法很有好处。

当然，同任何其它研究技巧一样，统计学有其有用之处，也有它的局限性。因此，必须认识它在研究工作中恰当的地位和作用。其价值主要在于对假说的检验，而不在着手于新发现。新发现的作出可能是由于考虑了最细微的暗示，不同组群之间统计数字上最细小的差异，从而想到有可深入研究的东西；而统计学则往往关系到事先精心安排实验，用以检验一个已经形成的观念。此外，研究人员决不能为了给统计分析提供足够的数据，而在准确地观测以及细致地处理实验细节方面有所牺牲。

有一点是人们容易忘记的：在解释实验结果的时侯，要用到常识，而利用统计学并不会减少这样做的必要性。在处理两组间存在显著差异的现场实验数据时，特别容易产生谬误。差异并不一定是由被考察的因素所造成，因为可能存在某种其它变数，其影响及重要程度还未被人认识。这不仅是学术上的可能性，预防结核病、普通感冒和牛乳腺炎的许多接种实验中出现的混乱，都可作为例证说明这一点。在接种疫苗的同时，常伴随有良好的保健措施和其它条件，这些都可能影响实验的结果。从统计中可以看出：吸烟者的平均寿命不如非吸烟者的平均寿命长，不过，这并不一定说明吸烟就会缩短寿命。因为不吸烟的人可能在别的一些更重要的方面更加注意自己的健康。在精心设计的实验中，由于最初是随意抽取样品的，因而保证了组群间能正确比较，这时，这样的谬误就不会产生。

统计学家对于供他分析的数据，在可靠性和准确度方面，容易估计过高。如果他同时又不是一个生物学家的话，尤其如此。所以，实验人员应该声明，测量仅仅是进行到厘米、克或其它某个单位的量级。统计学家能有一些生物实验方面的亲身体验是对他有帮助的。而且，统计学家应该充分熟悉他所协同的实验的各个方面。统计学家和生物学家之间的密切合作常使他们能够运用受过教育的人所具有的常识，而不致陷入一大堆艰深的数学之中。

有时，由于著者将其实验结果仅作为平均数提出，而致使科学报告受到损害。平均数往往提供不了多少资料，而且可能给人以错误的印象。应该给出出现次数的分布，并且，与个体有关的数字常常有助于形成一幅完整的画面。图解有时也给人以错误印象，绘制图解所依据的数据须加以批判地审查。如果图解上标绘的点不够密集，也就是说观测的次数不够频繁，那么，用直线或曲线把这些标绘点连结起来有时是缺乏根据的。这些线段也许并不代表真实位置，因为我们不知道两点之间究竟出现了什么情况，例如，很可能出现了意想不到的上升或下降。