优化的统计数据

我2018年初，伦敦大学学院(University College London)的官员震惊地获悉，过去四年里，该学院曾举办过由“种族科学家”和新纳粹分子组织的名为“伦敦情报会议”(London Conference on Intelligence)的会议。

会议的存在令人惊讶，但位置的选择不是。UCL是20世纪初的优雅运动的震中 - 纳粹“种族卫生”计划的前身 - 由于其与佛罗里达州的弗朗西斯·伽利尔顿，以及他的知识后代和珍珠氏士卡尔佩森和罗纳德·费舍尔的关系。为了回应抗议会议，UCL宣布今年6月，它从建筑物和教室里剥夺了Galton和Pearson的名字。在尤金学的类似概念之后，统计社会总统委员会更名为其年度费舍尔讲座，以及对进化学会的社会对其Fisher奖进行了相同的作用。在科学上，这相当于把联邦的雕像推倒并扔进海里。

与拆除美国南方的白色至上的纪念碑不同，纯粹的优化主义者鬼魂的统计数据不是直截了当的主张。在这个版本中，它就好像Stonewall Jackson开发了量子物理学。我们现在理解的统计数据很大程度上来自Galton，Pearson和Fisher的工作，其名称出现在面包和黄油术语中，如“Pearson相关系数”和“Fisher信息”。特别是，“统计学意义”的“统计意义”的概念，几十年的衡量标准是值得公布的，可以直接追溯到三重奏。

理想情况下，统计学家希望从创建它们的人们的生活和时间离婚这些工具。如果在历史之外存在统计数据，这将是方便的，但情况并非如此。统计数据，作为科学家调查真实世界问题的镜头，一直被举着镜头的人的指纹弄脏。事实上，统计思维和优化主义者思维是深入交织的，以及许多与重要性测试类似的理论问题 - 首先开发出识别种族差异 - 是其原始目的的残余，以支持优异症。

这与意义测试的方法和发明人的声誉同时摇摇欲坠是毫无巧合的。与他们旁边的崩溃是统计的形象作为一个完全客观的纪律，三名优化家的另一个遗产。Galton，Pearson和Fisher不只是将新工具添加到工具箱。他们在社会政治议程中，他们将统计名家成立为权威人物，他们声称是自然公正的数字裁判，因为统计分析只是无偏的数字嘎吱作响。但是，即使在自己的工作中，他们也透露了始终是氛围的氛围。在今天的统计数据中发生的各种动荡 - 方法论和象征性 - 应该被正确理解为更大的故事的部分，重新​​训练学科和目的的起源。建筑物和讲座是我们可以看到的优化学的纪念碑。较少可见的是统计统计本身的语言，逻辑和哲学。

统计先驱弗朗西斯·高尔顿称非洲人为“花言巧语的野蛮人”

来自希腊语的珍珠学“出生”是Galton的Braindhild，这是一个来自一个着名英国家庭的维多利亚女王时代的绅士科学家。由于他的半表堂查尔斯达尔文，Galton早期采用了进化理论，特别兴趣将其应用于人类。他假设成功人民的特点来自大自然而不是培育（他创造的一句话），因此遗传，因此国家应该鼓励精英的繁殖，同时繁殖那些“顽固，虚弱，惯常刑事犯罪，潜潜藏“沮丧。通过选择性，喜欢选择马匹或牛的最佳特征，他认为我们可以重塑人类物种并创造“天才的星系”。

在他1869年的书中世袭的天才在美国，他统计了各行各业也有名人亲戚的名人，以估计在家族中有多大的天赋。但这些计算也朝着可以预见的种族主义方向发展。在《不同种族的比较价值》(The Comparative Worth of Different Races)一章中，他评价说，“黑人种族的平均智力水平比我们低两个等级”，他认为这是遗传造成的。高尔顿经常表达对非洲人的厌恶，他在一封信中称非洲人是“懒惰的、夸夸其谈的野蛮人”《纽约时报》倡导非洲的海岸被赋予中国殖民者，使他们可能会“取代劣质黑人比赛”。

在统计学的世界里，高尔顿被认为是回归和相关的基本思想的发明者，这些基本思想是测量一个变量预测另一个变量的程度的相关方法。他还推广了一个概念，即智力等人类能力的传播往往遵循正态分布或钟形曲线(这个概念在1994年的那本书中最为突出)钟形曲线）。

高尔顿的种族排名是基于这种分布，这种分布在应用统计学中只是最近才流行起来。从19世纪初开始，理论上就知道，当大量独立的小增量相加时，总和将遵循钟形曲线。举例来说,如果一群人都站在一起,每一个抛硬币决定向前或向后一步,之后大量投硬币的头寸将分布式的钟形曲线,主要向中间聚集一些极端。起初，科学家们将此应用于天文学和大地测量学，即研究地球形状的学科，假设他们的测量误差是大量微小独立缺陷的总和，因此应该遵循正态分布。在19世纪40年代，比利时社会学家阿道夫·奎特莱在人们的身高和胸围分布中发现了这种形状，这让他带着诗意的天赋，把人们想象成一个共同理想的偏离，即“普通人”。通过消除这些误差，人们可以了解这个普通人的真实本性，比如通过几次观察就能准确估计木星的位置。

在科学上，这相当于把联邦的雕像推倒并扔进海里。

然而，一个关键的假设是，所有个体的增量概率是相同的。在我们的例子中，如果一半的人使用公平硬币，另一半人使用有60%机会得到正面的不对称硬币，最终这一组人将分成“双峰”分布，两组人对应于两种平均数。而不是一个“普通男人”，实际上可能是两个。Quetelet明白这种可能性，并煞费苦心地将他的数据分组进行分析，这些分组可以被认为是足够相似的。

奎特莱对正常曲线的研究对高尔顿产生了深远的影响，因为它提供了一个量表，可以在每个可以想象的类别中给人们打分。然而，当高尔顿自己使用这条曲线时，他预测它将永远适用于“同一种族的人”。(只按种族分组的想法有过先例;19世纪60年代，法国科学家路易斯-阿道夫·贝迪永(Louis-Adolphe Bertillon)和古斯塔夫·拉尼奥(Gustave Lagneau)在杜布斯地区发现了他们认为的士兵身高的双峰分布，并以此作为人口包含两个不同种族的证据。)因此，高尔顿设想了一个钟形曲线适用于欧洲白人，一个适用于非洲人，一个适用于亚洲人，等等。将曲线相互比较就能看出种族差异有多明显。

像高尔顿这样的种族主义态度在殖民主义鼎盛时期的英国贵族中并不少见，但高尔顿给了他们科学依据。按照维多利亚时代博物学家的传统，他拥有世界旅行家的权威，就像他同父异母的堂兄在小猎犬号上一样。他对那些被认为不如英国白人的人的评价，是将这些观念奉为常识、为亚洲、非洲和美洲不可估量的殖民暴力合理化的重要一步。

与此同时，在Galton的一天中对珍珠学的支持稀疏。靠近他的生命结束，Galton讲课了“概率，珍珠学的基础”。哀叹公众尚未在优化学中尚未来 - 特别是人们仍然结婚“几乎任何人”而不考虑他们对卓越的育种的潜力 - 他预测的公众舆论将被摇曳“当应收集证据的充分性才能进行它依赖于所有人的真理。“当发生这种情况时，Galton预示着一场革命，说：“那么，而不是那时，将是一个适合宣布”耶和华“或对灾害的”耶和华“或缺乏损害我们比赛的身体和道德品质的偏见的一刻。”

Karl Pearson，数学先锋，赞美美国的屠杀“红人”

优生学运动中最伟大的勇士是卡尔·皮尔森(Karl Pearson)，他是当今公认的数理统计学科的创始人。皮尔森是一位学识渊博、多产的学者。从剑桥大学毕业后，他学习了物理、哲学、法律、文学、历史和政治学，后来成为伦敦大学学院的应用数学教授。在那里，他接触到了高尔顿的思想，两人多年来的合作卓有成效。皮尔森将优生学称为“人类有方向性和自我意识的进化”，他说高尔顿“以先知的热情”理解了这一点。

皮尔森有极端的、种族主义的政治观点，优生学提供了一种语言来为这些立场辩护。在1900年,他给了一个地址被称为“国民生活从科学的角度来看,“他说,”我及我认为这可能被称为国家的科学观点的一个有组织的整体,保持高音调的内部效率,确保其数字大幅招募从更好的股票…并通过竞争，主要是通过与低等种族的战争，来保持较高的外部效率皮尔森认为，种族间的冲突是不可避免的，也是可取的，因为它有助于淘汰劣种。正如他所说:“历史向我展示了一种，也是唯一的一种方式，一种高度文明的产生方式，即种族与种族的斗争，以及身体和精神更健康的种族的生存。”

皮尔森认为美国的殖民种族灭绝是一个伟大的胜利，因为“我们有一个伟大的民族，掌握多种艺术，并能……为普通的文明人做出很大的贡献"如果意识到这一点，有些人会批评这是不人道的，他写道科学语法人类团结的,“这是一个错误的观点,一个软弱的人道主义,而不是一个真正的人文主义,而遗憾,能力和坚定的白人种族应该取代一个皮肤黝黑的部落不能利用其土地对人类的全部好处,也贡献人类知识的普通股的配额。”

统计学家皮尔森拥有高尔顿所缺乏的数学技能，他为统计学领域增添了大量的理论严密性。1901年，皮尔森与高尔顿和生物学家拉斐尔·韦尔登一起创立了皮尔森生物统计学，几十年来，统计理论的首映出版物（今天仍然受到高度尊重），皮尔森作为编辑，直到1936年去世。

皮尔森试图解决的第一个理论问题之一与奎特莱和高尔顿所担心的双峰分布有关，这导致了显著性检验的原始例子。19世纪末，随着科学家开始收集更多的数据以更好地理解进化过程，这种分布开始更加频繁地出现。韦尔登收集的一些特别不寻常的蟹壳测量数据让皮尔森产生了一个疑问:究竟如何才能确定观测数据是否正态分布呢?

在皮尔逊之前，人们能做的最好的事情就是将结果组合成直方图，看看它是否看起来近似于钟形曲线。皮尔森的分析使他提出了现在著名的卡方检验，使用了一个名为Χ的测量方法²以表示实证结果与理论分布之间的“距离”。如果皮尔逊计算的概率是正确的，那么高的值(意味着大量偏差)就不太可能偶然发生。这就形成了我们现在所理解的意义测试的三个基本模板:

1.假设数据中的某种分布（例如，“所有个体都是相同的物种，因此它们的测量应该是通常分布的”）。今天，这将被称为“零假设”，一个站在反对更有趣的研究索赔中的稻草人，例如两个人群以某种方式具有重要的不同。

2.使用像Pearson的Χ这样的测试数据²测量实际观察来自该预测的距离。

3.决定观察到的偏差是否足以击倒秸秆男人，通过概率来衡量，现在称为“p-value的概率。通常,一个p-value小于5%被认为有足够的理由拒绝null假设，结果被认为是“统计上显著的”。在皮尔森的用法中，“significant”一词不一定具有重要性或重要性的内涵，而只是“意指”的形容词形式，意思是“指示的”。也就是说，如果实验结果表明一个假设在一定程度上是正确的，那么这个假设就是有意义的。

应用他的测试，皮尔森得出结论，几个数据集，像韦尔登的螃蟹测量，并不是真正正常的。然而，种族差异从一开始就是他的主要兴趣所在。皮尔森的统计工作与他对优生学的倡导密不可分。他的第一个例子是对5世纪到7世纪德国南部Reihengräber文化的坟墓进行的头骨测量。皮尔森认为，头骨分布的不对称表明存在两个种族。头骨的测量可以表明种族之间的差异，延伸到智力或性格的差异，这是优生学思想的公理。以一种看似科学的方式建立这种差异，是向种族优越论迈出的有力一步。

科学和科学家真的那么容易分离吗?

大约在同一时间，皮尔森描述了他识别非正态数据的方法，他写道，“不对称可能源于这样一个事实，即在被测量的材料中组合在一起的单位并不是真正均匀的，”他还描述了他的国家理论，为斗争而组织起来的国家必须是一个同质的整体，而不是上等和低等种族的混合。所以，“同质的”这个词，把统计数据和优生学联系起来，对皮尔森来说，有一个特别的含义，即种族纯洁的含义。数据的同质性以及它所表明的人的同质性不可避免地带有种族主义的意味。

在另一个典型的例子中，他在1904年发表了一项研究生物统计学这项研究使用了他发明的一种叫做“四色相关”的技术，在4000对兄弟姐妹中发现，眼睛颜色等遗传性状与“活泼”、“果断”和“自省”等心理品质的相关性大致相同。他的结论是，这意味着它们都是平等的遗传，我们“实际上是被迫的，得出一个普遍的结论……我们继承了父母的脾气、责任心、害羞和能力，就像我们继承了他们的身高、前臂和跨度一样。”他在结尾处对英国传统文化未能跟上美国和德国的步伐进行了全面的断言，并建议说，“情报可以得到帮助和训练，但任何培训或教育都不能创造情报。”你必须培养它，这是治国之道的广泛结果这源于人类精神和生理特征的平等继承"换句话说，他测量了两件事——兄弟姐妹的身体相似的频率和他们的性格相似的频率——并且发现这些测量结果大致相同，于是他得出结论，这些品质一定来源于相同的方式，由此他得出了戏剧性的优生学结论。

同年，高尔顿创立了优生学记录办公室，后来更名为高尔顿国家优生学实验室。在高尔顿实验室工作期间，皮尔森创办了另一份杂志，珍珠学(今天被称为人类遗传学年鉴)，在那里他可以更明确地阐述优生学的理由。第一个这样的论点出现在1925年新杂志的第一卷中，涉及犹太移民为了逃离东欧的大屠杀而涌入英国。皮尔森预测，如果这些移民继续涌入，他们将“发展成为寄生种族”。

统计学上的争论是一个双重打击:通过检查大量犹太移民儿童的各种身体特征，结合对他们家庭生活状况的调查和他们老师提供的智力评估，皮尔森声称，他们发现:(1)这些孩子(尤其是女孩)的平均智商低于他们的非犹太同龄人，(2)他们的智商与任何可以改善的环境因素(如健康、清洁或营养)没有显著相关。正如皮尔森得出的结论:“我们目前没有任何证据表明，没有选择的环境能够对智力产生任何直接和明智的影响;这篇论文的论点是，在一个人口稠密的国家里，应该只允许优等股票进入，而不允许劣等股票进入，因为他们希望——这是任何统计调查都无法证明的——通过生活在一种新的环境中，劣等股票会上升到当地人的平均水平。”那些想从科学上支持自己反犹太主义的人立即引用了这本杂志。阿瑟·亨利·莱恩，《外星人的威胁他说，皮尔森的结论“极其重要，影响着我们国家的利益和福利，所有英国人，尤其是所有的政治家和政治家都应该获得。”珍珠学的历史’。”

似乎有一个议程的人的最一致的标志，它是过度拒绝。在介绍犹太儿童的研究时，Pearson写道，“我们认为没有能力比Galton实验室更有能力的统计调查。我们没有轴来研磨，我们没有通过广告良好的发现来促进身体;我们由没有人支付的达到特定偏见的结果......我们坚信我们没有政治，没有宗教，没有社会偏见，因为我们发现自己依靠每个群体和器官倾向于依据。我们为自己的缘故和数字高兴，并且受到人类的识别，收集我们的数据 - 因为所有科学家都必须做到，找出他们的真相。“通过将其粘在厚厚的统计涂层中，Pearson给予优雅的出现了数学事实，这将是难以反驳的。寻求批评他的结论的人必须首先通过数百页的公式和技术术语。

1911年高尔顿去世时，他把自己相当可观的财产的余额留给了伦敦大学学院，用于资助大学优生学系。皮尔森当时是高尔顿实验室的主任，被高尔顿任命为国家优生学的第一个高尔顿主席，这个职位现在是遗传学的高尔顿主席。伦敦大学学院优生学系的一个分支后来成为世界上第一个数理统计系。作为实验室主任和教授的双重身份，皮尔森对第一批英国统计学家有着巨大的影响力。皮尔森以前的学生梅杰·格林伍德(Major Greenwood)曾形容他是“他那个时代最有影响力的大学教师之一”。

大多数科学家现在明白，数据不能为自己说话，而且从来没有。

在此期间，Pearson在此期间做的是Galton的使命继续广播优雅的“真理”，以准备彻底改革社会规范。这意味着意味着干扰家庭内的亲密关系。Pearson说：“我担心我们现在的经济和社会条件几乎没有成熟这样的运动;父母的全部重要问题仍然觉得仍然是一个家庭的问题，而不是国家的重要性......从国家的角度来看，我们希望灌输一种羞辱父母的羞耻感，无论是吗？在精神上或身体上不适合。“

考虑到这必然会引起的反应，保持客观的外表是至关重要的。皮尔森声称，他只是利用统计学来揭示人类的基本真理，就像万有引力定律一样不容置疑。他教导他的大学生:“社会事实是可以测量的，因此是可以用数学来处理的，它们的帝国不能被主导理性的言论、取代真理的激情、摧毁启蒙的主动无知所篡夺。”的副标题珍珠学这是达尔文的名言，“我不相信任何东西，除非是实际的测量和三法则。”

在Pearson的观点中，只有通过允许数字来讲述自己的故事，我们可以看到这些真理。如果有人反对皮尔逊的结论，例如，种族灭绝和赛马是进步的工具，他们就是反对寒冷，艰苦的逻辑并允许激情取代真相。

罗纳德·费雪，生物学先驱，提倡“弱智”绝育

罗纳德·费舍，皮尔森的继任者既是伦敦大学学院优生学高尔顿主席也是《珍珠学他是除他之外唯一一个有资格成为20世纪最有影响力的统计学家的人。费雪在生物学上也有令人难以置信的影响力。主要是他1930年的书自然选择的遗传学理论有助于调和孟德尔遗传学和达尔文进化论，进化生物学的项目被称为“现代合成”。由于这些和其他贡献，他在当时和现在都广受赞誉。2011年，理查德·道金斯(Richard Dawkins)称他为“自达尔文以来最伟大的生物学家”。

但在成为生物学家或统计学家之前，费雪是优生学家。他是在剑桥大学读本科时皈依的，在那里他遇到了高尔顿和皮尔森的研究，并帮助成立了剑桥优生学协会，费舍尔担任委员会的学生主席。在1912到1920年间，他为高尔顿的杂志写了91篇文章，优生学审查．他最早的出版物中,一篇文章叫做“优生学家的希望,”他写道,“国家的机构、法律、传统和理想,往往大多数生产更好、更健康的男性和女性,会很自然地和不可避免地取代,第一个那些组织往往滋生堕落,以及后来的那些,虽然自然健康，但仍然看不到具体优生思想的重要性。”

这种优化的民族主义将成为遍布渔民的职业生涯中的跑步主题。最后的五章自然选择的遗传学理论该书约占全书的三分之一，其中包括一篇关于国家衰落的宣言，章节包括“决定生育的精神和道德品质”、“阶级差别的经济和生物方面”以及“统治阶级的衰落”。费雪主张，低阶层的高生育率会摧毁包括大英帝国在内的任何文明，因此他提出了一套限制和抑制低社会地位的大家庭或移民的制度。

在费雪的时代，优生学作为20世纪早期社会改革更大项目的一部分已经获得了发展势头。这项运动遭到了强烈的抵制，尤其是来自宗教机构的抵制，并且从未真正在英国取得成就。英国优生主义者只成功地将他们的一些想法变成了现实，最著名的是移民限制和一项特别糟糕的国内政策，1913年的《精神缺陷法案》，这使得任何被认为“意志薄弱”或“道德缺陷”的人都可能被非自愿地犯下罪行。由于合格的标准是出了名的模糊，一度有超过65000人生活在这种国营的“殖民地”。G.K.切斯特顿在回应这一行为时写道优秀和其他邪恶在书中，他嘲笑优生学家干涉人们的生活，“就好像一个人有权利把龙骑和奴役自己的同胞，作为一种化学实验。”

与此同时，高尔顿的运动传播到了美国，主要是通过哈佛大学教授查尔斯·达文波特的努力生物统计学他直接从高尔顿和皮尔森那里学到了优生学及其统计论据。1910年，达文波特在纽约冷泉港建立了优生学记录办公室，和高尔顿的实验室一样，该办公室收集了几十万个人的社会和身体特征数据。达文波特运用高尔顿和皮尔森的方法，撰写了大量的出版物，论述跨种族婚姻和来自“劣等”血统国家的移民的危险。达文波特成立了美国高尔顿协会，这是一个由科学优生学家组成的组织，有很有影响力的关系。在20世纪20年代和30年代，他们利用自己的权力地位指导美国的研究，并成功地游说政府采取一些措施，如禁止婚姻、限制移民、强迫精神疾病患者、身体残疾人士或其他被认为对社会造成拖累的人绝育。

为了摆脱优生学的污点，统计学需要从完美客观的理想中解脱出来。

今天，大多数人把优生学和纳粹德国联系在一起，但纳粹主要是从这些美国优生学家和高尔顿的追随者那里获得灵感的。阿道夫·希特勒曾经说过,“我以极大的兴趣研究了美国的几个州的法律关于预防的繁殖后代的人会在所有的概率,是没有价值的或有害的种族股票,“风扇给麦迪逊格兰特,美国高尔顿学会的创始人之一,希特勒参考了格兰特的书伟大的比赛“圣经”。

类似的灭菌政策将在U.K.当时是非法的，但费舍尔和其他英国优化家正在努力改变这一点。对纳粹计划的令人毛骨悚然的相似之处并不巧合。1930年，Fisher和其他英国优雅学会成员组建了委员会合法化的遗体灭菌，该委员会制作了宣传小册子争论灭菌的益处“虚弱的高档缺陷”。Fisher基于美国优化家学的数据展示他们声称是知识产权的遗传程度的数据，提供了支持统计分析。

为了用更多的数据来加强他们的论点，该协会直接联系了纳粹优生学家Ernst Rüdin，他是希特勒德国暴行的伪科学辩护的主要捐助者。Rüdin则表达了他对费舍尔委员会工作的赞赏。费希尔与纳粹科学家的密切关系甚至在战后依然令人不安。他发表公开声明，帮助恢复纳粹遗传学家、种族卫生思想的倡导者奥特马尔·弗莱海尔·冯·弗尔舒尔(Otmar Freiherr von Verschuer)的形象，后者曾是约瑟夫·门格勒(Josef Mengele)的导师，后者曾在纳粹集中营的囚犯身上进行野蛮的实验。冯Verschuer的防御,费舍尔写道,“我毫不怀疑,(纳粹)一方真诚希望德国种族股票中获益,特别是消除清单次品,如缺乏精神,和冯Verschuer给我不怀疑,我应该做的,他支持这样一场运动。”

1950年，为了回应大屠杀，联合国教科文组织发表了一份名为“种族问题”的声明，以科学的理由谴责种族主义。费舍尔写了一份反对意见，联合国教科文组织在1951年将其纳入了修订版。他声称，有证据表明，人类群体在“智力和情感发展的内在能力”方面存在巨大差异，并得出结论说，“实际的国际问题是学会与本质不同的人友好地共享这个星球的资源。”

作为一名统计学家，Fisher亲自负责许多构成标准词典的基本术语，如“参数估计”、“最大似然”和“充分统计”。但他的主要贡献是意义测试。费雪的1925本教科书研究人员的统计方法这本书包含了针对不同问题的统计方法，将显著性测试引入了科学界，并成为行业标准，任何不遵循他的方法的人都很难发表文章。费雪最杰出的弟子是统计学家和经济学家哈罗德•霍特林(Harold Hotelling)，他影响了两位诺贝尔经济学奖得主肯尼斯•阿罗(Kenneth Arrow)和米尔顿•弗里德曼(Milton Friedman)，以及美国第一个统计学系的创始人乔治•斯尼德雷(George Snedecor)

Fisher提倡将显著性测试作为决定所有问题的一般框架，声称其逻辑“对所有实验都是通用的”。将皮尔逊卡方检验的相同模板应用于其他类型的问题，Fisher提供了许多我们今天仍在使用的检验，如Fisher的f检验、方差分析(ANOVA)和Fisher的精确检验。因此，费雪的许多贡献只是推导出了这些测试所需的数学公式。在这个过程中，他的方法使全新的研究假设成为可能:比如两个变量是否相关，或者多个群体是否都有相同的均值。

和皮尔逊一样，费希尔坚持说，他只会跟着数字走。对Fisher来说，显著性检验是一种交流统计结果的方式，它和逻辑证明一样无懈可击。关于这种方法，他写道:“重要性测试所引起的感觉有一个客观的基础，因为它所基于的概率陈述是一个可传染给其他理性思维并可被其他理性思维验证的事实。”正如他在1932年所写的那样，“仅从数据就能得出结论……如果我们提出的问题似乎需要知识先于这些，那是因为……我们一直在问一些错误的问题。”

打破优生学的遗产和虚假的客观性

今天，作为对高尔顿、皮尔森和费雪的抗议的回应，辩护者认为，命名讲座和建筑是为了表彰科学贡献，而不是人。统计教授乔•吉尼斯康奈尔哈利起重机的罗格斯大学和北卡罗莱纳瑞恩马丁状态评论中写道费舍尔讲座争议:“我们必须记得,科学是由一个集体的尊重信任,它的成就是独立的美德和恶习的人实现他们,我们不能以个人友谊或政治立场为借口授予或撤销这种认可，我们可以在完全反对负责这些科学贡献的科学家的个人信仰的同时，立即庆祝和受益于科学贡献。”

但是科学和科学家真的那么容易分离吗?

没有费希尔的支持，显著性检验的主导地位正在减弱。去年，800多名科学家签署了一封信，呼吁终结统计学意义的概念，美国统计协会(American statistical Association)的领导层发布了一项直截了当的命令:“不要说‘统计学意义’。’”显著性检验的核心问题是，做出关于同质性的二元决策从来都不是一项有意义的统计任务。有了足够的数据，仔细观察，总会出现一些不均匀性和统计学上显著的差异。在现实世界中，数据总是在发出信号。只是还不清楚是什么原因。

1968年，明尼苏达大学的心理学家David Lykken和Paul Meehl通过对57,000份明尼苏达高中学生填写的问卷进行分析，证明了这一点。调查内容包括学生的家庭、休闲活动、对学校的态度、课外组织等一系列问题。Meehl和Lykken发现，在105个可能的变量交叉表中，每一个关联都具有统计学意义，其中101个(96%)具有统计学意义p-值小于0.000001。例如，出生顺序(最大、中等、最小、独生子女)与宗教观点、家庭对大学的态度、对烹饪的兴趣、参加农场青年俱乐部的成员资格、放学后的职业计划等显著相关。但是，正如米尔所强调的那样，这些结果并非纯粹出于偶然:“它们是关于世界的事实N= 57,000 they are pretty stable ... Drawing theories from a pot and associating them whimsically with variable pairs would yield an impressive batch of [null hypothesis]-refuting ‘confirmations.’ ” That is, any one of these 105 findings could, according to standard Pearsonian and Fisherian practice, be taken as evidence of inhomogeneity and a significant refutation of a null hypothesis.

米尔成为对显著性测试最直言不讳的批评者之一。1978年，当时这种方法已经成为50多年来的标准，他写道:“罗纳德[费雪]爵士让我们迷惑，让我们着迷，和使我们享乐之路”,“几乎普遍依赖只是反驳零假设作为确凿的标准方法实质性理论在柔软的区域是一个可怕的错误,基本上是不健全的,可怜的科学策略,最糟糕的一件事发生在心理学的历史。”他称自己呼吁取消意义测试是“革命性的，而不是改革派的”。

类似批判对科学统计数据的使用具有悠久的历史。作为1919年的心理学家Edwin无聊的第一次辩论，科学假设绝不只是一个统计假设 - 即人口中的两种方式是不同的，两个变量是相关的，即治疗有一些非零效应 - 但在解释原因的情况下，这两个变量多少，以及为什么这很重要。意义测试忽略了这是经济学家Deirdre McCloskey和Stephen Ziliak在2008年的书中对统计意义的崇拜被称为"具有统计学意义的无尺寸凝视"正如他们所说，“统计学意义不是科学测试。这是一种哲学的、定性的检验。它不问多少钱。它问‘是否，’”——比如，是否存在某种效应或关联。“存在，是否存在的问题是有趣的，”他们说，“但它不科学。”

我们不能逃避这样一个事实:统计是人类的事业，受人类欲望、偏见、共识和解释的支配。

尽管有异议，但实践仍然是非常规范的。当我们听到在线会议与人们亲自关联时，一些食物与癌症的风险降低有关，或者这些教育政策导致了测试分数的统计上显着增加，等等, we’re only hearing answers to the “question of whether.” What we should be asking is what causal mechanism explains the difference, whether it can be applied elsewhere, and how much benefit could be obtained from doing so.

在优生学的背景下，高尔顿，皮尔森和费雪如此关注存在的问题是可以理解的。为了优生歧视的目的，只要说明存在明显的种族亚群，或在智力和洁癖之间存在"显著"相关性，或在不同社会经济阶层之间在犯罪、生育或疾病发生率方面存在"显著"差异，就足够了。第一个假设是分类学上的:个体是否可以被认为是同一物种，或者人们是否属于同一种族。分离就是一切——不在于分离的程度，不在于还有什么可以解释它，也不在于它为什么重要，而在于它的存在。显著性检验并没有完全从这些人的头脑中冒出来。它经过多年精心制作和完善，专门阐明进化论和优生学的论点。优生学家高尔顿，皮尔森，费歇尔需要一种定量的方法来论证这种差异的存在，而统计学家高尔顿，皮尔森，费歇尔用显著性检验回应了这一号召。

他们认为统计分析不需要统计学家的帮助就能揭示真相的态度也同样在瓦解。大多数科学家现在明白，数据不能为自己说话，而且从来没有。观察总是有可能以多种方式解释，这取决于科学家和更大的社区来决定哪一种解释最适合事实。抽样误差并不是显著性检验中唯一重要的误差。偏见可能来自于实验的实施方式和结果的衡量方式。

Nathaniel Joselson是医疗保健技术的数据科学家，其经验研究南非开普敦镇镇，在殖民地塞西尔约翰罗德雕像雕像中，使他建立了网站“对包容统计数据的冥想”。他认为，统计数据逾期为“脱殖民明”，以解决伽利尔蒙和费舍尔的优化家遗产，他说仍然造成伤害，最明显地在刑事司法和教育中。“客观性极高，”他告诉我。“科学需求的未来是一种民主化，分析过程和分析的一代，”这位科学家最需要做的是“听到那些关于这东西的人一直在说话很长一段时间。只是因为你没有测量一些东西并不意味着它不在那里。经常，你可以用你的眼睛看到它，这就足够了。“

为了摆脱优异学的污点，除了修复其方法的逻辑之外，统计数据需要自由地摆脱完全客观的理想。它可以从拆除其优化主义古迹的问题开始，并解决自己的多样性问题。调查一直表明，在每个层面的美国居民学生中，黑人/非裔美国人和西班牙裔/拉丁克斯人民在统计数据中受到严重挑战的。但要了解纪律意味着这意味着导航一个复杂的态度，期望，符号和人类情感的复杂网络。没有摘要编号可以正义。华盛顿大学的Daniela Witten统计部门，警察颁奖委员会颁奖委员会委员会委员会成员煽动举办的动作来改变其名称，告诉我，“我们需要采取智力姿态，学术姿态和历史姿态，但我们还需要考虑参与现实生活的事实。“

在某些情况下，费雪的优生学建议是直接针对统计学院的。1917年，他写道优生学审查，“一个职业必须有权力选择自己的成员，严格地排除所有劣等的成员，因为这些人会降低生活水平和职业地位。在这个过程中优生学家看到了一种理想的类型，因为其有价值的品质而被选中，并在相对富裕的情况下被其专业的专有力量所保护"费雪扮演了统计行业的守门人角色，鼓励他认为正确的统计学家进入，正如他所说的，他认为正确的统计学家应该是最像他自己的人。同样，当高尔顿和皮尔森想象优生学带来的乌托邦时，他们描绘了一个只有高尔顿和皮尔森的社会。

Emma Benn是西奈山山上生物统治者的教授，以及改变Fisher讲座名称的倡导者。当我与Benn谈话时，谁是非洲裔美国人，她很快就指出了讲座的争议是关于比Fisher大的问题。“让我们重新评估我们认为对该领域的巨大贡献，”她说。“Yes, we can address specifically Fisher, but I hope that that would help us delve deeper into, ‘What does it mean in science to belong?’ ‘How does knowing about these things affect our scientific identity?’ When we have this conversation about Fisher, or we have a conversation about race, then all of a sudden it’s this intellectual exercise that removes people from having to consider how people like me feel in this field.”

要解决统计中的优生学遗留问题，就需要提出许多这样的难题。在客观的面纱下假装回答这些问题，会使我们的同事失去人性，就像优生学的非人性言论助长了强制绝育和禁止婚姻等歧视性做法一样。两者都依赖于将自己与受影响的人保持距离，并将他们视为“他人”，以剥夺他们的代理并压制他们的抗议。

学术界的观点本身是如何看待世界的有用的考验案例。统计数据，因为它处于深奥数学术语，有时可能出现纯粹的理论。但事实是，统计数据更接近人文学科，而不是承认。听到谁的声音的人文斗争以及学术话语中固有的权力动态经常被破坏性，进展艰难。现在战斗可能已经被带到了统计的门口。

在1972年的书中作为巫术的社会科学斯坦尼斯拉夫·安德烈斯基(Stanislav Andreski)认为，在寻找客观性的过程中，研究人员选择了一种廉价版本，用统计方法作为“定量伪装”加以隐藏。相反，我们应该努力追求道德客观性，我们需要同时生活在这个世界和研究它。“客观性的理想，”安德烈斯基写道，“需要的远不止是遵守验证的技术规则，或诉诸深奥的、非感情用事的术语:也就是说，对正义的道德承诺——对人民和机构公平的意愿，避免一厢情愿和恶毒想法的诱惑，以及抵抗威胁和诱惑的勇气。”

即使我们使用最具技术语言，我们也无法逃脱统计数据是人类欲望，偏见，共识和解释的影响。Andreski挑战我们对影响我们的因素并避免为我们推动我们最佳选择的结论的不公正主人。我们需要统计的纪律是包容性的，不仅是因为它是正确的事情，而且因为它扩大了才华横溢的统计数据池，而且因为这是消除我们集体盲点的最佳方式。我们应该尝试是客观的，而不是不可能的感觉，即Galton，Pearson和Fisher声称授予他们权威，但在他们未能做的方式让他们让执政班的利益决定他们在它开始之前的研究结果。

奥布里·克莱顿(Aubrey Clayton)是一位住在波士顿的数学家，也是这本即将出版的书的作者伯努利谬误。

主图像:乔治·库姆/维基媒体