我這么說吧，如果我在做一個(gè)視覺實(shí)驗(yàn)，然后進(jìn)行全腦分析。結(jié)果我發(fā)現(xiàn)被試的小腦激活了10個(gè)voxel。你說我會認(rèn)為小腦的這10個(gè)voxel是在進(jìn)行視覺加工么？我多半不會，我會主動地認(rèn)為這可能是虛報(bào)。這種類型的實(shí)驗(yàn)人員控制虛報(bào)就這么被無視了，你還敢說40000個(gè)fMRI實(shí)驗(yàn)都值得質(zhì)疑？

4. 假設(shè)所有研究都用的是軟件默認(rèn)設(shè)置

需要提出的是，要產(chǎn)生70%的虛報(bào)概率不是那么容易的。你必須使用軟件的默認(rèn)設(shè)置，必須設(shè)定p=0.01，如果你不小心設(shè)置成了p=0.001，你就只能得到10%不到的虛報(bào)率了（見Supplementary Figure 2)。你還得一定要做空間平滑，而且還得是軟件默認(rèn)的空間平滑。由于實(shí)驗(yàn)數(shù)據(jù)原因，你還不能做slice-timing correction，所以fMRI功能像沒對齊而產(chǎn)生的虛報(bào)你還得保留著。以上步驟，你稍微改了一個(gè)，你都得不到70%虛報(bào)率。然而，作者假設(shè)整個(gè)研究領(lǐng)域的所有研究人員都是無腦只會使用軟件默認(rèn)設(shè)置的，所以他們的實(shí)驗(yàn)結(jié)果都值得質(zhì)疑。

這是在侮辱研究領(lǐng)域的整體智商。首先，應(yīng)不應(yīng)該做spatial smoothing就不是一定的。有很多研究人員早就知道空間平滑存在問題，所以他們可能并不進(jìn)行空間平滑，或者是他們會先分析數(shù)據(jù)，看到確實(shí)有效應(yīng)之后再做空間平滑。

另外，多重檢驗(yàn)校正這個(gè)問題很多人都知道了，所以很多研究人員一開始就會把p設(shè)置成p=0.001設(shè)置更低來當(dāng)做更保守的。作者們，請你在攻擊40000個(gè)實(shí)驗(yàn)之前，先看一眼有多少實(shí)驗(yàn)是真的把p值設(shè)得這么低，然后再有針對性地進(jìn)行地圖炮不好嗎？

5. 假設(shè)所有研究統(tǒng)計(jì)效力超級大，二類錯誤不是問題！

我們不想犯一類錯誤，但是我們同樣也不想犯二類錯誤啊。什么是二類錯誤呢？就是『有成了無』。比如說，你的腦區(qū)A明明是在進(jìn)行認(rèn)知任務(wù)的，但是由于統(tǒng)計(jì)效力比較低，信噪比太高，所以數(shù)據(jù)反而告訴你：你的腦區(qū)A沒有進(jìn)行這項(xiàng)認(rèn)知任務(wù)。舉一個(gè)極端的例子，現(xiàn)在已經(jīng)公認(rèn)大腦枕葉進(jìn)行視覺加工了，于是你躺進(jìn)掃描儀，看到圖片。結(jié)果我分析你的大腦數(shù)據(jù)，告訴你：你在看圖片的時(shí)候，你的枕葉沒有激活，一片黑。如果這不是二類錯誤——我的數(shù)據(jù)問題沒有檢測到你的枕葉活動，那你就需要去醫(yī)院診斷一下了。

統(tǒng)計(jì)檢驗(yàn)中選擇參數(shù)檢驗(yàn)的原因之一是因?yàn)閰��?shù)檢驗(yàn)要比非參數(shù)檢驗(yàn)的統(tǒng)計(jì)效力高。這樣的檢驗(yàn)會防止研究人員錯過發(fā)現(xiàn)大腦真正的運(yùn)行方式。本文的作者說明了參數(shù)檢驗(yàn)一類錯誤高，全身心都在擔(dān)心一類錯誤，這只是統(tǒng)計(jì)分析的一個(gè)方面。我們也需要擔(dān)心擔(dān)心二類錯誤，所以，也想請作者好好分析一下不同的方法對于二類錯誤的控制如何。萬一，我也做一個(gè)數(shù)據(jù)集分析，我也做1000次篩選，結(jié)果我發(fā)現(xiàn)參數(shù)檢驗(yàn)的二類錯誤只有10%，而非參數(shù)檢驗(yàn)的一類錯誤高達(dá)50%，我是不是也要寫一篇文章抨擊一下所有使用非參數(shù)檢驗(yàn)的fMRI研究——你們都錯過了效應(yīng)了？

當(dāng)然，我發(fā)現(xiàn)在整個(gè)研究領(lǐng)域，大家對于一類錯誤的擔(dān)憂遠(yuǎn)遠(yuǎn)大于對于二類錯誤的擔(dān)憂。