最近细看了一篇Nature上今年5月份发表的一篇Meta分析大作。
此图是全文最重要的结果之一。看到图标题介绍中的标黄部分时，不禁心生疑惑，这部分的描述如下：“Global change driver effects are significant when confidence intervals do not overlap with zero and were explicitly tested using a two-tailed one sample t-test (indicated by asterisks; t50,45 = 5.56, P < 0.001 for BC; t87,75 = 2.04, P = 0.044 for CP; t144,46 = 4.36, P < 0.001 for CC; t327,51 = −5.13, P < 0.001 for HLC; t61,3 = 4.07, P < 0.001 for IS). ”
这里的t值怎么会有两个自由度呢？只有F检验会有分子、分母两个自由度，t检验应该只有一个自由度才对啊。难道是作者用了什么新的“高科技手段”？于是仔细看论文的方法部分：其对应的方法部分（标黄部分）写到，确实，这里用到了略显“高端”的方法，即对自由度进行了Satterthwaite近似估计，以及进行了双尾t检验。但事实上，不管是Satterthwaite近似法计算自由度（这种算法会让自由度出现小数点，而不是整数），还是双尾t检验，这目前在混合模型框架内，也是算十分常见的方法，这也不至于会产生两个自由度啊。并且，即使在F检验中，分子的自由度也应该远小于分母的自由度才对（即第一个自由度应该远小于第二个自由度）。所以无论如何，这里t值出现了两个自由度都说不过去。于是，强烈的好奇心驱使我去查询其代码和结果，如下图所示：标黄部分已经明确说明，这里的F值和t值的自由度都采用了Satterthwaite近似法得来。所以F检验的分布自由度出现了小数点。但这里的t值的自由，明显也是出现了小数点，而不是出现了两个自由度。我们对比下其原文中的表述：“indicated by asterisks; t50,45 = 5.56, P < 0.001 for BC; t87,75 = 2.04, P = 0.044 for CP; t144,46 = 4.36, P < 0.001 for CC; t327,51 = −5.13, P < 0.001 for HLC; t61,3 = 4.07, P < 0.001 for IS”。不禁恍然大悟，原来是论文里把小数点符号 . 错误的标记成了逗号 , ！但紧接着t值数值中的.号又是正确的，这确实会导致读者认为，这里的t值就是有两个自由度。真是Nature也有糊涂时！如此误导多数读者本就混沌的基础统计认知的错误，实属不该啊！
