你看到的不一定是对的——12个原因让研究结果出现错误lg...

每年有难以计数的研究在各种期刊上发表，其中出现错误的也有不少。修改数值、篡改数据和样本量小等问题，都会影响到统计分析的结果。但其实研究中发生错误的地方还有很多。

研究工作在可重复性上面临的问题，很大程度是因为我们当下的科研圈文化氛围——让研究者彼此展开残酷的竞争，抢夺稀缺的资源。下列原因中的几项，甚至全部，再加上其它的一些不利因素的共同作用，就会导致其研究结果出现偏差。

发表压力

当前，研究资金的审核和发放比以往任何时候都更严格，好的职位也是得来不易。为了获得经费和工作，科学家们需要发表成果，并且最好是发表在有影响力的期刊上。这样的压力导致很多研究者发表多篇低质量的论文，而不是去发表少而精的文章。为了说服管理者和项目评定者，科学家们不得不为自己的研究唱赞歌；因此他们看待自己研究时，也不会带上应有的批判姿态。

热衷影响因子

对于科学家来说，在诸如《自然》（Nature） 、《科学》（Science）或《细胞》（Cell）等具有高引用率或高“影响因子”的顶级期刊上发表论文，就像赢得了奖章一样。高校和基金资助机构在提供职位和资金时，也会更多地偏向于在这些期刊上发表过文章的研究者。许多研究者表示，这些顶级期刊上论文的科学价值，不一定比其它期刊上的高，它们只是引人注目或迎合了研究趋势，但却常常不能反映现实世界中数据的复杂性。这种在高影响因子期刊上发表论文的狂热，可能会鼓励研究人员为了发“高档”期刊而去做任何事，包括牺牲其所进行的科学研究工作和结果的质量。

培养污染

实验有可能被污染，细胞跟动物也许和论文中所宣称的不同。自上世纪六十年代以来，研究者搞错了他们所研究的细胞的事情已经出现了数百例。“XMRV病毒可导致慢性疲劳综合症”就是这样一例因污染导致的错误报道。最近有报道指出，实验室试剂中杂菌的DNA会干扰微生物相关的研究工作。

数学工具的错误使用

错误的统计分析可能会令研究结果出现偏差。一些研究者指责他们的同行是“p值黑客”，为了满足特定的统计学标准而操纵数据。样本量小，随机或盲法执行不规范也会导致统计学错误。对于数据量很大的研究，需要由多个复杂步骤来分析完成，可能会增加发生错误的可能性。研究者经常会在他们成堆的数据里发现模式——但实际上这些数据并没有生物学意义。

省略之罪

为了打击竞争者，有些科学家在写论文时会省去实验中的一些重要细节。有一项研究发现，54%的研究论文都没有提供确切的实验材料信息，如所使用的动物品系、试剂或者抗体种类。不管他们是不是有意这么做的，导致的结果是一样的：其他的研究者都无法重复出论文所得的同样结果。

生物学的复杂性

不同人、动物和细胞之间，存在着很多的可变因素，这使得研究者永远不可能得到两次完全一样的实验结果。存在于研究中各处的未知变量，使得重复生命科学和社会科学的研究结果是极为困难的。

同行评审没能发挥作用

同行评审人是研究者所在研究领域的专家，他们负责评估研究初稿，并决定其科学性和价值是否足以发表在某个期刊上。由《科学》杂志进行的一个调查发现，有些期刊根本没有真的进行同行评审，或者只是走个形式。另一项研究发现，同行评审者并不擅长发现文章中的错误。一例备受瞩目的干细胞研究不当行为的案例还说明，即使是评审们提出了文章存在致命错误，期刊方面有时也会忽略这些建议，照常发表。

有些科学家不愿意分享

收集数据是一项艰苦的工作，有些科学家认为不分享他们的原始数据，可以在竞争中取得优势。但自私也因此成为了阻碍许多研究和分析工作具有可重复性的因素，特别是对于那些涉及到昂贵的临床试验或大量数据的实验工作。

从未发表的研究结果

科学期刊想要新发现，而不是重复已有结果或者已经被抢发的结果。这就使得研究者们不愿去重复已发表过的研究，就算重复了也很少能发表。错误的结果无人质疑，阴性结果（也即未发现证据支持假说的结果）极少发表。一些人担心科学家们可能会忽略那些和现有假说相违背的结果，哪怕它们正确而重要——而只是发表那些符合预期的结果。

训练不足

有些研究者抱怨年轻的科学家没有接受应有的专业训练，不能严格地完成研究工作，也不能准确地评估自己和他人的研究工作。

错误总会发生

科学家也是人，人非圣贤孰能无过。在1979年到2011年间423篇因为非蓄意过错被撤稿的文章中，有超过一半是因为研究者犯了错误——诸如对药物测量不准这样的问题。

学术欺诈

经过研究者编造或者篡改的研究结果，没有人能够重复出来。不过，在那些不可能重复的研究中，因为学术欺诈所导致的只占很少的一部分。