统计之美（一）——所有模型都是错的

统计之美（一）——所有模型都是错的

——这是一篇摘录，原文传送门在文章最后

波普尔曾经提出过一条界定“科学”命题的标准：“一个命题是科学的当且仅当它是可证伪的”。所谓可证伪，是指该命题有办法通过观测和实验来验证，如果每次验证都是对的，不能说命题就是对的，但只要有一次验证发现错了，那么就被证伪了，这个命题也就被推翻了。“可证伪”似乎成了很多人判断科学的金标准，但放在今天的环境中已经不合时宜了。很明显，有些命题，比如用概率描述的，就没办法精确地证伪，而很多命题被证伪了也不一定是科学命题，比如“处女座的人都有洁癖”显然不是科学命题。

我们看波普尔的这个观点不能同历史背景割裂开来，波普尔推崇的是演绎逻辑，一直反对经典的经验主义和归纳逻辑。在归纳的思维中，如果越来越多的证据支持某命题，那么该命题就倾向于被“证实”。波普尔认为这种方式太危险，即使发现反例也可以通过修改原命题轻松绕过，不是科学的办法，所以从证伪的角度入手会更好。这些观点都有道理，我们不研究科学哲学的话其实没必要去深究科学的边界问题。确实使用归纳逻辑更容易犯错，但归纳却能解决更多的问题。归纳和演绎并没有谁比谁更科学之说。

思考科学的边界是哲学家的事情，我们只需要在自己的工作和研究中不犯不科学的错误即可。这样的话，当我们使用归纳思维的时候（尤其是对历史数据进行分析）要注意不能把特殊性当成一般性，盲目相信数据和经验。使用演绎思维的时候，也不能陷入极端的封闭中越绕越深、越绕越窄。无论是归纳还是演绎、证实还是证伪，只要是搞科学的，都认可的是假说而不是真理。假说能解释的事物越多，也不能说越接近真理，但通常会更有用。用科学的方式得到有用的假说是大家都认可的，归纳和演绎其实最大的差别是得到“更好的”假说的方式。

无论使用归纳法还是演绎法，我们得到的模型其实都只是假说，苏格兰哲学家麦克默里（John Macmurray）曾说过：“对科学来说，并不在乎是否真的存在电子，只要事物的行为好像有电子存在一样就够了”。从这个意义上来说，“所有模型都是错误的”。只要当时有用、能解决问题，就是好的模型。当发现不管用的时候，或者出问题的时候，我们需要继续寻找一个更好的模型，这才是科学的态度，也是解决问题的科学方式

链接: 原文传送门.