大约两个星期前，英国皇家统计学会（RSS）发布了统计学界传奇人物David Cox 教授（爵士）以98岁高龄去世的消息。以下是从网上RSS消息的英文原文的一个截图（原文链接：https://rss.org.uk/news-publication/news-publications/2022/general-news/sir-david-cox-1924-2022/ ）。

我的博士论文的题目是：Further Developments of Two Point Process Models For Fine-scale Time Series。导师推荐，David Cox 和Valerie Isham所著在1980出版的“Point Processes”，一本A5开本大小不到200页的绿皮小书成了我PhD学习的最主要参考书。

事实上，我的大导Paul Cowpertwait与Valerie Isham及C. Onof在2007年Proceedings of the Royal Society of London, Series A发表的一篇关于降雨过程/降雨量的随机点过程的文章就成了我的博士研究成果的基础及起点。通过对大导的这篇文章的研究成果的那么一点点的拓展，我就拿到了博士学位。在博士学习期间（2007-2011），Valerie Isham还应邀不远万里从英国到新西兰访问了我们学校。Valerie Isham写“Point Processes”这本书的时候还是一个博士后，在30年后我见到她的时候已是一个有几丝银发的优雅女士，国际知名的Professor了。之后，以我的博士论文的成果为基础发表了一篇文章，其中Valerie Isham教授也是合作作者之一。

因为研究随机点过程的缘故，我也就把David Cox发表的有关文章书籍找来学习，受益匪浅。正是在其中他的一篇文章中，David Cox提出做统计模型的最高境界是能按所观察到的生活现象背后的发生机理/物理机制用数学公式总结表达出来，这样发展出来的模型也会是最有效率的模型(most efficient model, i.e., in line with the principle of parsimony) 。他的这个观点深深地影响着我直到现在，我不论是分析数据，还是写文章，或在我提供统计咨询服务时都是努力遵循这个原则。David Cox写的书有读不太懂的地方，我甚至干脆就多抄写它几遍，借此强迫自己能多理解一点。

我现在的工作虽然也是天天在搞统计数据分析，建模什么的，但都是支持别人搞科研，不是自己去搞科研项目，所以也没有发表文章的压力要求。每天所搞的东西与随机点过程一点关系也没有。但在2020年初新冠病毒刚刚开始在全球大流行的时候，我也凑热闹写了一篇关于如何用仿真模拟模型对新冠病毒（或其它任何传染疾病）的传播过程进行分析的文章。得益于我读博时候获得的随机点过程的研究经历，我提出的病毒传染过程的模型就是一个随机点过程的模型，是与最流行的Susceptible Infectious-Recovered (SIR)模型完全不同的东西，文章写成之后很快在Nature的Scientific Reports上发表了（文章链接：https://pubmed.ncbi.nlm.nih.gov/32753639/ ），现在已有了超过20次的引用。

在2018年RSS的年会上David Cox以94岁的高龄还做了一个短短的发言：In gentle praise of significance tests。仅从这个他发言的题目就可以知道David Cox是知名统计学家里不赞成“彻底抛弃统计显著性概念”的一个。他的这篇发言其基本内容与他的2016年发表在Mini-Symposium: Medical Statistics (Diagnostic Histopathology 22:7, pp243-245)的短文Statistical significance tests的内容是完全重合的。仔细看他的有关文章和听他的发言，我们发现David Cox是很在意把Neyman and Pearson的test of hypothesis与他小心措辞定义的significance tests区分开来的。或者说骨子里，他还是更倾向于Fisher的把统计假设检验看作是strength of evidence，而认为作为实际上是一个决策规则的奈曼-皮尔逊的‘假设检验’并不是他所定义的统计假设检验。尽管David Cox坚持Statistical significance tests是一个有用的统计推断分析工具，他警告说，在只有一组样本数据的情况下（现在绝大多数发表的文章不都是对一组样本数据进行假设检验分析然后就给出结论的吗？）统计假设检验的结果是有很大的局限性的。他的原文是这样说的：Statistical significance tests for a specific set of data take no account of other data or general background knowledge of the field.  This is indeed one very major limitation of such tests. 

一代统计学/统计数据分析大师 David Cox 以98岁高龄驾鹤西去，仅以此短小博文作为我个人对他的致敬与纪念。