“碗/盘子越大，人就吃得越多，换成小碗能避免吃太多。”

“用剧下饭容易吃撑，最多能比平时多吃 60%。”

“有女性在场时，男性会吃比正常饭量更多的披萨。”

国内外教人健康饮食的网站没少援引这些有网感的研究。别以为这是什么爱瞎搞的机构出的调查，它们都出自康奈尔大学食物与品牌实验室 (Cornell Food and Brand Lab)。

这个实验室的负责人 Brian Wansink 是行为心理学出身，主攻饮食、健康领域的研究。除了搞科研，Wansink 还著有畅销书《无意识饮食》，经常在主流媒体露脸教人怎么吃、怎么减肥，可以说是该领域曾经最热门的研究者之一。

他学术生涯的拐点发生在 2018 年 5 月 8 日,《美国医学会杂志》(JAMA) 主编 Howard Bauchner 在其网站上贴出了对 Wansink 早前发表的 6 篇论文的关注声明 (Expression of Concern)，并严词警告学术圈对这些论文中的研究效度加个小心。

JAMA主编关注声明，图片来自：JAMA Network

Bauchner 主编在声明中表示：“医学期刊最重要的特质之一是准确，而 Wansink 频繁（被）撤稿的现象给他的研究带来了很多不确定性，我们已经要求康奈尔大学重新评估他的研究，在积极的结果出现之前，我们不会撤销关注声明。”

这不是 Wansink 第一次和学术不端扯上关系。早在去年底，他就因为一年内有 5 篇论文被撤稿（其中一篇被撤两次）、论文修改 13 次，而被《科学人》列入 2017 年度十大撤稿事件。据《撤稿观察》 (Retraction Watch) 的数据显示，到目前为止，Wansink 所涉及的期刊撤稿和关注声明一共 29 个。根据撤稿时间倒序，我们将其中被撤稿的 7 篇论文整理如下：

所以，他的研究到底出了什么幺蛾子？

1. 论文重复发表、自我抄袭

Wansink 于 15 年发表的一篇论文和他 13 年的论文有 1376 字重复，虽然他把自己的论文加进了参考文献中，还是被期刊要求修改。

相似的，另一篇发表于 2003 年关于大豆的论文因为一稿多投而在去年被撤稿。

2. 样本年龄错误

Wansink 于 2012 年发表在期刊《预防医学》 (Preventive Medicine) 上、现已被撤稿的一篇论文，研究了小孩吃蔬菜这件事。他发现如果给难吃的蔬菜取个酷点儿的名字，比如“X 射线眼胡萝卜”，会让小孩改变心意，爱上胡萝卜，从而提高蔬菜摄入。不过，后来 Wansink 承认实验样本并不像论文里写的是 8-11 岁的学生，而是 3-5 岁的小朋友。

3. 用结论操纵数据、数据作假

Wansink 和其团队的邮件记录证实，他在许多研究中操纵数据。比如在一个有关自助餐的项目中，Wansink 要求实验室的研究生根据 p 值倒推变量，尝试不同变量，直到得出“一看就能火”的结果才行。

事实上，学术界对 Wansink 这些受欢迎的研究是否具有信度和效度早存在争议。来自波士顿东北大学的 James Heathers 自己编程，通过统计学原理，从一些已经发表的研究结果中推出原数据的可能面貌。

在跑完 Wansink 的几十篇论文数据后，他发现了 150 多处数据不一致。其中就包括上面的提到的胡萝卜实验。要得到和实验数据相匹配的结果，其中某个样本需要吃掉 60 个胡萝卜。对于 Wansink 给出的“实验用到的是只有正常大小 1/4 的小胡萝卜”，期刊编辑认为非常牵强。

Buzzfeed 对 Wansink 事件进行了一系列报道，他们结合学界其他研究者的意见，认为这些论文中出现的数据不一致，主要是 Wansink 团队在 p-hacking。

关于 p 值，以及它有什么问题？

在研究型论文中，多数研究者会使用假设检验的方法来统计概率。简单来说，假设检验的逻辑过程有 4 步：

1. 提出问题，同时根据问题作出两个相反的假设，即零假设和备选假设

2. 根据样本数据，算出零假设成立前提下，样本观察结果出现的概率，也就是 p 值

3. 按照学术界标准，当 p<=5%，也就是我们常说的实验结果显著

4. 得出结论，零假设被否认

为了让实验结果显著，大研究人员都受到不少来自 5% 这个硬指标的压力。感受一下豆瓣网友翕如这张饼图：

图片来自：豆瓣

为了使 p 值好看，统计时一旦 p 值显著就停止收集数据、根据 p 值显著性倒推变量、删掉一些初始变量改变 p 值等操作都属于 p-hacking。

这也就使容易被人为操作成为 p 值的一个黑点。反对 p 值的研究者认为，p 值应该作为衡量实验结果的参考，而不是唯一标准。意得辑专家视点此前就报道过，为了说明 p 值的存在的问题，期刊《Basic and Applied Social Psychology》(BASP)  在 2015 年宣布禁用假设检验及相关的统计程序。

此外，p 值的可重复性低也一直是个问题。弗吉尼亚大学的心理学教授 Brian Nosek 花了 3 年时间和同行研究者对 100 个已经发表的研究重新测试。这些早先 p 值显著的研究中，只有 36% 在二次实验中 p 值依然显著。p 值的不稳定性和样本体量、环境、学科领域间等因素有关。比如在上述项目中，认知心理学研究中的 p 值可复制率是社会心理学研究的两倍。

参考资料：

1. Bauchner H. Expression of Concern: Wansink B, Cheney MM. Super Bowls: Serving Bowl Size and Food Consumption. JAMA. 2005;293(14):1727-1728.. JAMA. 2018;319(18):1869. doi:10.1001/jama.2018.4908

2. Heathers, James A., et al. "Recovering data from summary statistics: Sample Parameter Reconstruction via Iterative TEchniques (SPRITE)." PeerJ PrePrints (2018).

3. Wansink B, Just DR, Payne CR. Notice of Retraction and Replacement. Wansink B, Just DR, Payne CR. Can Branding Improve School Lunches? Arch Pediatr Adolesc Med. 2012;166(10):967-968. doi:10.1001/archpediatrics.2012.999. JAMA Pediatr. Published online September 21, 2017. doi:10.1001/jamapediatrics.2017.3136

4. 《科学人》2017年度十大撤稿 https://www.the-scientist.com/research-round-up/top-10-retractions-of-2017-29834

5. 《撤稿观察》上Wansink相关数据

6. http://retractiondatabase.org/RetractionSearch.aspx?AspxAutoDetectCookieSupport=1#?AspxAutoDetectCookieSupport%3d1%26auth%3dWansink%252c%2bBrian

7. Buzzfeed关于胡萝卜实验的报道 https://www.buzzfeed.com/stephaniemlee/brian-wansink-retraction-carrots?utm_term=.fr6Z32v6r#.bnyJo2Lqv

8. 豆瓣饼图 http://www.douban.com/people/sociology_and_I/

9. p值重复性研究 https://www.theatlantic.com/science/archive/2015/08/psychology-studies-reliability-reproducability-nosek/402466/