有论文指出土叙地震可能致中国 3 年内发生 7-8 级强震，专家表示无须恐慌，如何看待这一结论？

据环球网报道：
12日，一篇题为“国家地震局核心论文显示：土叙地震可能致中国3年内发生7-8级强震”的文章在网络上传播很广，并引起网民的关注。对此，地震专家对《环球时报》记者表示，没有必要对此感到恐慌，从概率统计角度来说，这个结论没有特别意义。
这篇文章引用了一篇发表于国家地震研究核心权威期刊《地震》上的论文观点，该论文标题为“欧亚地震带地震活动增强与中国大陆地区7级以上地震发生的关系分析”。论文称，当出现欧亚带年地震释放能量比高于50%且伴随8级以上地震发生时，其后3年内中国大陆地区将有发生多次7级以上或8级地震的可能性，这个关系在10%的显著水平下通过显著性检验。“显著水平为10%”的意思是，上述结果错误的可能性为10%，正确的可能性为90%。
这篇网络文章称：从该论文的研究结果来讲，等于是这次土耳其地震向我们提前发出了预警，它的发生告诉我们未来3年内中国将有九成的可能性发生7—8级地震，虽然我们不知道地震发生的具体时间和地点，但这种预警也是极其珍贵和稀缺的。
2月6日，土耳其发生7.8级地震，截至目前，土耳其、叙利亚两国已有超过2.8万人在大地震中遇难。联合国官员称，此次强震是该地区一个世纪以来遭受的最严重灾害。



这是2月11日在土耳其哈塔伊省安塔基亚市拍摄的地震废墟。新华社发（穆斯塔法·卡亚摄）
中国地震台网中心研究员孙士鋐12日接受《环球时报》记者采访时表示，没有必要对此感到恐慌，“过去一百年我国大陆发生7级以上地震的平均概率是三年两次，所以文章的结论没有特别意义。 也就是说不管是不是土耳其还是世界其它国家发生七级以上地震，我们全国范围内三年内发生七级以上地震的可能性都很大。”
中国地震台网发布的消息显示，2022年我国共发生3.0级及以上地震726次，其中6.0级到6.9级10次，7.0级以上0次。2022年全球共发生6.0级及以上地震112次，其中6.0级到6.9级105次，7.0级到7.9级7次，8.0级以上0次。消息还表明，2022在全球地震活动呈现出的特点之一是全球7.0级及以上大震活动明显偏弱。2022年，全球未发生8.0级以上地震，全球发生7.0级以上地震7次，显著低于1900年以来年均频次(20次)，为 1900 年以来最低水平。
一位匿名地球物理研究学者12日对《环球时报》记者表示，这篇论文是业内人士在学术上的研究，没有定论，将过去与未来的数据对比是一种统计概念，公众没必要刻意关注和恐慌。
此外，孙士鋐还认为，地震造成危害性是非常复杂的问题，只能根据地震发生的时间、具体位置等综合因素来判断，而无法从国别之间来进行对比性分析，“历史上也有地震级别很高但没有人员伤亡的情况，也有地震引发次生灾害导致伤亡惨重，比如1923年日本关东大地震引发大火。此次土耳其地震危害性大的原因之一是涉及到多个大中城市，都是人口稠密地区。”
<hr/>根据欧亚地震带7级以上地震释放能量与全球7级以上地震释放总能量之比,利用χ2检验方法对欧亚地震带地震活动增强与中国大陆地区7级以上地震发生的关系进行了统计检验。结果表明,当出现欧亚带年地震释放能量比高于50%且有8级以上地震发生时,其后3年内中国大陆地区将有发生多次7级以上地震或8级地震的可能性,这个关系在10%的显著水平下通过显著性检验。

@包寒吴霜 同学对推断统计中常见的误解做了很好的科普，这个问题实在常见又有趣，忍不住补充一点。



文献原文

文献原文中说【显著性水平为10%，意味着如果以这个结果进行决策，面临的风险是10%，正确的可能性为90%】。
p&lt;0.1的p值是什么意思？是假设H0为真（在这里即关系不存在），得到这篇文献报告的数据的概率，即p(D|H0)。p&lt;0.1就是说假设关系不存在，我得到这样的数据的可能性很小，但我现在确实得到了，就说明关系不存在这个假设多半是错的，推断关系存在，拒绝H0。
但这里，文献中进一步推论，说我们得到了显著的结果，那么以这个结果进行决策（即赶紧防地震），面临的风险（因为关系其实不存在，所以防了却白防了）是10%，也就是说H0为真的可能性为10%，这其实是把推论关系倒过来了，即p(H0|D)。
p(H0|D)才是我们真正想知道的，但因为不能直接计算，我们采用了折中的方案，计算p(D|H0)，因为通过假设H0为真，我们可以得到一个抽样分布，进而有可能根据得到的数据计算概率。问题是，p(D|H0)和p(H0|D)相等吗？
这其实是【零假设显著性检验】这种最常用的推断统计方法的一个核心问题。Cohen(1994)对这一点进行了很生动的描述。

如果不考虑概率，那么命题A“如果H0为真，那么不会出现数据结果a”成立的话，其逆否命题“如果出现了数据结果a，那么H0为假”也成立，这样的话零假设显著性检验就没有问题。
但如果在其中加入概率，命题A“如果H0为真，那么数据结果a出现的几率很小”成立，其逆否命题“如果出现了数据结果a，那么H0有很大可能为假”就不一定成立了。
例如：命题“如果一个人是美国人，那么他是美国国会议员的可能性很小”是成立的，但是其逆否命题“如果一个人是美国国会议员，那么他很可能不是美国人”显然就不成立。

有2个因素会影响根据p(D|H0)推断p(H0|D)的准确性——第一，H0和H1各自为真的“先验概率”；第二，统计检验力。
先验概率

Cohen举了一个形象的例子：成年人精神分裂症发病率为2%，现在有一个诊断精神分裂症的方法，据估计其对精神分裂症患者做出阳性诊断的几率至少为95%，判断阴性的准确率大约为97%。我们假设H0：诊断对象正常；H1：诊断对象患有精神分裂症，即P(判断阴性|H0)≈0.97，P(阳性诊断|H1)＞0.95。
看起来这个诊断很准确。这似乎说明假如H0为真，即诊断对象正常，我们做出阳性诊断的几率小于0.05，那么在我们做出一个阳性诊断的时候，就应该拒绝H0，所以诊断对象患有精神分裂症。但事实真的是这样吗？


根据这个数据，P(阳性诊断|H0)确实小于0.05，但是P(H0|阳性诊断)却是60%！当你做出阳性诊断的时候，只有40%的几率对象真的患有精神分裂症，其他60%都是假阳性。现在不会再觉得这个诊断准确有效了吧？
这里P(阳性诊断|H0)和P(H0|阳性诊断)的巨大差距，是由精神分裂症过低的发病率（2%），也就是H1成立的先验概率引起的。
这个例子看起来可能有点不恰当。对每一个个体，都可以进行一次H0是真，还是H1是真的判断，这与推断统计的现实情况确实不太一样。但其实，我们可以把这个例子里的每一个个体都当做一次抽样，并把诊断当做一个连续的变量，也即达到一定标准后诊断为阳性。
我们可以画出H0为真和H1为真时的抽样分布图：


图中蓝色阴影部分占整个H0分布的比例，即假设H0为真，诊断阳性的概率，也即P(D|H0)，小于0.05（原谅笔者拙劣的画图技能），但我们真正想知道的是当我做出一个阳性诊断的时候，诊断对象究竟是精神分裂症患者还是正常人，也即P(H0|D)，在图中当做出阳性诊断时，对象是正常人的几率，其实是蓝色阴影部分占红色、蓝色阴影部分之和的比例。在这个例子中，这一比例高达60%。
这是因为精神分裂过低的发病率引起的，体现在图中也就是H1的分布比H0矮太多，如果H1的分布高一些，那么P(H0|D)就会减小一些。
统计检验力

我们先来回顾一下零假设显著性检验中一些基本概念。
第一类错误α：错误拒绝H0假设，也即H0假设为真，却拒绝H0假设的概率。
第二类错误β：错误接受H0假设，也即H0假设为假，却接受H0假设的概率。
而检验力是1-β，所以其定义就是，当H0假设为假，正确拒绝H0假设的概率。
要计算得到了显著的结果，那么H0为真的可能性，可以用一种理论上的算法：

首先，我们需要假定一个抽象的值，即当我们提出一个假设的效应，这个效应真实存在的先验概率R。在科学研究中，我们提出的假设自然不会都是在现实中存在的效应，这个先验概率因学科而不同，硬科学可能更高，软科学可能更低；也受到提出假设根据的理论的好坏影响，理论越好，假设的效应真实存在的几率也就越高。
以我熟悉的心理学为例。目前为止，心理学界所有研究平均的检验力大概只有30%到40%，我们就假设检验力1-β为0.3。我们再假设我们提出的假设效应真实存在的概率R为0.3，也即我们提出10个假设，其中有3个是真实存在的效应，对于心理学这门软科学来说，这个估计不算低了。
那么现在，我们得到的所有显著结果(P(D|H0)&lt;0.1)可以分为以下两类：
1.真实存在的效应，也即H0确实为假，检验力决定我们正确拒绝H0假设的概率。在所有研究中占的比例为R*(1-β)=0.09。
2.其实并不存在的效应，也即H0为真，却因为第一类错误被探测为显著。在所有研究中占的比例为(1-R)*α=0.07
那么在这种情况下，我得到一个显著的结果，说明效应真实存在的概率就是0.09/(0.09+0.07)=56.25%，比0.9小了很多，而另外的43.75%都将是假阳性结果，也就是说结果显著，但真实的效应并不存在。

从这个计算过程就可以看出来，显著的效应真实存在的概率由先验概率R和检验力共同决定。
在上面的例子中，如果R不变，检验力由0.3提高到0.8，那么显著的效应真实存在的概率将提高为0.24/(0.24+0.07)=77%。
在此基础上，R提高到0.5，也即两个假设的效应中就有一个真实存在，这时显著的效应真实存在的概率才接近90%。
&lt;hr/&gt;那么回到地震的研究，对于这个数据并不充分、显得粗糙的研究，你认为它的先验概率和统计检验力处于怎样的水平呢？
统计检验力必然不高，先验概率难有公论（地壳运动的联动可能存在，但为什么一定是后3年内？），但至少就我所见，在得到0.1水平上的显著结果的基础上，推论关系真实存在面临的风险，远大于10%。

参考
Cohen, J. (1994). The earth is round (p&lt;. 05). American psychologist, 49(12), 997-1003.
Button, K. S., Ioannidis, J. P., Mokrysz, C., Nosek, B. A., Flint, J., Robinson, E. S., &amp; Munafò, M. R. (2013). Power failure: why small sample size undermines the reliability of neuroscience. Nature Reviews Neuroscience, 14(5), 365-376.

我是这篇文章的作者，本欲发出预警便完事，但这两天知道我马甲的人把我电话都打爆了，所有人都在刨根问底，好吧，那就再说几句，权作补充回答。
为什么会有这篇文章，我在文中已有说明，因为我住在成都，亲历512，那段经历刻骨铭心。而土叙地震发生后，我突然记起似乎曾看过一篇论文，其课题正是欧亚地震带活动与中国地震活动的关联性研究。
然后我便找到了这篇论文，细读之后，顿时惊出一身冷汗。
坦白说，在要不要马上写篇文章将此信息通报给社会这个问题上，当时我个人是有犹豫的，我很担心，一旦讲明该篇论文得出的最终结果后，会增加人们的担忧。
但我也知道，这篇论文发表于9年前，在无数地震相关的文章中根本不起眼，若非我特意去寻找，几乎不会有人知道它的存在。
在此情况下，如果我不写这篇文章，无论是国家和人民，都可能会对那可能来临的危险一无所知。
所以在找到那篇论文后，我十分为难——我到底要不要写这篇文章，向公众提前发出预警？
换成一些对流量极度渴望或极度想红之人，可能会对这种发现欣喜若狂，但在下恰恰相反，对于这样一个发现，我犹豫了。
我在各大平台粉丝并不少，一篇文章有个几十百来万阅读算是常事，所以我深知这其中的利害关系，文章越有影响力，就越要谨慎为之。
在写之前就要通盘考虑，文章发出后，会对社会产生什么样的影响，无论是正向影响还是负面影响，都要提前作出预判。
被喜欢你的粉丝关注，这不仅仅是荣誉或利益，它同样是一种责任和义务。粉丝越多，越要如履薄冰！
然后我便过了几天暗无天日的日子，愁云惨淡、百般纠结。
我也曾想过，通过其他途径上报或干脆直接找上地震局，请他们注意论文所述之事。
但这个想法很快便被我否决了，熟悉体制的我很清楚，即使我巴巴地跑去提出建议，且不说层层上报这种事的复杂和困难程度，就算消息最后传到了具有足够权限之人的手里，能得到多少重视都还是未知数，原因很简单，我不属于地震研究那个圈子里的人员。
所以我最终还是选择了公开发文，不为其他，只因我深爱着这片生我养我的土地，发出此文，就是希望这件事引起有关部门的重视，向十四亿同胞发出预警。
我们可以害怕天灾，但我们决不能畏惧真相！
在面对大自然的伟力时，我们是渺小的，也是不值一提的，但是，我们也是永不屈服的！
在多年前512的救援现场，我曾亲眼目睹一名年轻美丽的母亲与她两岁左右孩子被刨出时的情景。
这位母亲将女儿的小脸紧紧贴在自己的胸口，一只手死死把女儿护住，另一只手虽已骨折断掉，但她仍用可使上力气的肘部努力撑着10厘米厚的水泥板，只为给女儿腾出一点活命的空间。
在这对母女被刨出时，已双双不幸离世，在沉默的泪珠滑下我脸颊的同时，我的心里也有了一丝若有若无的明悟。
我们可以死在废墟之下，也可以倒在血泊之中，但却永远不能失去抗击灾难的勇气！
这位柔弱的母亲尚可在临死前为自己的女儿撑出一点生命的空间，难道今时今日，我们亿万国人，就丧失正视和抗争灾难的勇气了么？
所以我最终还是写了这篇文章，即使要赔上我苦心经营多年的那几个平台帐号，也心甘情愿。
当然，我还是有点私心的，在写完文章后，我只发在了其他平台，没有发在知乎。只因我使用知乎的时间最长，同时也是知乎盐选专栏的签约作者，这里算是我最后的自留地，写了这么久的文字， 总得给自己留下点什么。
最后，感谢环球时报的跟进报道，以及中新网、澎湃新闻等媒体对报道的转发。
我知道，文章发出后，一些人大概会产生不必要的担心，所以我在文中坦诚讲，希望公众能正常看待论文结果一事，然终究人单影只，力量有限。
好在文章发出后，环球时报及时采访国家地震局相关专家，进行了合理解答，告诉大家无需恐慌。
有央媒发出此庙堂之语，想必会打消不少人的顾虑，同时也解了我这两天来的一块心结，感谢，万分感谢！
也罢，就聊到这里，祝大家情人节快乐！（单身人士这句可以不看）
附之前发出文章的原文：
国家地震局核心研究论文显示：土耳其大地震可能致中国3年内发生7-8级强震

统计没学好，谬论满天跑！

很失望，没有一位答主指出这篇论文在统计分析和结果解读上的「严重错误」！
@随狂风去 则是网络文章的作者，亲历5·12、希望地震得到及时预警的心情可以理解。但对不起，科学讲的是证据，而不是情绪。这篇论文漏洞百出，结论完全不足为信，也根本不是真相！
看到 @知乎日报 发想法征集回答，我从纯粹的「统计学」角度怒答一波！
这篇文章的作者来自“中国地震局地球物理研究所”，但在解读统计结果时犯了一个最低级的错误：混淆了假设检验中的Ⅰ类错误（α）和Ⅱ类错误（β），错误解读了统计显著性p值的含义——这应该是每个心理学专业大二学生都必须搞清楚的基础统计知识，但确实有很多人是分不清的，甚至包括所谓的“专家”！



知网论文截图

截止到撰写本回答，这篇论文在知网的下载量只有寥寥100多次。我阅读了原文，发现此文的方法和结果都极其简略和粗糙。问题描述中说这是“一篇发表于国家地震研究核心权威期刊《地震》上的论文”——期刊权不权威，我不了解，但可以肯定的是，此文作者的统计压根没学好！
贴一下原文截图：



文献原文截图

@麦兜都行 对这个问题的公共编辑更是让这篇论文的谬误越传越离谱！



对“显著性水平”的理解完全错误！

下面，我将从三个方面批判这篇论文的统计分析和结果解读。
问题1：错误解读了「统计显著性」的含义

任何一个学过统计学假设检验的人都知道p值，但任何一个知道p值的人都可能没有真正理解p值的含义。
此文作者的原话是：

利用χ²检验方法对其显著性进行了检验……这个关系在10%的显著水平下通过检验。尽管上述结果通过了显著性检验，但显著水平为10%，这就意味着如果以这个结果进行决策，面临的风险是10%，其正确的可能性为90%。

好了，错上加错——作者既没有理解Ⅰ类错误（α），可能也压根不知道Ⅱ类错误（β）！



Ⅰ类错误（α）vs. Ⅱ类错误（β）



Ⅰ类错误（α）vs. Ⅱ类错误（β）

（图片来源：Understanding Type-I and Type-II Errors in Hypothesis Testing）
划重点（说人话）：

• Ⅰ类错误（α）：其实没有影响，但你却说有影响（“医生误以为大肚男子怀孕了”/“好人无罪，却冤枉了好人”）——也叫“弃真错误”，指“错误拒绝了真的零假设”
  
• Ⅱ类错误（β）：其实有影响，但你却说没有影响（“医生误以为怀孕女子没怀孕”/“坏人有罪，却放过了坏人”）——也叫“取伪错误”，指“错误接受了伪的零假设”
  
• α 也叫“显著性水平”，用于判断结果的统计显著性（p值）是否达到要求，一般可以设为.05或更小
  
• 1 – β 也叫“统计检验力”，用于衡量我们正确得到“显著”结论的概率，一般可以设为80%或更高
  

可见，此文作者既没理解「显著性水平 α」（“决策面临的风险是10%”中的10%只是Ⅰ类错误概率，并不能泛化到地震预警决策的所谓“风险”），也没理解「统计检验力 1 – β」（“其正确的可能性为90%”中的90%其实是1 – α，而不是做出正确的地震预警决策的概率1 – β）。而且由于该研究的样本量很小，其真正的统计检验力（1 – β）可能极低！

补充说明：Ⅰ类错误和Ⅱ类错误，有时也被译为“弃真错误”和“取伪错误”，但这种翻译很容易造成误解（详见评论区）。这里的「真伪」是指「零假设（null hypothesis）」的真伪，而不是我们做出的任何备择假设的真伪；「零假设」大部分情况下是指无效应、无影响、无差异、无关、无罪、没怀孕等代表某件事「不存在」的假设——因为从哲学角度来说，我们永远无法证明一件事不存在，只能收集足够充分的证据证明一件事存在，从而证伪零假设；如果证据强度不足，则无法证伪零假设，只能“疑罪从无”。

知乎上某些答主对此是存在误解的，比如这篇文章和这篇回答。

p值 = 零假设成立的条件下获得当前结果的概率

α 只是我们设定的“显著性水平”，但结果是否达到统计学意义的“显著”，还要看统计量的p值。
此文作者选用了χ²检验，核心结果的χ²(df=1) = 2.85，p = .091——按照大多数研究使用的α = .05标准，实际上只能算“边缘显著”（marginally significant），这种结果拿出来是要饱受诟病的，可重复性非常值得怀疑！
当然，作者并没有报告「精确p值」，而是选了一个非常宽松的显著性水平（.10）进行人为的二分判断——可以理解，2014年大家都还不习惯报告精确p值；然而，时过境迁，现在学术界已经不建议对结果的显著性进行“显著”或“不显著”的二分判断，因为实际上α = .05也只是一个人为随意设定的水平，并不是科学的金标准！（p = .049和p = .051本质上没多大区别！）



如何正确理解统计显著性（p值）？

对相关统计问题感兴趣的读者，可以延伸阅读我的其他回答：
一枚硬币，扔了一亿次都是正面朝上，再扔一次反面朝上的概率是多少？统计学上标准差与标准误的区别与联系是什么？问题2：时间序列因果 ≠ 真正的因果关系

此文作者实际考察的是“欧亚带地震能量比高于50%且有8级地震发生与其后3年内中国大陆发生多次7级以上地震或8级地震的关系”。
要注意，这只是时间序列上的先后顺序，计量经济学称之为「格兰杰因果（Granger causality）」。
格兰杰因果只是真正因果关系的「必要不充分条件」，只能说明一种时间先后顺序上的关联。
比如，我们小学二年级就知道“蜻蜓低飞要下雨”，蜻蜓低飞可以“预示”下雨，但绝不是下雨的真正原因，其背后可能有导致两者共变的混淆因素。
对这个问题感兴趣的读者，可以延伸阅读我的另一篇回答：
如何看待汪峰老师的汪峰定律？当然，作者并没有真的进行格兰杰因果检验，只是简简单单做了个频次统计和卡方检验。
因此，我们并不能从结果中推论是否存在格兰杰因果，也就更无从推论真正的因果关系。
问题3：方法本身可能不妥

以上只是指出了这篇论文表面上比较明显的问题。实际上，回到方法本身，还有很多难以觉察的问题，下面随便列举几个：

• 为什么是“以3年的时间窗划分成N个时间段”？选取3年（而不是1年、2年）有何依据？选取不同标准能否得到一致的结果？
  
• 判断地震严重性的标准是“发生多次7级以上地震或（至少一次）8级地震”，这一标准有何依据？选取不同标准能否得到一致的结果？
  
• 概率的基线水平（“地震的自然概率”）是以“时间段”占比（= 发生过严重地震的3年时间窗数量 / 所有的3年时间窗数量）来计算的，而不是直接统计地震频率，这一做法很tricky。
  
• 没有报告标准化效应量（相关有多大），统计显著性 ≠ 现实重要性，况且结果只是边缘显著。
  
• ……
  

总之，这篇论文水分很大，完全不可能是一篇权威论文，很可能是作者百般尝试各种算法后“凑”出来的一个刚好“边缘显著”的结果，简称“P-hacking”（通过灵活的方法和操纵，使结果达到统计上的显著）。
一句话概括：方法漏洞百出，解读严重错误，结论毫无信度。

本来不担心的，但是专家一说“无需恐慌”，我就开始恐慌了。感觉和反向辟谣的效果差不多。
不过其他事情还能预防，地震只能听天由命，恐慌也没用了。

这个其实是一个数学的统计学结果，暂时是没有发现其在地质学上有相关性的。因此我们在使用这一个结论时候应该是慎重的，多加考虑的。
据1900年以来我国大陆地震记录，平均10到12年，我国大陆就会发生一次八级左右地震，而七级以上地震平均下来几乎是每隔1.5-2年就会发生一次，因此在欧亚带不管发不发生八级地震，我国大概率在三年内都会有七级地震，这种相关性结论参考意义并不大。
论文的结尾也提到了：
尽管上述结果通过了显著性检验，但显著水平为10%，这就意味着如果以这个结果进行决策，面临的风险是10%，其正确的可能性为90%。另一方面，我们对这个结果所隐含的物理原因或其影响因素尚不清楚，如果这些原因或因素发生了变化，这个结果可能就会失效，所以，对于地震趋势分析来说，在实际应用这个结果时应慎重而为。
附原文：


另外，需要说明的是，我国自2008年以来连续14年没有发生过八级左右地震，自2014于田地震（恰好今天是于田2月12日7.3级地震9周年）以后至今，七级地震也就发生了俩次，分别是九寨沟7.0和玛多7.4，大地震频率远远低于我国自上个世纪以来的平均大地震活动水平，这说明我国至少过去十年内处于大地震较为平静期，而未来是否会转为活跃？答案是肯定的，平静期终会结束的。但是活跃期究竟是什么时候？由哪一个大地震开启，这谁也不知道。
土耳其发生大地震不太可能会直接影响到我国大陆大地震的发生与否，但是土耳其大地震的严重受灾情况给我们敲响了警钟，房屋质量和防灾救灾演练是必须要保障的。
更新：


在其他平台我发现也有博主介绍这个论文，整体上其实论文确实没有什么问题，我的看法仍然是欧亚大陆八级地震和我国七级地震之间存在这种数学联系其实很容易得出因为我国七级以上地震发生概率并不小，整体上无论土耳其是否发生强烈地震，我们都应该做好防御大地震的准备。