似然的前世今生：给临床医生的「似然」深度导读

综合改写自三篇文献：

• Stigler, S. M. (2007). The Epic Story of Maximum Likelihood. Statistical Science, 22(4), 598–620. —— 提供两百年的历史脉络
• Etz, A. (2018). Introduction to the Concept of Likelihood and Its Applications. Advances in Methods and Practices in Psychological Science, 1(1), 60–69. —— 提供核心概念的直觉框架
• Cox, D. R. (1975). Partial Likelihood. Biometrika, 62(2), 269–276. —— 提供生存分析里"偏似然"的原始定义

本文不是任何一篇的翻译，而是面向临床医生读者的整合重构。数学定义忠实于原文，例子和讲法为临床场景重新设计。

全文地图

第一部分：似然不是概率，虽然长得很像

概率：假设固定，数据在变

假设你面对一枚硬币。你假设它是公平的（正面概率 0.5）。你抛 10 次，会得到各种可能的结果：0 正 10 反、1 正 9 反……一直到 10 正 0 反。在「公平硬币」这个假设下，每一种结果出现的概率，就是概率。

这就是概率的思维方式：假设固定，数据自由变化。

似然：数据固定，假设在变

现在反过来。你已经抛完了 10 次，观察到 6 正 4 反。数据钉死了。现在你开始问：如果这枚硬币正面概率是 0.5（公平），得到这个数据的可能性是多少？如果是 0.6 呢？如果是 0.75 呢？

每一种假设（p = 0.5、p = 0.6、p = 0.75……）都对应一个「说得通程度」，这个「说得通程度」就是似然。

核心区别：

• 概率：$P(\text{数据} \mid \text{假设})$ —— 假设定了，看数据怎么变
• 似然：$L(\text{假设} \mid \text{数据})$ —— 数据定了，看假设怎么变

为什么要专门造一个新词？ 这不是文字游戏。19 世纪的做法（包括高斯本人）是把"让数据概率最大"包装成贝叶斯后验众数——需要先给参数假设一个先验分布。费雪 1922 年的关键动作，就是把这套逻辑从贝叶斯框架里剥离出来，专门造了"似然"这个词，让你不需要先验、不需要谈"参数的概率"，就能问"哪个假设更被数据支持"。这个概念上的独立，是整部历史里最重要的一步，第四部分会细讲。

临床版翻译

想象你在急诊接诊一位腹痛患者。

• 概率的思维方式：「如果这是阑尾炎，患者表现出右下腹压痛的概率是多少？」—— 你假定诊断（阑尾炎），看症状怎么分布。
• 似然的思维方式：「患者已经表现出右下腹压痛，这是阑尾炎的似然有多大？是肠梗阻的似然又有多大？」—— 症状已经看到了，你在各种诊断假设之间比较。

记住一句话：概率问的是「假设成立时数据会怎样」；似然问的是「数据已定时哪个假设更说得通」。

第二部分：似然是用来「比」的——似然比（Likelihood Ratio）

单独一个似然值没有意义

假设公平硬币（p = 0.5）在你观察到 6 正 4 反时的似然是 0.21。这个 0.21 有什么意义？

单独看，没什么意义。 因为似然里有一个「任意常数」——你可以整体放大或缩小所有假设的似然值，比较结果不会变。所以，似然只有在比较中才有意义。

似然比：最直接的证据度量

你把两个假设的似然一除，得到的叫似然比（Likelihood Ratio, LR）。

比如：

• 公平硬币假设（p = 0.5）的似然：0.21
• 偏硬币假设（p = 0.75）的似然：0.15

似然比 $LR(0.50, 0.75) = 0.21 / 0.15 \approx 1.4$

意思是：在 6 正 4 反这个数据下，公平硬币假设比偏硬币假设「说得通」1.4 倍。

等等，这不就是诊断学里的「似然比」吗？

恭喜你，完全正确。

临床流行病学里的「阳性似然比」和「阴性似然比」，本质上就是统计似然比在诊断场景里的应用：

• 阳性似然比 = 真阳性率 / 假阳性率 = $P(\text{阳性} \mid \text{有病}) / P(\text{阳性} \mid \text{无病})$
• 如果 LR+ = 10，意味着「患者出现阳性结果」这件事，在「有病」假设下的可能性是在「无病」假设下的 10 倍。

所以，你早就会用似然比了。只不过统计学家把它从诊断场景推广到了所有假设比较的场景。

一个更直观的临床例子

假设你正在评估某种新降压药。

• 对照组（安慰剂）100 人，收缩压平均下降 5 mmHg。
• 试验组（新药）100 人，收缩压平均下降 15 mmHg。

你问：如果新药真的有效（假设 H1：两组差异 = 10 mmHg），观察到这种数据的概率是多少？如果新药和安慰剂没区别（假设 H0：差异 = 0），观察到这种数据的概率又是多少？

两个概率一除，就是似然比。它直接告诉你：当前数据支持「新药有效」的程度，是支持「新药无效」的多少倍。

第三部分：从两个假设到所有假设——似然函数

一条曲线，包罗万象

上面我们只比较了两个假设（p = 0.5 和 p = 0.75）。但如果我想知道所有可能的假设（p 从 0 到 1）各自有多说得通呢？

把每个 p 值对应的似然画成一条曲线，这就是似然函数（likelihood function）。

同样是观察到 60% 正面率，但样本量不同——

对临床研究的启示：小样本研究里，即使点估计看起来很大（比如某疗法让血压平均下降 30 mmHg），似然函数可能是很宽的——也就是说，「真效应很大」和「真效应中等」这两个假设的似然可能差不了多少。没有足够样本量，你很难精确说清效应到底有多大。（第五部分会告诉你，这条曲线的"宽窄"其实就是论文里 SE 的来源。）

峰值在哪？极大似然估计（MLE）

似然函数的顶点——也就是「最说得通」的那个假设——叫极大似然估计（Maximum Likelihood Estimate, MLE）。

在二项分布（抛硬币）的例子里，MLE 恰好就是样本比例：60 正 100 抛 → MLE = 0.60。这在直觉上很合理：如果 60% 抛出了正面，那最「说得通」的假设就是这枚硬币正面概率是 60%。

在临床研究中，你读到的绝大多数「点估计」——回归系数、风险比（HR）、比值比（OR）——本质上都是某个统计模型的 MLE。

第四部分：似然从哪来——一部两百年的科学史诗

这部分回答的是原稿完全没碰的问题：为什么统计学家要专门发明"似然"这个词、这套理论是怎么一步步成熟起来的、又是怎么和你今天读的 Cox 回归论文连在一起的。Stigler (2007) 把这段历史写成了一部"美丽理论 vs 讨厌的小事实"的史诗，这里做一个浓缩版。

4.1 前史：150 年的直觉，没有理论（1769–1809）

**拉格朗日（1769）**处理多项分布估计时，证明了让观测数据概率最大的参数取值，正好是样本相对频率——用今天的话说，这已经是最大似然的雏形。但他随后又对这些概率强加了一条对称误差曲线的假设，结果绕回了普通的算术平均数——一个用最大似然开头、用矩估计结尾的奇特案例。

丹尼尔·伯努利更早（1769）尝试过用误差曲线做权重、迭代加权平均（很像今天的稳健 M 估计）；1778 年，可能是受了拉普拉斯 1774 年一篇备忘录的启发，他改变思路，把各次观测的密度连乘，寻找使乘积最大的值——这是历史上第一次清晰地写出"乘起来求最大"这个动作，但依然只是孤立的探索，没有人问过"这样做凭什么是对的"。

**高斯（1809）**在最小二乘法的奠基论文里给出了当时哲学上最站得住脚的处理：他明确采用贝叶斯框架，假设一个均匀先验，求后验分布的众数。在正态误差假设下，这恰好等价于让数据的概率最大——于是导出了最小二乘法。这套"高斯方法"统治了整个 19 世纪的教科书，但它本质上是套着贝叶斯外衣的技巧，从未被当作一个独立的、不需要先验的原理去审视。

4.2 皮尔逊与费隆埋下的伏笔（1898）

Karl Pearson 和 L. N. G. Filon 试图为一般的参数估计问题（他们还没有用"参数"这个词）找到误差公式，方法是把似然比取对数展开成泰勒级数，再对系数取极限。这个取极限的步骤有一个隐蔽的数学错误，而且他们把由此得到的公式不加区分地用到了各种估计方法上（尤其是矩估计），结果在很多例子里给出了错误答案。这篇论文本身是个"烂摊子"，但足够大胆、足够有启发性——它直接触发了年轻的费雪去思考这个问题。

4.3 费雪登场：从含混的直觉到清晰的"似然"（1912–1922）

1912 年，费雪的第一篇论文还带着朴素的贝叶斯色彩，赞美"高斯方法"的一个不变性质，却没意识到自己举的例子里藏着逻辑矛盾。

1916 年，费雪写信批评 Kirstine Smith 的一篇论文，被皮尔逊拒稿。皮尔逊的拒稿信点中了要害：你凭什么说"让概率密度最大"这件事是有说服力的证据？密度不是概率，只是一个无穷小的量，凭什么用它来做决策的依据？

1918–1920 年，费雪在研究如何估计正态分布标准差时，发现了"充分性"（sufficiency）这个概念——一个统计量如果是"充分"的，就意味着它已经榨干了样本里关于参数的全部信息，再看原始数据也不会多知道什么。

1921 年（在皇家学会宣读）、1922 年（正式发表）的《统计学理论基础的数学问题》是整个故事的分水岭。费雪在这篇论文里正式提出并定义了"似然"（likelihood）这个词——刻意与"概率"区分开来，让你不需要先验分布、不需要谈"参数本身的概率"，就能纯粹依据数据来比较不同假设的可信程度。他在预印摘要里大胆断言："用最大似然法得到的统计量永远是充分统计量"。这个断言后来被证明是错的，但从这个（错误的）出发点，他给出了第一个证明：如果充分统计量存在，最大似然估计就等于它，而充分统计量在均方误差意义上是最优的。值得一提的是，费雪自己在论文正文里坦承，他并不满意这个证明的数学严格性。

4.4 费雪的第二、三次证明：效率与费雪信息的诞生（1925、1930）

1925 年，费雪意识到充分统计量并不总是存在，于是换了个角度重新论证——这次围绕"效率"（efficiency）而不是"充分性"。他定义了得分函数（score function，对数似然对参数的导数）和费雪信息（得分函数的方差，衡量的是对数似然曲线在峰值附近有多"陡"），并用一个类似方差分析分解的技巧证明：任何一致且渐近正态的估计量，其渐近方差都不可能小于 1/费雪信息——这个"信息不等式"就是后来被称为 Cramér–Rao 下界的雏形。同年他还提出了"辅助统计量"（ancillary statistic）的概念。

1930 年，与费雪通信的经济学家霍特林（Harold Hotelling）用一个几何图像逼问费雪：数据点在参数空间里投影到一条曲线上，最大似然估计对应"最近的投影点"——但你怎么证明这个投影点在所有一致估计量里方差最小？霍特林隐约已经预见到了后面会发生的事情。费雪的回信给出了第三个证明，但这次他悄悄把适用范围收窄到了一类特殊的、行为良好的估计量——某种程度上是绕开了挑战，而不是正面回应。

4.5 一个"讨厌的小事实"：超效率（1930–1951）

赫胥黎曾经形容一个"被丑陋事实杀死的美丽理论"，Stigler 用这句话来形容最大似然理论遭遇的第一次真正打击。Joseph Hodges 在 1951 年构造了一个反例：在参数真值恰好等于零的那一点，一个把估计值向零收缩的估计量，渐近方差居然比最大似然估计还要小——这被称为"超效率"（superefficiency）。Lucien Le Cam 1953 年发表并严格证明：这种反常现象只能发生在测度为零的一小撮参数点上，某种意义上"伤得不重"，但它确凿无疑地打破了"最大似然永远最优"这个断言。

💬 这个例子后来被视为查尔斯·斯坦（Charles Stein）1955 年"收缩估计"（shrinkage estimation）的早期预兆——向某个先验方向收缩可以在特定条件下改善估计，这个思路在现代的岭回归、贝叶斯层级模型里随处可见。

4.6 另一个警示：Neyman–Scott 不一致估计（1948）

这是对临床统计特别有实际意义的一个例子。当模型里"讨厌参数"（nuisance parameter，你不关心但必须一起估计的参数）的数量随样本量一起增长时，最大似然可能连最基本的一致性都保不住。经典例子：每一对观测各自有自己的未知均值，但共享同一个未知方差——无论样本多大，方差的最大似然估计都会稳定收敛到真实方差的一半，永远修正不回来。

对临床研究者的启示很直接：如果你的模型给每个受试者、每一层、每一个中心都单独估计一套参数，而这些参数的数量随样本量一起膨胀，那么普通的最大似然估计可能会系统性地给出偏倚结果——这正是第七部分要讲的 Cox 回归需要"偏似然"这个特殊技巧的根本原因。

4.7 严格化：瓦尔德与克拉美（1940s）

Abraham Wald 和 Harald Cramér 在这之后把费雪跳过的技术条件一一补齐，把证明提升到了现代数学期望的严格程度。代价是条件变得繁琐——严格到甚至连"估计正态分布标准差"这种基本例子都被排除在某些证明的适用范围之外。这也是为什么直到今天，教科书在介绍最大似然的"最优性"时，往往会用"在正则条件下"这样的限定语——这句限定语背后就是这几十年补漏洞的历史。

4.8 现代扩展：Cox 的偏似然，为生存分析量身定做（1972–1975）

历史讲到这里，终于可以直接接上你天天读的肿瘤学论文了。D. R. Cox 在 1972 年提出比例风险模型时，遇到了和 Neyman–Scott 例子结构上完全相同的困境：模型里的基线风险函数 λ₀(t)（不同时间点上的基础风险水平）是一个不知道具体形状、随时间变化的"讨厌参数"——而且是无穷维的，比 Neyman–Scott 例子里"每对观测一个均值"还要棘手。如果老老实实写出完整似然函数，你需要同时估计 λ₀(t) 在每一个观测到的事件时间点上的取值——参数数量随样本量一起膨胀，正是最大似然容易失灵的场景。

Cox 的解法极其巧妙：不去问"这个人在这一刻死亡的绝对概率是多少"（这需要知道 λ₀(t)），而是问一个条件概率——"已知在这一刻有人发生了事件，是这个特定的人而不是其他仍在观察中的人，这个概率是多少？"这个条件概率里，λ₀(t) 会从分子分母里完全约掉。把这些"是谁发生了事件"的条件概率沿着所有事件时间点连乘起来，就得到了偏似然（partial likelihood）。你只需要对这个偏似然求最大值，就能得到协变量效应 β（也就是风险比 HR = exp(β)）的估计，全程不需要知道 λ₀(t) 长什么样子。

Cox 1975 年这篇论文的贡献，是把这个技巧从比例风险模型的特例里抽象出来，正式定义了"偏似然"这个一般概念，并且证明了一个让人安心的结果：即便偏似然不是"完整"似然，最大似然那一整套渐近理论——渐近正态、似然比检验、Wald 检验——依然成立。这就是为什么你打开任何一篇 Cox 回归论文的结果表，看到的 HR、SE、Wald 检验统计量、p 值，格式和普通回归模型输出的表格几乎一模一样。第七部分会用一个具体的小样本例子把这个机制完整走一遍。

4.9 历史给我们的教训

两百多年里，从拉格朗日到费雪到瓦尔德再到 Cox，这套理论经历过被证明是错的（费雪 1921 年的断言）、被反例打脸（超效率）、暴露过真实的失效场景（Neyman–Scott）。但它至今仍是现代统计里用得最多、最有用的工具之一——不是因为它完美，而是因为经过这两百年的争论，我们现在清楚地知道它在什么条件下可靠、在什么条件下需要小心（讨厌参数太多、样本太小、模型边界问题）。这正是理解统计方法应有的态度：不是盲目信任一个"最优"标签，而是理解这个标签背后有哪些前提条件。

第五部分：似然函数的「尖锐程度」——费雪信息与标准误

前面说过，样本量越大，似然函数越"尖"。现在把这句直觉变成一个你每天都在用的数字：标准误（SE）。

对数似然函数（似然函数取对数，把连乘变成连加，数学上更好处理）在峰值（也就是 MLE）附近的曲率——弯曲得有多急——衡量的正是数据对这个参数了解得有多"确定"。这个曲率的负值，就叫费雪信息（Fisher Information），记作 $I(\theta)$：

$I(\hat\theta) = -\frac{\partial^2 \ell(\theta)}{\partial \theta^2}\bigg|_{\theta=\hat\theta}$

其中 $\ell(\theta) = \log L(\theta)$ 是对数似然。曲线越尖（信息越大），标准误越小：

$SE(\hat\theta) \approx \frac{1}{\sqrt{I(\hat\theta)}}$

这就是你在每一张回归结果表里看到的 SE 的真实来源。 论文的方法学部分如果写"标准误由观测费雪信息矩阵的逆得到"，说的就是这件事。

💬 和第三部分的表格对应起来看：10 次抛掷、100 次抛掷、500 次抛掷得到的似然曲线越来越尖，对应的费雪信息越来越大，SE 越来越小，95% 置信区间也越来越窄。这不是巧合，是同一件事的三种说法。

这也解释了为什么小样本研究的置信区间总是宽得离谱——不是统计方法出了问题，而是似然函数本身就"平"，数据没能提供足够的曲率信息。

第六部分：频率派的两种武器——LRT 与 Wald 检验

既然有了似然函数，怎么拿它做假设检验？频率派统计学提供了两种主要方法。

方法一：似然比检验（Likelihood Ratio Test, LRT）

核心思路：比较两个嵌套模型的似然。

• 零假设模型：参数被固定在某个值（比如 p = 0.50，「新药无效」）
• 备择模型：参数由数据自由估计（得到 MLE，比如 p = 0.60，「新药有效」）

把两个模型的最大似然一除，取对数再乘以 2，在大样本下近似服从卡方分布。如果这个值足够大（p < 0.05），就拒绝零假设。

临床翻译：LRT 问的是——「允许参数自由浮动」的那个模型，比「把参数钉死」的模型，在解释数据上好多少？好得够多，我们就认为「钉死」不合理。

这个检验很容易推广到同时检验多个参数——只要把卡方分布的自由度设成被检验参数的数量即可，这也是为什么多因素 Cox 模型里的"整体似然比检验"（omnibus test）可以一次性检验一组协变量是否共同有意义。

方法二：Wald 检验

更简单、更常见：直接用 MLE 和它假设的零值之间的距离，除以标准误（SE，也就是上一部分讲的那个量）。

$\frac{\hat{\theta}_{\text{mle}} - \theta_{\text{null}}}{SE(\hat{\theta}_{\text{mle}})} \sim N(0,1)$

如果 MLE 离零值足够远（通常 > 1.96 个标准误），就拒绝零假设。

临床翻译：Wald 检验问的是——你的最佳估计值（MLE）距离「无效假设」有多远？远到碰不到，就认为有效。

LRT 和 Wald 检验的区别可以这样理解：

• LRT 看的是垂直距离——似然函数在两个点上的高度差
• Wald 检验看的是水平距离——参数轴上的距离除以标准误

大样本下二者结果趋同；小样本或参数接近边界（比如比例接近 0 或 1）时，LRT 通常更可靠。

第七部分：偏似然与 Cox 回归——为什么生存分析的 HR 不需要假设风险曲线的形状

这是原稿最欠缺、但对做肿瘤/生存分析的临床医生最有实际价值的一部分。第四部分已经讲了这个方法的历史来龙去脉，这里把机制完整走一遍。

问题：一个无穷维的「讨厌参数」

Cox 比例风险模型假设，一个具有协变量向量 $z$（比如治疗组 vs 对照组、年龄、分期）的个体，在时刻 $t$ 的瞬时风险（hazard）是：

$h(t \mid z) = \lambda_0(t) \times \exp(\beta^{\mathsf T} z)$

$\lambda_0(t)$ 是"基线风险"——协变量都取 0 时，风险随时间怎么变化，形状完全未知、任意。$\beta$ 才是你真正关心的东西（治疗效应）。

如果老老实实写出完整似然函数，你需要同时估计 $\lambda_0(t)$ 在每一个观测到的事件时刻上的取值——这正是第 4.6 节 Neyman–Scott 例子里"讨厌参数数量随样本量一起膨胀"的翻版，普通最大似然在这种情形下并不可靠。

Cox 的解法：换一个问题来问

Cox 没有去问"这个人在这一刻死亡的绝对概率是多少"（这需要知道 $\lambda_0(t)$），而是换了一个更聪明的条件问题：

已知在这一刻恰好有人发生了事件，那么是这个特定的人（协变量为 $z_{(j)}$），而不是其他仍在观察、尚未发生事件或删失的人（这群人构成"风险集" $R_j$），这个条件概率是多少？

答案是：

$\frac{\exp(\beta^{\mathsf T} z_{(j)})}{\sum_{k \in R_j} \exp(\beta^{\mathsf T} z_k)}$

关键在于：$\lambda_0(t)$ 在分子分母里完全约掉了——不管基线风险曲线长什么样，这个条件概率都不受影响。把所有事件时刻的这个条件概率连乘起来，就是偏似然（partial likelihood）。你只需要最大化这个偏似然，就能得到 $\hat\beta$（也就是 HR $=\exp(\hat\beta)$），全程不需要知道、也不需要估计 $\lambda_0(t)$。

💬 一个历史小插曲：Cox 本人在 1972 年的原始论文里，曾经把这个量称为"条件似然"，但他自己在 1975 年这篇正式定义"偏似然"的论文里承认，这个说法"相当容易引起误导"——它既不完全是条件似然，也不完全是边际似然，而是介于两者之间的一种新概念，这也是他专门写 1975 年这篇论文的原因。

一个走一遍机制的小例子

假设一个小型试验里有 3 名患者：

第 3 个月，P1 发生事件。此刻风险集 $R = \{P1, P2, P3\}$（三人都还在观察中）。条件概率：

$\frac{e^{\beta \cdot 1}}{e^{\beta \cdot 1} + e^{\beta \cdot 0} + e^{\beta \cdot 0}} = \frac{e^\beta}{e^\beta + 2}$

第 4 个月，P2 删失。删失本身不贡献任何一个"是谁发生了事件"的比较因子——它唯一的作用是从这之后所有的风险集里被移除。

第 6 个月，P3 发生事件。此刻风险集 $R = \{P3\}$——P1 已经发生过事件、P2 已经删失离开，只剩 P3 一个人在观察中。条件概率：

$\frac{e^{\beta \cdot 0}}{e^{\beta \cdot 0}} = 1$

（只有一个人在风险集里，没有别人可比较，这个时刻不提供任何关于 $\beta$ 的信息。）

整个偏似然：

$L(\beta) = \frac{e^\beta}{e^\beta + 2} \times 1 = \frac{e^\beta}{e^\beta + 2}$

统计软件做的就是找到使这个（乘上更多患者数据后更复杂的）函数最大的 $\hat\beta$，再报告 $\exp(\hat\beta)$ 作为 HR，以及基于费雪信息算出的 SE。

临床翻译

这就是为什么 Cox 模型被称为"半参数模型"——协变量效应（$\beta$，也就是 HR）是参数化的，但基线风险如何随时间变化完全不设限。这也解释了两个你可能一直没细想过的现象：

1. 为什么 Cox 模型直接给你 HR，却不直接给你某个时间点的绝对生存概率——因为 $\lambda_0(t)$ 从来没被估计过，需要额外一步（比如 Breslow 估计量）才能补回绝对风险。
2. 为什么删失数据在 Cox 模型里处理得这么"干净"——删失的人只是从未来的风险集里退出，不需要对删失机制做任何参数假设，这正是偏似然设计的初衷。

第八部分：贝叶斯视角——先验 + 似然 = 后验

频率派 vs 贝叶斯派的关键分歧

频率派说：参数是固定但未知的常数。我们用数据去「猜」它，但不给它赋予概率。

贝叶斯派说：参数本身也可以有不确定性。在拿到数据之前，我对参数有一个先验信念（prior）；拿到数据之后，我用似然去更新这个信念，得到后验信念（posterior）。

贝叶斯定理的核心

$P(\theta \mid D) \propto P(\theta) \times P(D \mid \theta)$

用中文说：后验 ∝ 先验 × 似然

似然在这里扮演什么角色？它是更新因子——告诉你：新数据出现后，你应该怎样调整你原来的信念。

💬 有意思的是，这条路正好和第四部分讲的历史"绕了一圈"——高斯 1809 年用的就是先验 × 似然求后验众数这套贝叶斯逻辑，费雪 1922 年费尽心思把"似然"从这套逻辑里剥离出来做成一个不需要先验的独立概念。而现代贝叶斯统计，又把费雪剥离出来的这个"似然"重新嵌回了贝叶斯框架——只不过这一次，似然的定义和作用都已经被两百年的争论打磨得非常清楚了。

一个临床化的例子

假设你正在评估某种新化疗方案对晚期肺癌的疗效。在开展你自己的临床试验之前：

• 先验：基于已有文献和小样本 II 期试验，你认为客观缓解率（ORR）大概在 20%–40% 之间，中心估计 30%。这可以用一个 Beta(25, 25) 分布来表示。
• 新数据：你做了 100 例，观察到 60 例缓解。
• 似然：100 例中 60 例缓解的数据，对应的二项似然函数。
• 后验：先验 × 似然，归一化后得到 Beta(85, 65)。

后验分布的峰值（MAP 估计）大约在 0.568，而不是频率派 MLE 的 0.60。为什么？因为先验在「拉」你——它说「别急着相信 60%，以前的数据说 30% 左右更合理」。

这就叫向先验收缩（shrinkage）——和第 4.5 节里 Hodges 超效率估计"向零收缩"用的是同一个数学直觉。在小样本研究中，贝叶斯估计通常比纯 MLE 更准确，因为它借用了外部信息。

什么时候先验很重要？

• 样本量大时：似然函数很尖锐（费雪信息大），先验的影响被「淹没」。
• 样本量小时：似然函数很平坦（费雪信息小），先验的影响很大。

这也是为什么在罕见病、小样本临床研究中，贝叶斯方法越来越受欢迎——它让你诚实地借用既往知识，而不是假装一切都从零开始。

第九部分：贝叶斯因子（Bayes Factor）——跨模型的证据比较

似然比的推广

之前我们比较的是两个具体的参数值（比如 p = 0.5 vs p = 0.75）。但如果我们想比较的是两个模型呢？

• H0：「新药无效」模型（p 固定为 0.5）
• H1：「新药有效」模型（p 可以在 0–1 之间自由取值，但带有一个先验分布）

这时候就不能简单地拿两个似然一除了。H1 没有「一个」似然值，它有一整族可能的 p 值。

贝叶斯因子的本质

贝叶斯因子（Bayes Factor, BF） 是这样处理的：

$BF_{10} = \frac{P(D \mid H_1)}{P(D \mid H_0)}$

其中 $P(D \mid H_1)$ 是把 H1 下所有可能的参数值，按先验概率加权平均后得到的「平均似然」（也叫边际似然或证据）。

有一个漂亮的等价关系：贝叶斯因子 = 似然比在先验分布下的期望。也就是说，BF 是所有可能参数值处的似然比，按你事先认为这些参数值有多合理来加权平均。

临床解读

• BF = 3：数据支持 H1 的程度是 H0 的 3 倍（"中等"证据）
• BF = 10：数据支持 H1 的程度是 H0 的 10 倍（"强"证据）
• BF = 1：两个模型解释数据的能力一样好（"无差异"证据）
• BF < 1：数据反而支持 H0

贝叶斯因子的一个重要优势是：它可以比较非嵌套模型。比如你想比较「logistic 回归模型」和「机器学习模型」哪个更好地预测了患者预后——这在频率派框架下很难做，但贝叶斯因子可以直接回答。

第十部分：实战手册——用似然的眼睛破解论文里的公式

这是本次新增、直接回应"看懂满是公式的统计学论文"这个目标的一份速查表。下次读方法学部分卡壳时，回来查这张表。

第十一部分：回到临床——这些概念怎么用在日常研究和决策中？

场景一：临床试验终点分析

你做一个 RCT，比较新药 vs 标准治疗对总生存期（OS）的影响。Cox 比例风险模型给出的风险比（HR）及其置信区间，是基于偏似然（第七部分）的最大似然估计；HR 的 SE 来自对数偏似然曲线的曲率（第五部分）；你读到的 p 值，通常来自 Wald 检验或 LRT（第六部分）。

理解了这一整条链后你会多问几句：这个 HR 的点估计离 1 有多远？它的似然函数是尖锐还是平坦（样本量/事件数够不够）？方法学部分有没有说清楚基线风险 $\lambda_0(t)$ 是怎么处理的——如果是 Cox 模型，答案应该是"没有直接估计，也不需要"。

场景二：诊断试验评估

你研发了一种新的生物标志物来筛查早期胃癌。你算出了敏感性、特异性、阳性似然比（LR+）、阴性似然比（LR−）。

理解似然后你会意识到：LR+ 本质上就是一个似然比（第二部分）——它告诉你，「患者有这个标志物」在「有病」假设 vs 「无病」假设下的相对可能性。LR+ = 10 意味着看到阳性结果，「有病」的可能性翻了 10 倍。

场景三：小样本/罕见病研究

你只有 30 例罕见病患儿，想评估一种新疗法。传统频率派方法功效不足，置信区间宽得离谱。

理解似然后你会考虑：能否用贝叶斯方法？先验来自既往的病例报告和专家共识，似然来自你手头的 30 例数据。后验分布给你一个更精确、也更诚实的答案——因为它同时承认了数据的不确定性和先验知识的贡献（第八部分）。你也会明白，宽置信区间不是方法出了问题，而是似然函数本身就"平"（第五部分）。

场景四：多中心/多分层数据要小心

你在做一个纳入十几个中心、每个中心样本量都不大的研究，模型里给每个中心都设了单独的效应。理解了第 4.6 节 Neyman–Scott 的教训后你会警觉：如果"讨厌参数"（每个中心自己的效应）数量随中心数一起增长，普通最大似然可能给出有偏的估计——这正是为什么这类数据更适合用混合效应模型（随机效应 + REML）而不是给每层都单独估计一个固定效应。

场景五：解读 Meta 分析

你在读一篇网络 Meta 分析。作者报告了各种疗法之间的 HR 和置信区间，以及一致性检验的 p 值。

理解似然后你会明白：这些 HR 都是各自模型的 MLE（很可能是偏似然）；一致性检验通常用的是 LRT 或 Wald 检验。更重要的是，如果你看到某个比较的置信区间很宽，那对应的似然函数就很平坦——即使点估计看起来很大，数据其实并没有给出很精确的信息。

结语：似然是一根线，串起你所有的统计工具

读完这篇导读，再回头看你自己天天在用的统计方法，你会发现：

• t 检验、z 检验、卡方检验 → 底层都是 Wald 检验的特例
• Logistic 回归、Cox 回归的系数 → 都是（普通或偏）似然的 MLE
• 模型比较的 AIC、BIC → 都和似然有关
• 贝叶斯分析的后验分布 → 先验 × 似然
• 诊断试验的似然比 → 就是统计似然比在诊断场景的应用
• Bayes factor → 似然比在先验下的期望
• Cox 回归的 HR → 偏似然的 MLE，代价是绕开了基线风险这个"讨厌参数"

似然就是这根线。 它不是什么高深莫测的数学怪物，而是一个非常朴素的直觉：给定我手头的数据，哪个假设更说得通？而这个朴素直觉背后，是两百多年里一代代统计学家吵出来、证明出来、又被反例推翻重新修补出来的一整套理论——理解这段历史，你才能真正明白论文里那些"渐近正态"" regularity conditions""偏似然"到底在担心什么、又为什么值得信任。

下次读到一篇论文里的 p 值、置信区间、HR 或 Bayes factor 时，不妨在心里默念一句：这些数字背后，都站着同一个似然函数——而这个似然函数，有它自己两百年的故事。

延伸阅读建议

• 想要深挖数学细节：Pawitan, Y. (2001). In All Likelihood: Statistical Modelling and Inference Using Likelihood. Oxford University Press.
• 想要读完整的历史：Stigler, S. M. (2007). The Epic Story of Maximum Likelihood. Statistical Science, 22(4), 598–620.（本文第四部分的原始来源，强烈推荐通读）
• 想要理解偏似然的原始定义：Cox, D. R. (1975). Partial Likelihood. Biometrika, 62(2), 269–276.（本文第七部分的原始来源）
• 想要读原始的 Cox 比例风险模型论文：Cox, D. R. (1972). Regression Models and Life-Tables. Journal of the Royal Statistical Society: Series B, 34(2), 187–220.
• 想要了解似然概念的更早历史综述：Edwards, A. W. F. (1974). The History of Likelihood. International Statistical Review, 42, 9–15.
• 想要了解贝叶斯入门：Etz, A., & Vandekerckhove, J. (2017). Introduction to Bayesian Inference for Psychology. Psychonomic Bulletin & Review.
• 想要了解贝叶斯因子：Etz, A., & Wagenmakers, E.-J. (2017). J. B. S. Haldane's Contribution to the Bayes Factor Hypothesis Test. Statistical Science, 32, 313–329.