网络构建与统计验证16 / 16
适用范围与常见误用
- 误用：把相关网络的边解释为直接作用或信息通路。→ 正解：相关包含间接关联；偏相关去掉了一部分间接关联，但可能引入对撞偏倚；直接作用需要物理连接证据，方向需要时间顺序或干预证据。
- 误用：选一个“常用阈值”构网，然后比较组间拓扑。→ 正解：先说明密度是否匹配；在一段预先确定的密度范围内报告结果，或使用加权指标，并把整体连接强度作为协变量。
- 误用：只与 ER 随机图比较就宣称“非随机组织”。→ 正解：ER 只保留边数。度分布、空间嵌入、相关矩阵的传递性都可能解释观察到的结构，应与保留这些性质的零模型比较，并写明零模型保留了什么。
- 误用：报告 分数很大，就认为差异在生物学上很重要。→ 正解： 分数依赖零分布的离散程度，约束越强的零模型方差越小， 越容易很大；要同时报告效应量和经验 值。
- 误用：NBS 显著后，逐条列出“显著的边”并解释其功能。→ 正解：NBS 只支持子网络层面的结论；若需要边层面的结论，应使用控制边层面错误率的方法。
- 误用：在 PPI 网络中发现“疾病基因的度更高”，据此认为疾病基因是网络枢纽。→ 正解：先控制研究热度（文献数量）或改用系统筛选数据；功能预测要与“只按度排序”的基线比较。
- 误用：bootstrap 时只重抽样数据，沿用全样本选定的正则化参数或阈值。→ 正解：整个估计流程都应放入重抽样循环，否则会低估不稳定性。
- 误用：把时间点当作独立样本计算单被试的显著性。→ 正解：时间序列存在自相关，应使用有效样本量，或在被试层面做组分析。
- 误用：两两 Granger 因果显著，就画出有向箭头并解释为“信息流”。→ 正解：先用条件 GC 排除已观测的共同驱动；说明采样率、测量噪声与未观测变量可能造成的假方向；在 fMRI 中尤其谨慎。
- 误用：在部分相互作用图谱上拟合出幂律，就宣称完整相互作用组是无标度的。→ 正解：随机子网的度分布一般与全网不同族；外推需要按采样过程建模，并报告覆盖率。
- 误用：只报告网络指标的点估计，或 bootstrap 时逐时间点重抽样。→ 正解：把整个构网流程放进重抽样循环，时间序列用块 bootstrap；区分“指标的均值”与“均值网络的指标”。
- 误用：用“每个参数需要若干被试”的经验规则确定网络研究的样本量。→ 正解：单条边可用 Fisher 公式计算；整网的边恢复与中心性稳定性应按预期网络结构做模拟功效分析，并考虑测量信度。
- 误用：报告“两组网络的谱距离为某值”就认为网络不同。→ 正解：距离需要参照：与零模型或组内距离比较，用置换检验评估；并说明所选距离对哪种结构差异敏感。
适用范围方面，本专题的方法主要针对由变量间关联构建的网络（功能连接、症状网络、共表达）和由数据库整合构建的网络（相互作用组）。对直接测量的网络（如电镜重建的突触连接组），误差主要来自分割与重建，验证手段不同，但零模型与多重比较的原则同样适用。