基础科学中的顺序假设检验

我是一名药理学家，以我的经验，几乎所有基础生物医学研究论文都使用Student's t检验（以支持推理或符合期望...）。几年前，引起我注意的是，学生t检验不是可以使用的最高效的检验：顺序检验可为任何样本量提供更大的功效，或者平均等效功效的样本量要小得多。

在临床研究中使用了复杂程度不同的顺序程序，但我从未见过在基本的生物医学研究出版物中使用过这种程序。我注意到，入门级的统计教科书也没有这些内容，大多数基础科学家都可能会看到。

我的问题有三点：

1. 鉴于顺序测试具有非常重要的效率优势，为什么没有更广泛地使用它们？
2. 序贯方法的使用是否有缺点，这意味着不鼓励非统计学家使用序贯方法？
3. 是否向统计专业的学生教授顺序测试程序？

在临时分析（Jennison和Turnbull，2000年）和计算机化自适应测试（van der Linden和Glas，2010年）之外，我对顺序测试及其应用并不了解。在某些fMRI研究中，一个例外是与费用高昂和招募受试者困难相关。基本上，在这种情况下，顺序测试主要旨在更早地停止实验。因此，对于通常的统计课程中没有教授这些非常定制的方法，我并不感到惊讶。

顺序测试并非没有缺陷，尽管（必须预先指定I和II型错误，应该证明选择停止规则和多次查看结果是正确的，p值不能像固定值那样均匀分布在null下样本设计等）。在大多数设计中，我们使用预先指定的实验设置或进行初步的功率研究来优化某种成本效益标准，在这种情况下，将应用标准测试程序。

但是，我发现Maik Dierkes的以下关于固定样本设计与开放样本设计的论文非常有趣：要求进行顺序实验。