分析方法的多样性:p-hacking
转换数据分析方法(例如,转换结果的参数,添加协变量,不确定或不稳定的预处理程序,以及基于统计结果消除异常值或问题,这将增加获得重要p值的可能性。)统计方法取决于就概率而言,使用的测试方法越多,获得假阳性结果的可能性就越大。论文查重多少重复率算高?
因此,在某些数据中获得显着的p值并不困难,并且总是有可能合理地解释显着的影响,尤其是在没有明确假设的情况下。但是,分析程序中的转换越大,观察到的结果不真实的可能性就越大。
当一个团队在论文中报告用不同方法计算出的相同变量的值时,或者当临床试验改变其结果时,分析方法的变化就特别明显。
可以通过使用标准化分析方法,预先注册实验设计和分析或重复实验来避免此问题。实验的预注册可以在获得第一个实验的结果之后并且在重复实验之前进行。但是,防止p-hacking的最好方法也许是在某种程度上接受微不足道或不重要的结果。换句话说,如果实验是经过精心设计,执行和分析的,则审稿人不应为研究结果“惩罚”研究人员。
如何发现错误
由于研究人员很少报告所有必要的信息,因此很难确定研究人员是否采用了多种分析方法。在进行预注册或临床试验注册的情况下,审阅者应将实际的分析方法与计划的分析方法进行比较。论文狗免费在线论文查重网站,是安全免费论文查重软件,实时查重。一键论文机器降重,也可进行论文人工降重,智能降重。论文狗查重论文免费,登陆系统后每天送一篇无条件免费的论文查重,此免费查重不限条件。
如果没有预先注册,几乎无法检测到某些形式的P-hacking。但是,审阅者可以评估所有分析方法的选择是否合理,以前的出版物中是否使用了相同的分析计划,研究人员是否提出了可疑的新变量,或者他们是否收集了大量指标,但只有有报道。 Forstmeier等。 (2017)总结了检测可能的积极结果的实用技术。
解决错误的方案
研究人员应澄清报告的结果,例如,区分预先计划的分析和探索性分析,预期结果和意外结果。正如我们在下面讨论的那样,透明的报告,解释和探索性分析没有问题,特别是当它们是下一步使用特定分析选项进行重复研究的基础时。这些分析方法可以为进一步的研究提供有价值的基础,但不能用作有力结论的基础。