物理学 > 数据分析、统计与概率
[提交于 1999年9月17日
]
标题: 科学推理中的发表偏差(“文件柜问题”)
标题: Publication Bias (The "File-Drawer Problem") in Scientific Inference
摘要: 发表偏倚发生在一项研究是否被发表的概率取决于其结果的统计显著性时。 这种偏倚通常被称为文件柜效应,因为未发表的结果被想象为被塞在研究人员的文件柜中,这可能严重阻碍从文献中收集的研究的统计结果的结合。 对于发表偏倚的任何合理的定量模型,文件柜中丢失的少量研究就会产生显著的偏倚。 这一结果与广为人知的失败安全文件柜(FSFD)方法相矛盾,该方法常用于社会、医学和心理研究中,以设定发表偏倚潜在危害的界限。 这种方法错误地将文件柜视为无偏倚的,几乎总是低估发表偏倚的严重性。 大量不仅包括心理研究,还包括医学和社会科学的研究,错误地依赖这种方法来验证所声称的发现。 只有在确定所有已进行的研究都被包含的情况下,统计合并的结果才能被信任。 在文献调查中,这种确定性几乎是不可能实现的。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.