毕竟,如果一篇论文花费了数年的时间并且经过了严格的同行评审,那么统计数字肯定会非常可靠吗?
我阅读尝试在各个领域(政治科学,经济学,心理学,医学,生物学,金融,精算科学,会计,光学,天文学以及许多其他许多领域)应用统计学的论文的经验是,统计分析可能涵盖从出色,出色到严重的废话的任何地方。我在我提到的每个领域都看到了很好的分析,而几乎所有领域的分析都做得很差。
有些日记通常相当不错,有些日记更像是用眼罩玩飞镖-您可能会使它们中的大多数离目标都不太远,但是在墙壁,地板和天花板上都会有一些。也许是猫。
我不打算命名任何罪魁祸首,但是我会说我已经看到了错误使用统计数据建立的学术职业(即,十多年来,一纸又一纸地重复同样的错误和误解)。
所以我的建议是让读者当心 ; 不要相信编辑和同行评审知道他们在做什么。随着时间的流逝,您可能会很好地了解通常可以依靠哪些作者做的事情不会太令人震惊,应该特别谨慎地对待哪些作者。您可能会觉得有些期刊通常对其统计数据有很高的标准。
但是,即使是通常优秀的作者也可能会犯错误,或者裁判和编辑可能无法发现他们通常会发现的错误;典型的好期刊可以发表咆哮声。
[有时,您甚至会看到非常差的论文赢得奖项或奖项……这对评审获奖者的素质也没有多大作用。]
我不想猜测我可能会看到的“不良”统计数据所占的比例(在各种情况下,以及从定义问题,研究设计,数据收集,数据管理等各个阶段直至...分析和结论),但还不足以让我感到舒服。
我可以指出一些例子,但是我认为这不是这样做的合适论坛。(这将是很好,如果有是对于一个很好的论坛,实际上,不过话又说回来,它可能会变得高度“政治化”相当快,很快就无法达到其目的。)
α显然适用于解决完全相同的问题。这让我感到震惊,因为这通常是个坏主意。总体而言,几十篇论文的标准是相当不错的,但是在过去,我在那里看到过一篇绝对糟糕的论文。
[也许我可以间接地举一个例子。这个问题问一个人做的事情很可疑。这与我见过的最糟糕的事情相去甚远。]
另一方面,我也看到(甚至更频繁地)人们被迫跳过各种不必要的篮球以使他们的分析被接受的情况。不接受完全合理的事情,因为有一种“正确”的方法可以根据审阅者,编辑或主管的身份进行操作,或者仅是在某个特定领域未公开的文化中进行操作。