Questions tagged «methodology»

已关闭。这个问题是基于观点的。它当前不接受答案。 想改善这个问题吗？更新问题，以便通过编辑此帖子以事实和引用的形式回答。 2年前关闭。 尽管个人为揭示掠夺性期刊的行为付出了重要的努力，但仍大肆挥霍，但社会科学研究的阴影笼罩着更大，更根本的威胁（尽管研究人员肯定需要解决多个问题）。为了弄清楚这一点，根据一种观点，我们可能无法信任从小于250的样本得出的相关系数。 人们很难找到一种比可信赖的相关系数更依赖于推断社会科学中的度量之间存在关联，方向和强度的测试。但是，将不会难于找到同行评议的报告，这些报告基于从少于250种情况下的数据计算出的相关系数，对两种结构之间的关系提出了强有力的主张。 考虑到当前社会科学面临的复制危机（请参见上面的第二个链接），我们应该如何仅在大样本（至少按照某些社会科学领域的标准）上查看有关相关系数稳定的报告？这是同行评议的社会科学研究领域的又一裂缝，还是在介绍中被夸大了的相对琐碎的问题？ 由于对此问题不可能有一个正确的答案，因此我希望创建一个话题，可以共享，深思熟虑和辩论有关此问题的资源（当然要礼貌而有礼貌地进行）。

9 correlation  methodology  publication-bias 

在统计教科书中迷失了这个概念之后，我试图做出自己的决定，最后得出一个结论，该结论似乎符合我到目前为止所看到的所有解释：非统计学家认为可信的区间是可信的间隔是。 对于像我这样一个小时的人来说，离题 如果我们观察到数据并从中预测出一些参数，则可以说是平均值 μμ\mu，可信区间是区间 [μ分， μ最高][μ分， μ最高][\mu_{\text{min}},\ \mu_{\text{max}}]为此，我们有95％的把握确保mu属于内部（如果使用其他级别，则为95％以外的某个数字）。入门级统计课中讲授的置信区间可以与可信区间重叠，但并不总是重叠良好。如果你要勇敢的解释，尝试阅读这和这对交叉验证的问题; 经过反复的摸爬滚打，我终于明白了的是这个答案。 这是否意味着在结果中使用可信区间而不是置信区间在科学上更可取？如果是，为什么我还没有看到使用它的出版物？ 是因为应该使用该概念，但测量科学家尚未赶上正确的统计方法吗？ 还是说原始置信区间的含义更适合于解释经验研究的结果？ 还是在实践中它们经常重叠以至根本没有关系？ 选择是否取决于我们为数据假设的统计分布？也许具有高斯分布，它们总是在数值上重叠，因此，纯粹的统计数据之外没有人关心这种差异（我读过的许多研究甚至都不费心计算任何间隔，也许大约有1％会给思想留下空间他们的数据可能不会以正态分布）。 这是否取决于我们的科学理论地位？例如，感觉在实证主义工作中应该使用置信区间，而在解释主义工作中应该使用可信区间，但是我不确定这种感觉是否正确。

9 confidence-interval  methodology  credible-interval