社会科学で発表されたほとんどの相関関係は信頼できないものであり、それに対して何をすべきか?[閉まっている]


9

略奪的なジャーナルの実践を明らかにするための個人による「ごちゃまぜ」的な取り組みの重要であるにもかかわらず、社会科学研究の影には、より大きく、より根本的な脅威が迫っていますただし、研究者が対処する必要のある複数の問題があります)。簡単に言うと、ある見解によると、250より小さいサンプルから導出された相関係数を信頼できない場合があります。

信頼できる相関係数よりも、社会科学の測定値間の関係の存在、方向、および強さを推測するために依存するテストを見つけることは困難です。ただし、250ケース未満のデータから計算された相関係数に基づいて2つの構造間の関係について強い主張をしている査読済みレポートを見つけるのは難しくありません

社会科学が直面している現在の複製危機(上記の2番目のリンクを参照)を考慮して、相関係数の安定化に関するこのレポートを(少なくとも一部の社会科学分野の基準によって)大きなサンプルでのみどのように表示する必要がありますか?ピアレビューされた社会科学研究の壁の別の亀裂ですか、それとも、そのプレゼンテーションで誇張されてきた比較的些細な問題ですか?

この質問に対する正解は1つではない可能性が高いので、代わりに、この質問に関するリソースを共有し、慎重に検討し、議論することができるスレッドを生成したいと思います(もちろん、丁寧に、そして丁重に)。


これは意見に基づく質問であり、サイトの一般的なガイドラインに違反していることを認識しています。実際のところ、採用しようとしている手法に内在する落とし穴をよりよく理解するなど、統計への洞察を得るために幅広い人々がこのサイトにアクセスしています。私の希望は、この幅広い質問を投げかける際に、このはっきりと曖昧な目標を支援できることです。標準誤差の計算方法を学ぶことは1つのことです。エビデンスに基づくと思われる決定を下すときに、それを振るうことが何を意味するかを学ぶことは別のことです。
マットバーステッド2017

さらに悪いのは、これらの「必須の250」ケースがどのように選択されるかです。ソーシャルメディアサイトで、誰かが論文や論文に必要な調査を完了するための嘆願を投稿することがますます頻繁に見られます。調査のトピックを完了します。人々がどのように自己選択するかを完全に認識していません。誰かの社会的集団の人々はランダムではないため、ランダムなサンプルにさようなら。通常、同様のイデオロギー/政治/経済的グループに属し、トピックへの関心度に基づいて自己選択します。キュー「90%がXに賛成している」無関心されている人たちがボランティアなかったという理由だけで、。
vsz 2017

回答:


7

ρL=0.3ρ0|ρ|>LρLL

もちろん、信頼区間を追加し、意味のあるテストを使用するだけでは、あまり多くの問題(悪いサンプリング設計、交絡因子の考慮の省略など)は解決されません。しかし、それは基本的に無料です。SPSSでも計算できると思います!


1
確かに、SPSSでそれができるなら...もっと真剣に言えば、CIに重点を置くという考えは非常に理にかなっていると思います。メタ分析の取り組みにも役立ちます。さらに、p値の代わりにCIを報告することは、ベイジアンアプローチの頻繁な近似のようなものであるように私には思えます。ベイジアンモデルは、単一のサンプルから導出された母集団パラメーターの最も可能性の高い推定値を見つけるのではなく、推定値の分布のモデル化に焦点を当てているため、より正直に「感じる」傾向があるといつも思っていました。
マットバーステッド2017

4

マイケル・M・ノート、報告された相関関係の信頼性-または任意の他の推定の-信頼区間を用いて評価することができます。ある程度までです。データ収集後にモデルが選択された場合、CIは狭すぎます。これは、社会科学の時間の約95%で発生すると推定しています(正直に言うと、これは私の推測です)。

対策は2つあります。

  • 私たちは「危機」について話している。したがって、レプリケーションの失敗は、元の効果がおそらく単なるランダムノイズであったことを示しています。さらに複製を行う(そして資金を出し、書き、提出し、受け入れる)必要があります。複製研究はゆっくりと尊敬を集めてきており、それは良いことです。

  • n


@Stephen、質問:「複製」とはどういう意味ですか、元の研究を複製するために同じデータまたは異なるデータを使用するべきでしょうか?複製と再現性に違いはありますか?
予測者

最初のポイントとして、ここ数年はレプリケータビリティの最前線で実際の動きが見られたと思います。今後の章では、私は行動科学におけるサブフィールドの数にうまく変換さだと思うことを感情の研究者のためのいくつかのアドバイスを提供しています。
マットバーステッド2017

@forecaster:独立して収集された新しいデータを使用してレプリケーションを実行する必要があります。そうしないと、新しいことを学ぶことはできません。「再現性」は私が出くわした言葉ではありません。もちろん、他の誰か実際に分析を繰り返すことができるように、元の出版物が十分に詳細であるかどうかについての疑問は常にあります。
ステファンコラサ2017
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.