Il 25 febbraio 2015 la rivista Basic and Applied Social Psychology ha pubblicato un editoriale che vieta i valori e gli intervalli di confidenza di tutti gli articoli futuri.
In particolare, dicono (la formattazione e l'enfasi sono mie):
[...] prima della pubblicazione, gli autori dovranno rimuovere tutte le tracce dell'NHSTP [procedura di test di significatività dell'ipotesi nulla] ( valori- , valori- , valori- , dichiarazioni su differenze "significative" o mancanza di esse , e così via).
Analogamente a come l'NHSTP non riesce a fornire la probabilità dell'ipotesi nulla, necessaria per fornire un caso valido per respingerlo, gli intervalli di confidenza non forniscono un caso valido per concludere che è probabile che il parametro di popolazione di interesse rientri nei valori dichiarati intervallo. Pertanto, anche gli intervalli di confidenza sono banditi da BASP.
[...] per quanto riguarda le procedure bayesiane, ci riserviamo il diritto di emettere giudizi caso per caso, e quindi le procedure bayesiane non sono né richieste né vietate da BASP.
[...] Sono richieste procedure statistiche inferenziali? - No [...] Tuttavia, BASP richiederà statistiche descrittive forti, comprese le dimensioni degli effetti.
Non discutiamo qui i problemi e l'uso improprio dei valori ; ci sono già molte discussioni eccellenti sul CV che si possono trovare sfogliando il tag p-value . La critica dei valori va spesso di pari passo con un consiglio per riportare gli intervalli di confidenza per i parametri di interesse. Ad esempio, in questa risposta molto ben argomentata, @gung suggerisce di riportare le dimensioni degli effetti con intervalli di confidenza intorno a loro. Ma questo diario vieta anche gli intervalli di confidenza.
Quali sono i vantaggi e gli svantaggi di un tale approccio alla presentazione di dati e risultati sperimentali rispetto all'approccio "tradizionale" con valori , intervalli di confidenza e dicotomia significativa / insignificante? La reazione a questo divieto sembra essere per lo più negativa; allora quali sono gli svantaggi? L'American Statistical Association ha anche pubblicato un breve commento scoraggiante su questo divieto, affermando che "questa politica può avere le sue conseguenze negative". Quali potrebbero essere queste conseguenze negative?
O come ha suggerito @whuber di dirlo, questo approccio dovrebbe essere sostenuto come un paradigma della ricerca quantitativa? E se no, perché no?
PS. Nota che la mia domanda non riguarda il divieto stesso ; riguarda l'approccio suggerito. Non sto nemmeno chiedendo informazioni sull'inferenza frequentista e bayesiana. L'editoriale è piuttosto negativo anche riguardo ai metodi bayesiani; quindi si tratta essenzialmente di usare le statistiche invece di non usare affatto le statistiche.