Sto leggendo Gelman & Carlin "Oltre i calcoli di potenza: valutazione degli errori di tipo S (segno) e di tipo M (magnitudine)" (2014). Sto cercando di capire l'idea principale, il punto di partenza principale, ma sono confuso. Qualcuno potrebbe aiutarmi a distillare l'essenza?
Il documento va in questo modo (se l'ho capito bene).
- Gli studi statistici in psicologia sono spesso afflitti da piccoli campioni.
- In base a un risultato statisticamente significativo in un dato studio,
(1) è probabile che la dimensione reale dell'effetto sia gravemente sopravvalutata e
(2) il segno dell'effetto potrebbe essere opposto con alta probabilità, a meno che la dimensione del campione non sia sufficientemente grande. - Quanto sopra è mostrato usando un'ipotesi precedente della dimensione dell'effetto nella popolazione e quell'effetto è generalmente considerato piccolo.
Il mio primo problema è, perché condizionare il risultato statisticamente significativo? È per riflettere la tendenza alla pubblicazione? Ma questo non sembra essere il caso. Allora perché, allora?
Il mio secondo problema è che, se studio da solo, dovrei trattare i miei risultati in modo diverso da come sono abituato (faccio statistiche frequentiste, non ho molta familiarità con Bayesiano)? Ad esempio, vorrei prendere un campione di dati, stimare un modello e registrare una stima puntuale per alcuni effetti di interesse e una confidenza attorno ad esso. Ora dovrei diffidare del mio risultato? O dovrei diffidare se è statisticamente significativo? Come cambia un dato precedente?
Qual è il principale takeaway (1) per un "produttore" di ricerca statistica e (2) per un lettore di documenti statistici applicati?
Riferimenti:
- Gelman, Andrew e John Carlin. "Oltre i calcoli di potenza: valutazione degli errori di tipo S (segno) e di tipo M (magnitudine)." Perspectives on Psychological Science 9.6 (2014): 641-651.
PS Penso che il nuovo elemento per me qui sia l'inclusione di informazioni precedenti, che non sono sicuro di come trattare (proveniente dal paradigma frequentista).