![]()
在实证研究中,数据并不会自己“说话”。变量如何定义、异常值如何处理、样本如何筛选、模型如何设定以及使用哪种检验标准,研究者都必须在一系列方法中做出选择。但问题在于,这些选择往往并不存在唯一答案。那么,当不同研究者面对同一数据和同一研究问题时,他们会不会因为分析路径不同而得出不同答案?
01 引言
![]()
02 研究设计
![]()
03 研究结果
但如果把标准提高到“所有再分析者都同意原结论”,通过数量显著下降:在100项复现研究中,只有34%能够做到所有再分析者都支持原研究结论。也就是说,真正能在不同分析者之间保持完全一致的研究,只占约三分之一。
![]()
04 结论与启示
多宇宙分析则不依赖于多个独立研究团队,而是主要由同一研究者或同一团队系统展开的稳健性方法。它的基本思想是:既然研究过程中往往存在许多看似合理的分析选择,例如变量如何定义、异常值如何处理、样本如何筛选、模型形式如何设定等等,那么研究者就不应只报告其中一条分析路径,而是应当把一系列合理路径都跑一遍,看看结论在多大范围内保持稳定。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.