為什麼實證研究中不顯著的結果一般不能發表？

01-21

如果是多次調試，檢驗，結果都不顯著的話，不是也證明了之前研究的問題中，幾個變數間事實上很可能不具明顯相關性嗎，這樣的結論沒有很大意義嗎……

謝邀。

聽誰說的。。

如果你證據充分，做出來不顯著，能推翻別人之前的結論，自然是很好的。

顯著好還是不顯著好，要看你的故事時怎樣的。多數故事需要你一個顯著的結果才能證明你的故事是經得起檢驗的，但也有很多故事需要不顯著。

當然，還有奇葩的故事，顯著不顯著都能說的過去

因為power往往不夠。

陽性結果要求研究假設的p值統計量小於檢驗水準，一般大多數研究中檢驗水準是0.05，在gwas裡面，為了控制多重比較的問題，甚至會定在10**-8。這樣，當研究結果處於零假設的拒絕域時，我們有理由相信這個陽性結果是可靠的。

但陰性結果就不一樣了！

一般由於成本和現實的考慮，一個研究的power不太可能達到0.95，即第二類錯誤概率小於0.05，這個數量級。否則樣本量將是一個天文數字。

在流行病學研究中，power能達到0.70往往算是已經很高。

所以，單一陰性結果是真陰性的概率實在不高。

與相信單一研究的陰性結果相比，流行病學上更傾向於對多個研究結果進行meta分析，或聯合多個研究中心成立consortium,以增大樣本量，提高power。

Meese and Rogoff (1983).

經濟學裡面，多數文獻發現一個人的創業幾率會隨著財富增加而上升。但有篇文章發現二者並無顯著相關性，發在top journal上。詳見hurst and lusardi, JPE.

結果不顯著可以發啊，起碼說明你的假設不成立

記得現在在中財當副高的大師兄和我說過，我們是編故事的人，只要你能把故事編圓滿就行

實驗結果顯著好比證實了假設是存在合理的，而不顯著卻意味著觀點不合理。好比證明有很容易，找一個出來就行；但是證明沒有就難了，樣本量是天文數字不說，一旦有人找出來，結果鐵定被打臉。

以發表價值論，只有不顯著但統計效力高的陰性結果是有意義的。

以積累數據論，只要實驗條件能對上，任何數據都是有價值的，前提是能建立某個領域的共享資料庫。