Jemand hat mich auf eine Reihe von Aufsätzen zur angewandten Wirtschaftswissenschaft hingewiesen:
1. George Borjas und Nate Breznau, Ideologische Voreingenommenheit bei der Produktion von Forschungsergebnissen:
Unsere Studie nutzt die Gelegenheit, 158 Forscher bei der unabhängigen Arbeit in 71 Groups während eines Experiments zu beobachten. Nachdem sie nach ihrer Place zur Einwanderungspolitik gefragt wurden, verwendeten sie dieselben Daten, um dieselbe empirische Frage zu beantworten: Beeinflusst Einwanderung die öffentliche Unterstützung für Sozialhilfeprogramme? . . . Groups, die sich aus einwanderungsfreundlichen Forschern zusammensetzten, schätzten positivere Auswirkungen der Einwanderung auf die öffentliche Unterstützung für Sozialprogramme ein, während einwanderungsfeindliche Groups eher damaging Auswirkungen einschätzten. Die Unterschiede entstehen, weil verschiedene Groups unterschiedliche Modellspezifikationen übernommen haben. . .
Die Ergebnisse beinhalten eine ungewöhnliche Kennzeichnung statistischer Signifikanz:
Normalerweise ist es ein Stern für p < 0,05, zwei Sterne für p < 0,01, as Hier:
oder Hier:
Hierbei handelt es sich nicht um verbindliche Referenzen; Sie sind gerade bei einer schnellen Suche aufgetaucht. Der Punkt ist, dass 0,05 der übliche Normal ist. Die Verwendung von 0,10 ist eine Möglichkeit, ein „statistisch signifikantes“ Ergebnis zu erzielen, wenn Sie es nicht in Ihren Daten haben (wie hier). Im Fall der Arbeit von Borjas und Breznau waren die Daten zu variabel, um ein konventionell starkes Ergebnis zu erzielen, aber sie wollten es trotzdem veröffentlichen, und so haben sie die Sterne verschoben. Ich bin überrascht, dass die Rezensenten es nicht verstanden haben!
Versteh mich nicht falsch. Ich denke nicht, dass man die statistische Signifikanz, egal auf welcher Ebene, als Schwellenwert verwenden sollte. Um einen Eindruck von meiner Perspektive zu bekommen, können Sie unseren Artikel lesen: Geben Sie die statistische Signifikanz auf. Selbst wenn Sie eine Schätzung haben, die nur einen Standardfehler von Null entfernt ist, ist das immer noch der Fall Hinweise auf die Wirkungsrichtungsolange keine Auswahl stattfindet.
2. Katrin Auspurg und Josef Brüderl, Fragile Beweise für eine ideologische Voreingenommenheit bei der Produktion von Forschungsergebnissen: Kommentar zu Borjas und Breznau:
Obwohl wir die numerischen Ergebnisse von B&B reproduzieren konnten, zeigt unsere erneute Analyse, dass der gemeldete Zusammenhang nicht strong ist. Konkret beruht die Assoziation auf einem Codierungsfehler. Daten von vier Groups, die der Ideologiehypothese widersprechen, wurden aufgrund einer eigenwilligen Variablenkodierung von der Analyse ausgeschlossen. Durch die Korrektur dieses Fehlers ist der Ideologieeffekt statistisch nicht mehr signifikant. Außerdem verwendete B&B eine andere Ergebnisvariable und ein anderes Gewichtungsschema als in einem früheren Artikel, der auf denselben Daten basierte. Diese beiden analytischen Entscheidungen tragen zusätzlich zum beobachteten Ideologieeffekt bei. Durch die Korrektur des Codierungsfehlers oder die Verwendung derselben Spezifikation wie im vorherigen Artikel ist der Ideologieeffekt nicht mehr von Null zu unterscheiden. . . .
Sie gehen auch vom Signifikanzniveau von 10 % aus, ich schätze, das stimmt mit dem Originalpapier überein?
3. Nate Breznau und George Borjas, Ein Mangel an Robustheit bei der Robustheitsprüfung von Auspurg und Brüderl:
In unserem veröffentlichten Artikel haben wir ausdrücklich die Grenzen unserer Ergebnisse anerkannt, die auf Sekundärdaten und einer kleinen Stichprobe basieren. Nach Prüfung der Behauptungen von Auspurg und Brüderl kommen wir zu dem Schluss, dass sie keine neuen Beweise vorgelegt haben, die eine Korrektur unserer Schlussfolgerungen rechtfertigen würden. . . .
Diese Gegenerwiderung enthält die Tabelle oben in diesem Beitrag, in der das Signifikanzniveau inzwischen auf 0,20 gestiegen ist.
Ich erwarte noch ein paar weitere Runden davon, die in einer Tabelle von Breznau und Borjas gipfeln werden, in der alles mit einem zweiseitigen p-Wert von weniger als 0,5 einen Stern erhält. Jeder ist ein Gewinner!
PS Nur ein Scherz mit dem Titel des Beitrags. Dieses „p < 0,20" Das ist nicht wirklich die neue Regel in der Wirtschaft; Es ist nur etwas aus diesem einen Artikel. Es kann sein, dass seine Urheber eine besondere Ausnahme von der 0,05-Schwelle erhielten.