Oefening met de taak vergrootte de neurale activiteit in de genetisch gemodificeerde muizen (P < 0.05)
zie ook xkcd: *een op de twintig artikelen die gebruik maakt van statistiek trekt de verkeerde conclusies, want p <0.05*.
Overigens zie ik maar al te vaak dat onderzoekers (met name in de gamma-hoek) statistiek gebruiken als bewijsmiddel voor dingen die ze zelf al dachten, ook al zegt de statistiek dat d’r helemaal geen verband is. R2=0.03? Flats, opschrijven dat er een verband is met een R2 van 0.03, en vrolijk doorleuteren.
#2
Baron E
De betreffende paragraaf in de link is enigszins verwarrend, dus nog even samenvattend:
Als je als onderzoeker wilt beargumenteren dat één bepaald onderzocht effect meer aanwezig is dan een ander, met statistische significantie, dan moet je dat explictiet narekenen. Het is dus niet voldoende om te constateren dat de één statistisch wel significant gecorreleerd is en de ander niet.
In de helft van de artikelen in dit literatuuronderzoek was dat echter niet zo gedaan.
#3
Bismarck
Ik denk dat als je een klein beetje je best doet, je wel veel meer statistische fouten kunt vinden in publicaties (ja ook van gerenommeerde bladen). Alleen al binnen het klinisch onderzoek lopen er hele volksstammen onderzoekers zo hopeloos achter op dat terrein, dat ze nog geen correcte statistiek konden gebruiken als ze dat wel zouden willen (ja, dat betekent dat ze dat vaak niet eens willen).
#4
Joan
Neurogate
#5
gronk
@bismarck: maar het is veel veiliger om te zeggen dat veel onderzoek op zich wel ‘deugt’, maar dat als je miereneukerig kijkt het niet helemaal aan de norm voldoet, dan dat je concludeert dat de statistiek -en dus ook de conclusies- van 30% van alle papers klinkklare nonsens is.
Ook al weet iedereen dat d’r -met name in de medische hoek- wel heel veel onderzoek rammelt.
#6
Bismarck
@5: Maar het gaat vaak niet om “mierenneukerig” kijken, maar om moedwillig verkeerd gebruikte statistische methodes om de p-waarde kleiner te krijgen en fishing-expeditions.
#7
Spam
@6. eerst je onderzoeksmethode en methode voor statistische analyse bepalen, dan pas onderzoek doen en gegevens verwerken. Als je pas na je metingen uit gaat zitten zoeken wat er voor interessants in de data zit, moet je dat ook eerlijk vermelden in je verslag.
Reacties (8)
Oefening met de taak vergrootte de neurale activiteit in de genetisch gemodificeerde muizen (P < 0.05)
zie ook xkcd: *een op de twintig artikelen die gebruik maakt van statistiek trekt de verkeerde conclusies, want p <0.05*.
Overigens zie ik maar al te vaak dat onderzoekers (met name in de gamma-hoek) statistiek gebruiken als bewijsmiddel voor dingen die ze zelf al dachten, ook al zegt de statistiek dat d’r helemaal geen verband is. R2=0.03? Flats, opschrijven dat er een verband is met een R2 van 0.03, en vrolijk doorleuteren.
De betreffende paragraaf in de link is enigszins verwarrend, dus nog even samenvattend:
Als je als onderzoeker wilt beargumenteren dat één bepaald onderzocht effect meer aanwezig is dan een ander, met statistische significantie, dan moet je dat explictiet narekenen. Het is dus niet voldoende om te constateren dat de één statistisch wel significant gecorreleerd is en de ander niet.
In de helft van de artikelen in dit literatuuronderzoek was dat echter niet zo gedaan.
Ik denk dat als je een klein beetje je best doet, je wel veel meer statistische fouten kunt vinden in publicaties (ja ook van gerenommeerde bladen). Alleen al binnen het klinisch onderzoek lopen er hele volksstammen onderzoekers zo hopeloos achter op dat terrein, dat ze nog geen correcte statistiek konden gebruiken als ze dat wel zouden willen (ja, dat betekent dat ze dat vaak niet eens willen).
Neurogate
@bismarck: maar het is veel veiliger om te zeggen dat veel onderzoek op zich wel ‘deugt’, maar dat als je miereneukerig kijkt het niet helemaal aan de norm voldoet, dan dat je concludeert dat de statistiek -en dus ook de conclusies- van 30% van alle papers klinkklare nonsens is.
Ook al weet iedereen dat d’r -met name in de medische hoek- wel heel veel onderzoek rammelt.
@5: Maar het gaat vaak niet om “mierenneukerig” kijken, maar om moedwillig verkeerd gebruikte statistische methodes om de p-waarde kleiner te krijgen en fishing-expeditions.
@6. eerst je onderzoeksmethode en methode voor statistische analyse bepalen, dan pas onderzoek doen en gegevens verwerken. Als je pas na je metingen uit gaat zitten zoeken wat er voor interessants in de data zit, moet je dat ook eerlijk vermelden in je verslag.
@7: Succes met afdwingen.