Glen_b का उत्तर हाजिर है (+1; मेरा पूरक मानें)। तालेब द्वारा आपके द्वारा उल्लिखित कागज, मनोविज्ञान और सांख्यिकी साहित्य के भीतर कागजों की एक श्रृंखला के समान ही है, इस बारे में कि आप किस तरह की सूचनाओं को पी-मानों के वितरण (जिसे लेखक पी-कर्व कहते हैं, के विश्लेषण से चमका सकते हैं; उनकी साइट देखें; संसाधनों का गुच्छा, यहां पी-कर्व विश्लेषण ऐप भी शामिल है )।
लेखक पी-वक्र के दो प्राथमिक उपयोगों का प्रस्ताव करते हैं:
- आप साहित्य के पी-कर्व का विश्लेषण करके एक साहित्य के स्पष्ट मूल्य का मूल्यांकन कर सकते हैं । यह पी-कर्व का उनका पहला विज्ञापित उपयोग था। अनिवार्य रूप से, जैसा कि ग्लेन_ बी वर्णन करता है, जब आप गैर-शून्य प्रभाव आकारों के साथ काम कर रहे होते हैं, तो आपको पी-कर्व्स को देखना चाहिए जो कि पी <.05 के पारंपरिक सीमा से नीचे तिरछे होते हैं , क्योंकि छोटे पी-मान पी की तुलना में अधिक होने चाहिए। मान पी के करीब= .05 जब कोई प्रभाव (या प्रभाव का समूह) "वास्तविक" होता है। इसलिए आप महत्वपूर्ण सकारात्मक तिरछे के लिए एक पी-कर्व का परीक्षण कर सकते हैं जो स्पष्टवादिता मूल्य के परीक्षण के रूप में है। इसके विपरीत, डेवलपर्स का प्रस्ताव है कि आप नकारात्मक तिरछा (यानी अधिक बॉर्डरलाइन महत्वपूर्ण पी-वैल्यूएशन छोटे वाले) का परीक्षण कर सकते हैं, अगर यह निर्धारित करने के लिए कि क्या प्रभाव का एक सेट विभिन्न संदिग्ध विश्लेषणात्मक प्रथाओं के अधीन है।
- आप प्रकाशित पी-वैल के साथ पी-कर्व का उपयोग करके प्रभाव-आकार के प्रकाशन-पूर्वाग्रह मुक्त मेटा-एनालिटिक अनुमान की गणना कर सकते हैं । यह संक्षिप्त रूप से समझाने के लिए थोड़ा पेचीदा मामला है, और इसके बजाय, मैं आपको सलाह दूंगा कि आप उनके प्रभाव-आकार-आकलन केंद्रित कागजात (साइमनसोहन, नेल्सन, और सीमन्स, 2014 ए, 2014 बी) की जांच करें और स्वयं तरीकों पर पढ़ें। लेकिन अनिवार्य रूप से, लेखकों का सुझाव है कि पी-वक्र का उपयोग फ़ाइल-दराज प्रभाव के मुद्दे को स्कर्ट करने के लिए किया जा सकता है, जब एक मेटा-विश्लेषण का संचालन करता है।
तो, अपने व्यापक प्रश्न के रूप में:
इसे पी-वैल्यू के पक्ष में पारंपरिक तर्क के साथ कैसे जोड़ा जा सकता है?
मैं कहूंगा कि तालेब (और अन्य) जैसी विधियों ने पी-मूल्यों को फिर से तैयार करने का एक तरीका खोज लिया है, ताकि हम पी-मूल्यों के समूहों का विश्लेषण करके संपूर्ण साहित्य के बारे में उपयोगी जानकारी प्राप्त कर सकें , जबकि एक पी-मूल्य अपने आप हो सकता है। इसकी उपयोगिता में बहुत अधिक सीमित है।
संदर्भ
सिमोनसोहन, यू।, नेल्सन, एलडी, और सीमन्स, जेपी (2014 ए)। पी-कर्व: फाइल की दराज की कुंजी। प्रायोगिक मनोविज्ञान जर्नल: जनरल , 143 , 534-547।
सिमोनसोहन, यू।, नेल्सन, एलडी, और सीमन्स, जेपी (2014 बी)। पी-वक्र और प्रभाव का आकार: केवल महत्वपूर्ण परिणामों का उपयोग करके प्रकाशन पूर्वाग्रह के लिए सुधार। मनोवैज्ञानिक विज्ञान पर परिप्रेक्ष्य , 9 , 666-681।
सिमोनसोहन, यू।, सीमन्स, जेपी, और नेल्सन, एलडी (2015)। बेहतर पी-वक्र: पी-वक्र विश्लेषण को त्रुटियों, धोखाधड़ी, और महत्वाकांक्षी पी-हैकिंग, एक जवाब के लिए उलरिच और मिलर (2015) के लिए और अधिक मजबूत बनाता है। प्रायोगिक मनोविज्ञान जर्नल: जनरल , 144 , 1146-1152।