Czy są cytowane artykuły na temat statystyki, które faktycznie rozpowszechniły złe praktyki statystyczne?

Istnieje oczywiście wiele sposobów nadużywania metod statystycznych. Czy znasz jakieś przykłady złej praktyki statystycznej, które zostały po raz pierwszy opublikowane jako wyraźna rada (np. „Powinieneś użyć tej metody do ...”), w renomowanych czasopismach akademickich, które następnie były wielokrotnie cytowane?

Przykładem może być 10 zdarzeń na regułę predyktora, które jest często wywoływane dla modeli regresji logistycznej lub regresji PH Coxa ( LINK ).

Żeby było jasne, nie mam na myśli cytowanych prac, które wykorzystywały słabe metody statystyk - są niestety trywialnie powszechne.

RA Fisher, „Arrangement of Field Experiments”. Journal of Ministerstwa Rolnictwa Wielkiej Brytanii. 33: 503–513. 1926.

Według różnych źródeł w Internecie, ten artykuł jest źródłem użycia jako progu istotności w dowolnym teście statystycznym.$\alpha = 0.05$

... wygodnie jest narysować linię na poziomie, na którym możemy powiedzieć: „Albo coś jest w leczeniu, albo nastąpił przypadek, który nie występuje więcej niż raz na dwadzieścia prób”.

... Jeśli jeden na dwadzieścia nie wydaje się wystarczająco wysokim prawdopodobieństwem, możemy, jeśli wolimy, narysować linię na jeden na pięćdziesiąt (punkt 2 procent) lub jeden na sto (punkt 1 procent). Osobiście pisarz woli ustawić niski standard znaczenia na poziomie 5 procent i całkowicie ignorować wszystkie wyniki, które nie osiągają tego poziomu. Fakt naukowy należy uznać za ustalony eksperymentalnie tylko wtedy, gdy właściwie zaprojektowany eksperyment rzadko nie daje takiego poziomu istotności.

W ekonometrii z pewnością można znaleźć przykład propagowanych metod przez znanych (i wysoko wykwalifikowanych) ekonometrów opublikowanych w przyzwoitych czasopismach. Nie znam pracy teoretycznej, ale Lalonde (1986) słynie z tego, że obecnie stosowane metody nie są zbyt dobre: ​​porównuje te same metody eksperymentalne z zestawem danych z metodami obserwacyjnymi i znajduje duże różnice w dziedzinie (przyczynowego) leczenia ewaluacja . Istnieje duża literatura, która propagowała te nie eksperymentalne metody, które były wówczas używane i które są często używane do dziś.

Następnie odbyła się (i myślę, że nadal jest) debata na temat tego, czy dopasowanie wyników skłonności jest możliwym rozwiązaniem (patrz na przykład tutaj ).

Ponadto istnieje wiele kontrowersji dotyczących estymacji zmiennych instrumentalnych . Wnioski z cytowanych oryginalnych prac zostały zakwestionowane. To prawdopodobnie najbliższy przykład twojego pytania. Bound i Jaeger (1996 i kolejne artykuły) zakwestionowali wyniki dobrze znanej pracy Angrista i Kruegera (1991; 2700 cytowań według Google Scholar), która zasadniczo ustanowiła metodę zmiennej instrumentalnej w stosowanej literaturze ekonometrycznej.

Toczy się również duża debata na temat stosowności tak zwanych oszacowań zredukowanych do ustalenia związku przyczynowego, patrz na przykład Imbens (2010) .

Kolejny duży temat dotyczy oczywiście standardowego błędu. Być może można znaleźć dobrze znany papier propagujący wartości p. W ekonometrii błąd standardowy dla dłuższych szeregów czasowych był często błędnie obliczany (w projekcie różnicy w różnicy ) z powodu niewłaściwych istniejących metod, patrz tutaj . Nie znam jednak oryginalnie cytowanego artykułu proponującego te metody w tym kontekście, ale jestem pewien, że znajdziesz kilka przykładów w tej dziedzinie.

Źródła:

Angrist, Joshua D. i Alan B. Keueger. „Czy obowiązkowe uczęszczanie do szkoły wpływa na szkolnictwo i zarobki?” The Quarterly Journal of Economics 106, no. 4 (1991): 979–1014.

Bertrand, Marianne, Esther Duflo i Sendhil Mullainathan. „Jak bardzo powinniśmy ufać szacunkom różnic w różnicach?” Kwartalny dziennik ekonomii 119, nr. 1 (2004): 249–275.

Bound, John i David A. Jaeger. O ważności sezonu urodzenia jako instrumentu w równaniach płacowych: komentarz do Angrista i Kruegera „Czy obowiązkowa obecność w szkole wpływa na Scho. Nr w5835. National Bureau of Economic Research, 1996.

Dehejia, Rajeev. „Praktyczne dopasowanie wyników skłonności: odpowiedź dla Smitha i Todda”. Journal of econometrics 125, no. 1-2 (2005): 355–364.

Imbens, Guido W. „Lepiej PÓŹNIEJ niż nic: niektóre komentarze na temat Deaton (2009) oraz Heckman i Urzua (2009)”. Journal of Economic literature 48, no. 2 (2010): 399–423.

LaLonde, Robert J. „Ocena ocen ekonometrycznych programów szkoleniowych z danymi eksperymentalnymi”. The American Economic Review (1986): 604-620. *

Próbuję (choć nie tak mocno):

Bardzo przydatny [Cameron, AC i Miller, DL (2015). Przewodnik dla praktyków dotyczący wnioskowania odpornego na klastry. Journal of Human Resources, 50 (2), 317-372.] // już 1900 Cytaty Google Scholar // zawiera porady dotyczące odpowiedniego poziomu grupowania błędów standardowych:

„Konsensus ma być konserwatywny i unikać stronniczości oraz stosować większe i bardziej zagregowane klastry, jeśli to możliwe, aż do momentu, w którym istnieje obawa o zbyt małą liczbę klastrów”.

Jednakże [Abadie, A., Athey, S., Imbens, GW i Wooldridge, J. (2017). Kiedy należy dostosować standardowe błędy dla grupowania? (Nr w24003). National Bureau of Economic Research.] Pokazuje, że „w rzeczywistości klastrowanie jest zbyt szkodliwe na zbyt zagregowanym poziomie”. Zobacz stronę 1 później: https://economics.mit.edu/files/13927

Być może uda ci się również stworzyć bardziej zdecydowaną sprawę, zaczynając od dwóch nieporozumień podkreślonych przez Abadie i in. (2017).