元分析中的均值为何常常无意义：以不诚实行为元分析为例
Data Colada 系列文章指出，元分析均值常因纳入无效假设检验和不可通约的结果而失去意义。以 2019 年 Psychological Bulletin 发表的不诚实行为元分析为例，该研究分析 558 项研究后得出掷骰任务中撒谎比例为 52%、抛硬币任务为 30%，但作者认为两类任务设计差异过大，无法有效比较或合并。
全部心理学动态
全部动态
今日 22 条Data ColadaAI 评分5050
Data ColadaAI 评分6060 Data Colada：学术出版物中助推的平均效应8.7%为何缺乏意义
Data Colada 在系列文章第二篇中指出，元分析平均值常常没有意义，因为其中包含对元分析研究问题的无效检验，并把不可比的结果合并在一起。
Data ColadaAI 评分5050 元分析均值常无意义：以“助推”平均效应 d = 0.43 为例
Data Colada 指出，PNAS 一篇元分析将 447 个“助推”效应合并得出平均效应量 Cohen's d = 0.43，但这类均值往往没有意义，因为合并了本质上不可通约的结果。
Data ColadaAI 评分6262 Data Colada 作者指出元分析平均值的两个根本问题
Data Colada 作者在系列文章的开篇提出，行为科学中许多元分析是无效的，问题集中在两点：一是缺乏质量把关，把有效与无效研究一起平均；二是把不可比的结果合并，例如不同操纵强度或不同结局的研究。
Data ColadaAI 评分6262 Data Colada 指出中介分析在 M 与 Y 存在实验外相关时失效
Data Colada 的一篇文章指出，当中介变量 M 与结果变量 Y 在实验之外存在相关时，中介分析会失效。作者 Uri Simonsohn 解释，随机分配只保证 X 对 Y 的估计无偏，一旦在回归中加入 M，b 和 c' 都会产生遗漏变量偏倚，c' 被低估，从而高估中介效应，甚至在没有中介时也看到中介。
Data ColadaAI 评分5050 透明性让研究可评估：评一篇发表于 Nature 的犯罪现场实验
Data Colada 对一篇发表于 Nature 的犯罪现场实验提出质疑：该研究将 55 个公共住房楼群随机分配至实验组与对照组，报告干预使前三个月犯罪率下降 6.9%（p = .036），但分析偏离了预注册，且关键操纵存在仅见于原始材料的混淆变量。作者指出，透明性只能证明研究可被评估，不能证明结论有效。
Data ColadaAI 评分5050 Groundhog 2.0：进一步应对 R 对可重复研究的威胁
一项针对 2335 份已发表论文附带 R 脚本的自动重跑发现，仅 44% 能无错运行，21% 的失败源于包无法加载。为此发布的 groundhog 2.0 新增支持 GitHub 和 GitLab 包，预计 2022 年 5 月上线 CRAN，此前可用 GitHub 上的 v1.9.9.9999 版本。
AutismAI 评分1818 致编辑信：建议在孤独症成人研究中采用 Autism Quality of Life 量表
一封致《Autism》编辑的信建议，在与孤独症成人开展研究时使用 Autism Quality of Life 量表。该量表专为配合 WHOQoL-BREF 使用而开发。
Data ColadaAI 评分5050 被引最多的2019年QJE论文依赖Stata过时默认设置得出回归p值不充分
被引最多的2019年QJE论文《Channeling Fisher》称随机化检验优于回归，但该结论仅在依赖Stata默认的HC1稳健标准误时成立。改用R默认的HC3后，随机化检验的优越性消失——问题出在Stata默认设置，而非随机化检验本身。
Data Colada精选AI 评分8888 Data Colada 指 2012 年 PNAS 不诚实行为现场实验数据系伪造
Data Colada 与一组匿名研究者分析 Kristal 等人 2020 年公开的原始数据后指出，2012 年发表于 PNAS 的一项现场实验（N = 13,488，由美国东南部一家汽车保险公司实施）存在数据伪造证据。
推荐理由：通过字体、取整和分布异常还原数据造假手法，并说明公开数据为何是发现问题的关键。
Data ColadaAI 评分5858 两次重复研究未能复现目标冲突影响工作与休闲时间分配
Data Colada 对《Journal of Consumer Research》论文“Goal Conflict Encourages Work and Discourages Leisure”中的研究 1a（N = 210）进行了两次重复，样本量约为原研究的 5 倍（重复 1 为 1,008 人，重复 2 为 1,127 人）。
Data ColadaAI 评分3838 经济学研讨会中的性别差异：女性演讲者真的受到更差对待吗？
一项分析462场经济学研讨会提问的NBER论文称女性演讲者被提问更多且问题更具居高临下或敌意，但Data Colada的解读认为该结论证据不足。数据显示女性演讲者获得约多3个提问，差异主要来自男性更常被提问过少；敌意与居高临下问题的效应量小且统计证据薄弱（p=.1和p=.02），其他指标方向不一致。
Data ColadaAI 评分6262 Groundhog：用日期锁定 R 包版本以应对可复现性威胁
Data Colada 作者 Uri Simonsohn 推出 R 包 groundhog，用 groundhog.library() 替代 library()，只需额外输入一个日期，即可加载该日期在 CRAN 上的包版本及其全部依赖，使同一段代码在不同电脑上长期得到相同结果。
Data ColadaAI 评分2222 Data Replicada #9：减重广告的渐进式呈现比"前后对比"更可信吗？复制研究
Data Replicada 第9期复制了 Journal of Marketing Research 一篇关于减重产品广告的研究，原研究（N = 213）发现渐进式广告比"前后对比"广告更可信。
Data ColadaAI 评分3838 ResearchBox：让开放研究更简便的预注册与数据共享平台
ResearchBox 是一个便于研究者共享数据、代码、材料和预注册的新平台，设计思路类似 AsPredicted，但比 OSF 更聚焦于向读者共享研究支撑材料，不提供项目分叉、多作者子组件、wiki 协作或 AWS 集成等功能。
Data ColadaAI 评分4545 Data Replicada #8：价格并排呈现时左位数偏差会更强吗？
Data Replicada 对一篇 JMR 左位数偏差论文的研究1（N = 145）开展两项预注册重复验证，重复1（N = 1,099）与重复2（N = 1,555）均仅发现边缘显著的交互，即价格同屏呈现时左位数偏差方向性更大，但证据远弱于原研究。原研究仅有9.3%和7.8%的检验力检出两次重复结果，需3,000至4,500名被试才有80%把握检出。
Data ColadaAI 评分5858 p-hacking的快与慢：评一篇即将刊出的AER论文对经济学文献可信度的判断
Uri Simonsohn 针对即将刊于 AER 的论文《Methods Matter: P-Hacking and Publication Bias in Causal Analysis in Economics》提出质疑。
Data ColadaAI 评分3030 Data Replicada #7：展示多瓶产品会提高其感知效果吗？一项JCR研究的重复验证
Data Colada的重复验证未能复现Journal of Consumer Research一项研究的结果：展示五瓶滴露（vs.一瓶）并未显著提高被试对产品效果的评分。三次预注册重复验证样本量至少为原研究（N=87）的6.5倍，最支持原假设的第三次重复中效应量仅为d=.10，远小于原研究的d=.43。
Data ColadaAI 评分6262 Data Replicada 重复验证发现差异流失可能制造稀缺效应
Data Colada 的 Data Replicada 项目尝试重复验证 Journal of Consumer Research 一篇关于资源稀缺与价格质量判断的研究，重复实验中稀缺组的价格质量相关低于对照组，但效应量 d = .15，远小于原研究的 d = .42。
Personality and Social Psychology ReviewAI 评分4040 《Personality and Social Psychology Review》就武器效应研究发表关注声明
《Personality and Social Psychology Review》期刊编辑就 Benjamin、Kepes 与 Bushman（2017）关于武器对攻击性思维、愤怒情绪、敌意评价及攻击行为影响的研究发表关注声明。该声明针对这篇已在线发表的文章，具体关注内容未在声明中详述。
Criminal Justice and BehaviorAI 评分2626 风险水平与治疗剂量的交互作用考察
一项研究考察了矫正干预中风险水平与治疗剂量的交互作用。风险原则主张，有效干预应按犯罪者风险调整治疗强度，高风险者应获得比低风险者更密集的服务。