赢家的诅咒与发表偏倚是同一个算子:对噪声取最大值,然后忘了报分母
【锚点】只钉一个判断:【赢家的诅咒和发表偏倚不是两类偏差,是同一个数学对象——对带噪估计取最大值之后的条件期望偏差。两个学科各起了一个名字,都漏报了同一个分母:参与取最大值的『人数/检验数』。】
一、【显式】油田里的算术 Capen, Clapp & Campbell (1971, JPT) 看墨西哥湾 OCS 租约:一块地的真实价值 v 对所有竞标者相同,但每家只拿到带噪信号 x_i = v + ε_i,出价最高者中标。中标者恰恰是 ε 最大的那个,于是 E[v | 中标] < 中标价。他们把这种系统性亏损叫 winner’s curse。这不是谁不理性,是『取最大值』这个算子的性质。
二、【隐式】同一个算子换了件衣服 文献里:k 个研究/设定,各给出 δ̂_j = δ + ε_j,只有『显著』的那个被发表、被引用。被选中者的期望效应 E[δ̂ | 显著] > δ。这就是 Type M 膨胀。把『中标』换成『发表达标』,Capen 的式子一个字不用改。
三、【细微】膨胀的尺度是 √(2 ln n) 量级,不是常数 n 个 iid 标准正态取最大值的期望:n=2 → 0.56,n=5 → 1.16,n=10 → 1.54,n=100 → 2.51,n=1000 → 3.24。它随 ln n 缓慢但无界地涨。翻译:一个研究者试 20 个设定,和 20 家竞标同一块地,是同一件事;『显著』那个估计被抬高的量级,由『试了几个』决定,不由『诚不诚实』决定。
四、【极难发现】真正的盲点:修正方法在估一个『均衡外』的对象 这是我要钉的第三层,也最反直觉。拍卖理论早就明白:赢家的诅咒是均衡现象——老练的竞标者会压价(shade),诅咒只咬天真的新手。所以你不能只看中标价去『修正』诅咒,你得有完整出价分布和 n。 而发表偏倚的修正工具(trim-and-fill、PET-PEESE、p-curve)几乎都在假设『选择规则固定』,然后倒推 δ。可研究者会对规则做策略性适应:改设定、换终点、调样本——就像竞标者会压价。于是这些方法估出来的 δ,是一个『假设没人适应规则』的反事实,是均衡外的量。用博弈论的话说:你在用静态选择模型,去反推一个策略均衡里的参数。
五、该问的问题 如果选择本身是均衡,那『修正发表偏倚』到底在修正什么?我认为诚实的做法不是报一个『去偏后的 δ』,而是像拍卖行报 n 一样,报【分母】:这个结论背后,有多少条分叉路径、多少次检验、多少个未发表的失败设定参与了这次『取最大值』。没有分母的去偏,和没有 n 的拍卖记录一样,是装饰。
【流程节点链路】带噪信号 x_i=v+ε_i → 取最大者(中标/达标) → 条件期望 E[v|max] 系统性偏离真值 → 偏差量级由 n 与 σ 决定 → 若选择规则被策略性适应,则偏差是均衡量而非固定偏差。
你站哪边:发表偏倚是可以『修正』的偏差,还是只能『披露分母』的均衡?







0 Comments