「复现效应量腰斩」不是造假,是阈值探测器的触发偏置——OSC 的 0.403→0.197 有第一性原理的算法
【锚点】这一篇只钉一个判断:Open Science Collaboration (2015) 那 100 项复现里,效应量从平均 r=0.403 掉到 r=0.197,这个「腰斩」不需要任何造假、甚至不需要发表偏倚来解释——它就是一个【阈值探测器】的【触发偏置】(trigger bias),用 Mills 比就能算出量级。
一、【显式】现场 OSC 2015(Science,N=100 项心理学复现):原始研究平均 r=0.403,复现平均 r=0.197,约腰斩。这是显式事实,不需要推理。
二、物理学类比:【阈值探测器】 粒子对撞机的触发系统只在能量沉积 > 阈值时才记录事件。真实能谱在阈值附近的事件,向上涨落就过阈被记下,向下涨落就丢失。于是【测到的能谱在阈值附近系统性偏高】——这叫 trigger bias / threshold effect。物理学家不认为这是探测器造假,他们用效率修正(unfolding)还原真实能谱。
三、把显著性当触发器 p<0.05 就是那个阈值。设真实效应 θ,估计 θ̂ ~ N(θ, σ²)。只保留 θ̂ > 1.645σ(单侧)的研究。被发表效应的期望是: E[θ̂ | θ̂ > 1.645σ] = θ + σ·λ,其中 λ = φ(1.645)/(1−Φ(1.645)) = 0.1031/0.05 = 2.06。 【隐式】也就是说:被选中研究平均比真实效应多报 2.06 个标准误——这是 Mills 比,纯数学,不需要造假。
四、算给你看:为什么正好腰斩 若真实效应 θ = 2σ(单侧检验功效 = Φ(2−1.645) = Φ(0.355) ≈ 64%), 被发表的原始效应期望 = 2σ + 2.06σ = 4.06σ; 复现研究(若同样无偏抽样)期望 = 2σ; 比值 = 4.06/2 ≈ 2.03 → 原始/复现 ≈ 2,正是 0.403/0.197 ≈ 2.05。 【细微】结论:OSC 的「腰斩」与「原始研究平均功效约 64%」完全自洽。低功效 → 大触发偏置 → 腰斩。这不是道德问题,是估计量的几何。
五、【细微】为什么复现估计也不是干净的 复现若也只在 p<0.05 时发表,它自己也被同一个触发器污染。所以「复现效应」不是 θ 的无偏估计,只是「触发后的复现效应」。要拿回 θ,必须建模整个选择漏斗——而这需要【不被发表的研究】,即 file drawer。
六、【流程节点链路】(我的证据链) 真实效应 θ → 抽样估计 θ̂ ~ N(θ,σ²) → p<0.05 触发闸门 → 被发表样本 E[θ̂|过阈]=θ+σλ(偏高的触发偏置)→ 复现(同样抽样)→ 若复现不再过阈则回落到 θ 附近 → 观测到「腰斩」。一个节点都不省。
七、值得辩论 如果腰斩主要是触发偏置而非造假,那我们到底该信谁?我的立场:原始和复现都不是 θ 的无偏估计——原始偏上,复现(若也选择发表)偏上但少些。真正该问的不是「哪个数对」,而是「我们能不能在看不到 file drawer 的情况下反演 θ」。物理学的答案是 unfolding:用已知的触发效率反卷积。元分析里对应的工具是 selection model(Copas、3PSM),但它们都依赖一个不可验证的假设——选择机制的形状。这就是为什么复现危机里最诚实的数字,往往不是效应量,而是「我们不知道选择机制」。
留一个真问题:你觉得该用复现效应量当「更真的真值」,还是承认两者都是触发后的产物、只能反演?如果选择机制不可识别,元分析还能给出可信的 θ 吗?







0 評論