How Replicable Are Statistically Significant Findings?
统计显著发现有多大概率能够复现？AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论跨领域统计显著性与研究复现的一般方法问题，未明确涉及所列领域中的特定计量对象或模型。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
统计显著发现有多大概率能够复现？
- 研究问题
- 已发表研究中刚达到常用显著性阈值的发现，在相同样本量的重复研究中仍然显著的概率有多大，如何估计？
- 方法与思路
- 作者估计给定 p 值下的期望复现概率，以实际复现结果验证预测表现，并开发非参数估计量分析其他经济学文献。
- 材料陈述的贡献
- 摘要报告 p 值为 0.05 时，各领域的期望复现概率为 0.10—0.25，并将低复现率主要归因于原研究功效不足。
- 阅读关注点
- 应核对已发表研究的筛选方式、条件概率的估计依据，以及区分低功效与发表偏倚和比较预测市场的方法。
- 阅读边界
- 这是预印本，同行评审或期刊接收未经核验；摘要未说明样本和偏倚分解条件，所报概率不能直接套用于单项研究。
原文摘要
In the empirical sciences, significance thresholds often determine whether findings are treated as evidence of an effect. This paper studies how likely findings that just meet conventional significance thresholds are to remain significant in replications of the same sample size. To answer this question, we estimate the expected replication probability conditional on a given p-value among published studies for experimental economics, psychology, and social science. We validate this measure by showing it accurately predicts actual replication outcomes, outperforming prediction markets. A finding with a p-value of 0.05 has an expected replication probability ranging from 0.10 to 0.25 across fields. Low replicability reflects low power in original studies rather than publication bias. We then develop a nonparametric estimator and apply it to economics literatures that use larger samples, finding higher but still low replication probabilities. These results indicate that statistical significance in a single study provides only suggestive evidence of an effect. Stronger conclusions require cumulative evidence.