The Power of Tests for Detecting $p$-Hacking
检测 p 值操纵的检验功效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：摘要研究跨研究 p 值分布与通用检验功效，未明确对应任何所列领域细分。
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…
检测 p 值操纵的检验功效
- 研究问题
- 通过跨研究的 p 值分布检测 p 值操纵时，不同操纵策略和真实效应分布如何影响检验功效及结果的解释？
- 方法与思路
- 作者理论分析可能的 p 值操纵方式对 p 值分布的影响，并比较涉及上界、单调性及 p 值曲线连续性的检验功效。
- 材料陈述的贡献
- 摘要称检测功效可能较低且高度依赖操纵策略与真实效应分布，上界和单调性的组合检验及连续性检验通常功效较高。
- 阅读关注点
- 核对各操纵策略的形式化设定、真实效应分布范围、检验的尺寸控制，以及功效排序在哪些情形成立或改变。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实。摘要未给具体功效数值或适用条件，未检出操纵不能直接证明不存在操纵。
原文摘要
A flourishing empirical literature investigates the prevalence of $p$-hacking based on the distribution of $p$-values across studies. Interpreting results in this literature requires a careful understanding of the power of methods for detecting $p$-hacking. We theoretically study the implications of likely forms of $p$-hacking on the distribution of $p$-values to understand the power of tests for detecting it. Power can be low and depends crucially on the $p$-hacking strategy and the distribution of true effects. Combined tests for upper bounds and monotonicity and tests for continuity of the $p$-curve tend to have the highest power for detecting $p$-hacking.