Simplemente porque el análisis es sensible a los cambios en el modelo no necesariamente implica que el investigador probado muchos modelos y, a continuación, publicada el que trabajó.
Uno sólo necesita la hipótesis de la existencia de un número de investigadores de cada uno teniendo en cuenta un poco de la cuestión similar, cada uno tratando de sólo uno de los análisis, y el primero que trata el 'éxito' modelo es el que se publican.
La falta de cualquier análisis de sensibilidad sería más una indicación de la incompetencia o descuido en lugar de significación real de caza por cualquier individuo.
Eso no quiere decir que (importancia de la caza) nunca sucede, es sólo que no se puede decir por la simple existencia de una situación que era lo que pasaba en cualquier caso particular. En la práctica, veo ignorante incompetencia o de plano descuido (en la cara de publicar o perecer mentalidad, no es de extrañar en absoluto - ¿cuál es la recompensa por tomar el tiempo para hacer las cosas con la debida atención?) mucho más a menudo de mala conducta deliberada; todo lo que se necesita por encima de que es una gran cohorte de personas a pensar en preguntas similares para todos aquellos "caso especial" de los resultados que realmente no generalizar a su vez con el tiempo en la literatura.
La fuente de lo que es eficaz significado de caza, incluso cuando todo el mundo trata sólo de un modelo es la existencia de revistas que desea publicar "significativo" de los resultados. Actúan para crear los resultados que no pueden ser reproducidos (que son el ruido, básicamente). Si las revistas desea publicar resultados que son casi todos los falsos positivos, todo lo que necesita hacer es seguir como están.
Incluso muchas de las revistas que tienen una política oficial dirigida a evitar estos problemas, sin embargo, tienen un de facto de la política de sólo la publicación de resultados significativos, porque acepta las prácticas y recomendaciones de los revisores que insistir en ellos, a pesar de la política establecida.
Para obtener mejores resultados, se necesita impulsar activamente un enfoque en los tamaños de los efectos, y se concentran una fracción significativa de esfuerzo en la publicación de bien llevado a cabo estudios que encuentran nada. [En el caso de los grupos profesionales y editorial de la revista de las juntas, y los editores no pueden comprender la importancia científica de no encontrar nada de lo que pasa (y las muy graves consecuencias de ignorar los resultados nulos), probablemente debería de salir de ese negocio y entrar en algo relativamente científicamente más honesto, como correr una lectura psíquica teléfono de línea. Al menos, ninguna pretensión de rigor deberían ser descartados.]
En la línea de lo que sugiere que quizás la gente no lo están haciendo deliberadamente, aquí hay algunas más o menos inconsciente "trucos sucios" que puede incrementar las tasas de encontrar resultados significativos:
haciendo del modelo de selección de variables sin tener en cuenta el efecto de la misma. Esta es, probablemente, el más grande, puede ocurrir en un número de puntos en la investigación, y el investigador puede incluso no ser conscientes de que lo están haciendo (a veces es sutil).
De hecho, el básico "modelización del ciclo de' paradigma (como el diagrama de flujo se encuentra en Box y Jenkins, digamos) conduce a este problema. Eso no es una crítica a esa diagrama de flujo, por cierto -, pero uno debe tratar adecuadamente con el efecto de estos procedimientos.
Merece la pena leer a Frank Harrell del libro (Regresión Modelización de Estrategias), en particular el capítulo 4. La información relacionada se puede encontrar en un número de otros lugares.
centrándose en el modelo de evaluación (en particular de ver las cosas como normalidad, homoskedasticity o considerando la adición de los términos de interacción o los términos para recoger curvatura), o sólo se centra más difícil cuando no se encuentra nada - y luego de probar un nuevo análisis cuando algún fracaso de las suposiciones es detectado - que cuando un resultado deseado se encuentra.
tratando de averiguar si hay un mejor post-hoc de procedimiento cuando el primero que trató de no dar el resultado que usted necesita.
