P-Hacking คืออะไร | สถิติ

P-hacking คือคำที่ใช้เพื่ออธิบายเทคนิคต่างๆ ที่นักวิจัยสามารถใช้เพื่อเพิ่มโอกาสในการค้นหาผลลัพธ์ที่มีนัยสำคัญทางสถิติในการศึกษาของพวกเขา แม้ว่าผลลัพธ์เหล่านั้นจะไม่มีความหมายอย่างแท้จริงก็ตาม นี่เป็นรูปแบบของการจัดการข้อมูลที่อาจนำไปสู่การเผยแพร่ ผลลัพธ์บวกปลอมได้

เช่น

ในการศึกษาวิจัยที่เปรียบเทียบประสิทธิภาพของการแทรกแซงทางกายภาพบำบัดสองแบบที่แตกต่างกันสำหรับอาการปวดไหล่ที่เกี่ยวข้องกับเอ็นหมุนไหล่ นักวิจัยอาจดำเนินการวิเคราะห์ข้อมูลหลายครั้ง โดยรายงานเฉพาะการวิเคราะห์ที่แสดงให้เห็นถึงความแตกต่างที่มีนัยสำคัญทางสถิติระหว่างการแทรกแซงทั้งสองแบบเท่านั้น นี่คือการแฮ็กค่า p เนื่องจากนักวิจัยจะรายงานเฉพาะผลลัพธ์ที่สนับสนุนสมมติฐานของตนอย่างเลือกสรร ขณะที่ละเลยผลลัพธ์ที่ไม่สนับสนุนนั้น

การเปรียบเทียบหลายรายการที่ไม่ได้ปรับ

ตัวอย่างอื่นของการแฮ็กค่า p ในการวิจัยกายภาพบำบัด คือ เมื่อนักวิจัยทำการเปรียบเทียบหลายรายการระหว่างการแทรกแซงที่แตกต่างกัน แต่ไม่ได้ปรับ การเปรียบเทียบหลายรายการ เหล่านี้ สิ่งนี้สามารถเพิ่มโอกาสในการค้นพบ ผลลัพธ์ที่มีนัยสำคัญทางสถิติโดยบังเอิญ แม้ว่าการแทรกแซงจะไม่แตกต่างกันอย่างแท้จริงก็ตาม

โดยการลบข้อมูลบางส่วนแบบเลือกสรร ผู้วิจัยสามารถ "แฮ็กค่า p" ผลลัพธ์ได้อย่างมีประสิทธิผล เนื่องจากเพิ่มความน่าจะเป็นที่จะพบความแตกต่างที่มีนัยสำคัญทางสถิติระหว่างการแทรกแซงทั้งสอง แม้ว่าจะไม่มีความแตกต่างที่แท้จริงก็ตาม นักวิจัยอาจนำเสนอข้อมูลราวกับว่าเป็นการเปรียบเทียบที่เป็นธรรม ซึ่งอาจนำไปสู่ข้อสรุปที่ไม่ถูกต้อง และทำให้การวิจัยและการรักษาในอนาคตเกิดความเข้าใจผิดได้ นี่เป็นเพียงวิธีหนึ่งที่จะทำเช่นนี้

ไม่ได้ตั้งใจ

สิ่งสำคัญที่ต้องทราบคือ การแฮ็ก P อาจเกิดขึ้นโดยไม่ได้ตั้งใจ และอาจเกิดจากการที่นักวิจัยขาดความรู้ด้านสถิติ หรือแรงกดดันในการเผยแพร่ผลลัพธ์ที่มีแนวโน้มดี อย่างไรก็ตาม มันอาจเป็นการเลือกที่ทำอย่างมีสติโดยมีเป้าหมายอยู่ในใจก็ได้ นักวิจัยควรลงทะเบียนการออกแบบการศึกษาและแผนการวิเคราะห์ล่วงหน้า รายงานผลการค้นพบทั้งหมด และใช้เทคนิคทางสถิติที่เหมาะสมเพื่อรองรับ การเปรียบเทียบหลายครั้ง เพื่อป้องกันการแฮ็กค่า p เพื่อเพิ่มความเชื่อมั่นในผลการค้นพบ อาจมีการใช้การศึกษาจำลองและการจำลองผลการค้นพบแบบอิสระด้วย

ข้อมูลเพิ่มเติมเกี่ยวกับการลงทะเบียนก่อนการพิจารณาคดี

การลงทะเบียนก่อนการทดลอง ซึ่งรวมถึงการส่งรายละเอียดที่ครอบคลุมเกี่ยวกับการออกแบบการวิจัย การแทรกแซง ผลลัพธ์ และแผนการวิเคราะห์ ถือเป็นกระบวนการลงทะเบียนการทดลองทางคลินิกก่อนที่จะเริ่มต้น ขั้นตอนนี้ถือว่ามีความสำคัญต่อการเพิ่มความเปิดกว้างและลดอคติในการวิจัยทางคลินิก นักวิจัยมุ่งมั่นที่จะบรรลุเป้าหมายและขั้นตอนต่างๆ ด้วยการลงทะเบียนการศึกษาต่อสาธารณะก่อนที่จะดำเนินการ ซึ่งสามารถช่วยป้องกันการเสนอผลแบบเลือกปฏิบัติและการปลอมแปลงข้อมูล การลงทะเบียนก่อนพิจารณาคดีทำให้สามารถเข้าถึงข้อมูลเกี่ยวกับการพิจารณาคดีปัจจุบันและที่เสร็จสิ้นแล้วได้ง่ายขึ้น และป้องกันความพยายามในการวิจัยที่ซ้ำซ้อน การทดลองที่ลงทะเบียนแล้วมีแนวโน้มที่จะได้รับการตีพิมพ์มากกว่า ซึ่งจะช่วยลดอคติในการตีพิมพ์ และทำให้มั่นใจได้ว่าผลการศึกษาจะพร้อมให้นำไปใช้ในทางคลินิกและการกำหนดนโยบาย การลงทะเบียนก่อนการทดลองถือเป็นขั้นตอนสำคัญในการรับรองว่าการวิจัยทางคลินิกดำเนินไปอย่างโปร่งใสและเข้มงวด ส่งผลให้ได้ผลลัพธ์ที่น่าเชื่อถือและเป็นประโยชน์มากขึ้น

เกลแมน, เอ., และ โลเคน, อี. (2562). สวนแห่งทางแยก : เหตุใดการเปรียบเทียบหลายครั้งจึงอาจเป็นปัญหาแม้ว่าจะไม่มี "การสำรวจประมง" หรือ "การแฮ็กค่า P" และสมมติฐานการวิจัยถูกตั้งไว้ล่วงหน้า ∗

ดานิเอเล ฟาเนลลี (2012) ผลลัพธ์เชิงลบกำลังหายไปจากสาขาวิชาและประเทศส่วนใหญ่ , 90(3), 891–904. doi:10.1007/s11192-011-0494-7

ลาเคนส์, ดี. (2562). คุณค่าของการลงทะเบียนล่วงหน้าสำหรับวิทยาศาสตร์จิตวิทยา: การวิเคราะห์แนวคิด ใจ理学評論, 62(3), 221-230.

สตอเรย์, เจ.ดี. (2546). อัตราการค้นพบเท็จเชิงบวก: การตีความแบบเบย์เซียนและค่า q วารสารสถิติ, 31(6), 2013-2035.

Wicherts, J. M., Veldkamp, C. L. S., Augusteijn, H. E. M., Bakker, M., & van Aert, R. C. (2559). ม., และฟาน แอสเซน, มาล์ม (2016) ระดับความเป็นอิสระในการวางแผน การดำเนินการ การวิเคราะห์ และการรายงานผลการศึกษาทางจิตวิทยา: รายการตรวจสอบเพื่อหลีกเลี่ยงการแฮ็ก p แนวหน้าในจิตวิทยา, 7.