Hintergrund :
Es scheint eine erhebliche Debatte über den Output der psychologischen Forschung zu fehlen
a) angemessene, strenge statistische Behandlung der Daten b) Reproduzierbarkeit
Als Psychologiestudent im zweiten Studienjahr ist es eine meiner größten Befürchtungen, dass meine zukünftige Forschung durch meinen Mangel an Wissen in den beiden oben genannten Bereichen beeinträchtigt werden könnte.
Worum ich in diesem Beitrag bitte:
Ich hätte gerne Lesevorschläge in Form von Zeitschriften, Blogs, Lehrbüchern oder sogar bestimmten Papieren/Artikeln, die mich zu anderen Ressourcen führen könnten. Mein Ziel ist es, einen soliden Hintergrund in Statistik/Methodik zu entwickeln, um peinliche Fehler zu vermeiden. Ich denke, es ist wichtig, mein aktuelles mathematisches Niveau zu erwähnen, damit Vorschläge leichter gemacht werden können: Ich bin vertraut mit univariaten Kalkülen und Grundlagen von Differentialgleichungen, einführender Wahrscheinlichkeitstheorie und Algebra und Geometrie der High School (in Südasien gemacht).
Extra:
Ich habe diesen Beitrag auf psychologie.stackexchange bezüglich der Reproduzierbarkeit gelesen und fand ihn hilfreich.
Bitte lassen Sie mich wissen, ob ich diesen Beitrag bearbeiten muss, um fruchtbare Antworten zu erhalten.
Es gibt verschiedene lose definierte „Lager“ unter reformorientierten Methodikern, daher möchten Sie wahrscheinlich versuchen, einem Vertreter von jedem zu folgen.
Andrew Gelman ist ein herausragender Meilenstein in diesem Bereich und betreibt einen wirklich netten, häufig aktualisierten Blog unter statmodeling.stat.columbia.edu mit häufigen Papierkritiken.
Die JASP-Crew hat auch einen Blog, https://www.bayesianspectacles.org/ , der etwas aggressiv ist, aber JASP ist großartig und wird Sie auf Dinge wie das kürzlich erschienene Papier „Statistische Signifikanz neu definieren“ hinweisen gibt Ihnen viel Gesprächsstoff, wenn Sie einem Methoden-Guru in der Kaffeepause begegnen.
Vielleicht gefällt Ihnen auch http://daniellakens.blogspot.com/ und der Autor Daniel Lakens hat einen Coursera MOOC zu solchen Dingen. Um sicher zu sein, es gibt eine Menge guter Statistik-MOOCs, nur dieser ist zufällig von einem Psychologen mit ähnlichen Sorgen wie du :-)
Dies ist eine kurze Liste, aber ich denke, sie überschneidet sich mit den Lagern, die mir bekannt sind (ich würde gerne selbst mehr über die Lager in der Methodik erfahren, vielleicht haben einige andere StackExchange-Leute ein paar Hinweise!) Mein Eindruck ist, dass zumindest Sie sollte versuchen, jemanden zu lesen, der seine Probleme mit der Parameterschätzung löst und sich um S- und M-Fehler kümmert (Gelman, Kruschke), jemand, der seine Probleme mit der Modellauswahl löst und sich um Bayes-Faktoren kümmert (EJ Wagenmakers 2018 "Bayes Factor Design Analysis" vielleicht? ), und jemand, der gerne ein Frequentist ist, solange man bei der Interpretation sehr vorsichtig ist (Lakens, denke ich? Oder wie die meisten Statistiken? Efrons großartige Bootstrapping-Kunststücke sind ein großartiges Gegenmittel zu Wagenmakers extremen Takedowns von alles frequentist).
In meiner speziellen Ecke der Psychologie erobert Stan die Welt, wenn das für Sie interessant ist, könnten Sie einige gute Meilen aus http://elevanth.org/blog/ ziehen . Ich schätze, dass mehr als 20 Leute das Lehrbuch „Umdenken“ empfohlen haben mich, und sie hatten Recht! Es ist ziemlich toll.
Steve Langsford