研究问题、可复现分析与敏感性分析16 / 16
适用范围与常见误用
- 误区：固定了随机种子，结果就“可靠”了。→ 正解：固定种子保证可复算；可靠性要求结论在多个种子下都成立，且随机网络数足够大。
- 误区：敏感性分析是找到最好看的参数。→ 正解：先写明主分析和待检查的选择，再如实报告所有结果，包括不支持假设的。
- 误区：只要代码能运行，就算可复算。→ 正解：还要记录数据版本、环境版本、手工步骤，并能从原始数据一键重跑出全部图表。
- 误区：代码和数据已经共享，研究就是可复现的。→ 正解：共享材料常常缺少依赖、路径写死、版本不明；应在干净环境中实际重跑一次。
- 误区：预注册了就不能做计划外的分析。→ 正解：可以做，但要标明为探索性，并报告与计划的偏离。
- 误区：多元宇宙中多数宇宙显著，结论就成立。→ 正解：宇宙之间高度相关，不能当独立证据计数；有缺陷的选择不应纳入；需要联合推断。
- 误区：结果不显著是因为“功效不够”，用观测效应算一下事后功效即可说明。→ 正解：事后功效只是 值的变形；应报告效应量的置信区间，并在研究前做样本量规划。
- 误区：AI 只是润色了语言，不需要披露。→ 正解：按多数期刊政策，任何实质使用都应说明用途和核实方式。