哪种类型的统计不确定性有助于基于证据的政策制定？来自爱尔兰的调查实验的洞见。
摘要：哪种统计不确定性类型 -- 具有p值的统计（非）显著性，还是贝叶斯概率 -- 在政策制定背景下能更清晰地展现不确定性的连续性？一个原创的调查实验要求来自爱尔兰的参与者阅读一个假设的政策制定情景，并决定是否引入新的公交线路作为减少交通拥堵政策，给出一个估计其有效性的研究报告。四种信息作为处理方法：具有2％p值的统计显著性，具有25％p值的统计非显著性，估计正确性为95％的概率，估计正确性为68％的概率。政策的效果大小和成本在所有处理组中保持不变。在不确定性较低的情况下，无论是显著性框架还是贝叶斯框架都导致有很大比例的参与者采用该政策（分别为.82和.91），而在不确定性较高的情况下，显著性框架导致更小比例的参与者采用该政策，而贝叶斯框架导致更大比例的参与者采用该政策（分别为.39和.83）。研究结果表明，与显著性框架相比，参与者能够更清晰地在贝叶斯框架中看到不确定性的连续性。
作者：Akisato Suzuki
论文ID：2108.05100
分类：Other Statistics
分类简称：stat.OT
提交时间：2022-02-15