Furthermore, smaller samples have a

Furthermore, smaller samples have a higher likelihood of producing
a Type M error (i.e. of yielding an effect size which is
considerably larger than the true effect). Effect sizes in small
sample studies are biased upwards, because smaller samples are
more likely to be affected by chance variation in the sampled data.
The key to understanding this phenomenon is to understand that
data vary randomly and therefore, effects fluctuate. The smaller a
sample is, the higher the influence of a few strong variations. At the
same time, when samples are small, only large effects pass the
statistical significance filter. When effects need to pass a certain
threshold in order to be regarded as a discovery, studies with
accidentally larger than true effects get published, whereas studies
with accidentally smaller than true effects are discarded (Button
et al., 2013; Ioannidis, 2005). This phenomenon has been labeled
“the winner's curse” (Button et al., 2013): The researcher who is the
first to claim a discovery is cursed by having a high likelihood of
reporting an inflated effect size. The influence of small-sample
variation is particularly troublesome when researchers subsequently
sample more participants until a test produces a significant
result and then stop sampling (Simmons et al., 2011). This approach
is bound to produce false positive results, as it takes advantage of
the first time that (random) variation makes the p-value drop
below the significance threshold, although it might well exceed it
again. However, researchers and reviewers sometimes think that it
is particularly impressive to find an effect with a small sample.
Simmons and colleagues (2011, p. 1362) refer to this misconception
as „ … the often-espoused yet erroneous intuition that if an effect is
significant with a small sample size then it would necessarily be
significant with a larger one“. In addition to the above points, small
sample studies are also more likely to be affected by biasing in-
fluences such as researcher degrees of freedom (Button et al., 2013).
As smaller samples have more variation, there is more variation
that can be exploited by researcher degrees of freedom.

ผลลัพธ์ (ไทย) 1:

นอกจากนี้ ตัวอย่างขนาดเล็กมีความเป็นไปได้สูงในการผลิตมีข้อผิดพลาดชนิด M (เช่นจากผลผลิตมีขนาดผลที่มากมากกว่าผลจริง) ผลขนาดเล็กในศึกษาตัวอย่างมีความโน้มเอียงสูงขึ้น เนื่องจากตัวอย่างขนาดเล็กมีแนวโน้มที่จะมีผลกระทบโดยบังเอิญเปลี่ยนแปลงในข้อมูลตัวอย่างกุญแจสำคัญที่จะทำความเข้าใจปรากฏการณ์นี้คือการ เข้าใจว่าข้อมูลแตกต่างกันได้ และดังนั้น ลักษณะผันผวน มีขนาดเล็กอย่างนั้น ยิ่งอิทธิพลของรูปแบบบางที่แข็งแกร่ง ที่ขณะเดียวกัน เมื่อตัวอย่างมีขนาดเล็ก ลักษณะเฉพาะขนาดใหญ่พิเศษผ่านการตัวกรองข้อมูลนัยสำคัญทางสถิติ เมื่อต้องผ่านเป็นบางลักษณะขีดจำกัดการถือเป็นการค้นพบ การศึกษากับตั้งใจกว่าผลจริงได้รับการเผยแพร่ ในขณะที่การศึกษาด้วยบังเอิญมีขนาดเล็กกว่าผลที่แท้จริงได้ (ปุ่มยกเลิกร้อยเอ็ด al., 2013 Ioannidis, 2005) ปรากฏการณ์นี้มีการติดป้าย"คำสาปของผู้ชนะ" (ปุ่ม et al., 2013): นักวิจัยที่เป็นการก่อน อ้างการค้นพบคือสาปมีความเป็นไปได้สูงของรายงานมีขนาดผลสูงเกินจริง อิทธิพลของตัวอย่างขนาดเล็กเปลี่ยนแปลงจะลำบากโดยเฉพาะอย่างยิ่งเมื่อนักวิจัยในเวลาต่อมาตัวอย่างผู้เรียนเพิ่มเติมจนกว่าการทดสอบผลิตเป็นสำคัญผล และหยุดการสุ่มตัวอย่าง (ซิมมอนส์ et al., 2011) วิธีการนี้ถูกผูกไว้กับผลิตผลบวกเท็จ ใช้ประโยชน์จากครั้งแรกที่เปลี่ยนแปลง (สุ่ม) ทำให้ค่า p ที่ปล่อยต่ำกว่าขีดจำกัดสำคัญ แม้ว่ามันอาจดีเกินมันอีกครั้ง อย่างไรก็ตาม นักวิจัยและผู้ตรวจทานบางครั้งคิดว่า งั้นเป็นอย่างยิ่งประทับใจหาผลกระทบกับตัวอย่างขนาดเล็กซิมมอนส์ และเพื่อนร่วมงาน (2011, p. 1362) หมายถึงความเข้าใจผิดนี้เป็น "...สัญชาตญาณ espoused มักจะ ยังมีข้อผิดพลาด ว่าถ้าผลเป็นอย่างมีนัยสำคัญ ด้วยขนาดตัวอย่างเล็ก แล้วมันจะจำเป็นต้องอย่างมีนัยสำคัญด้วยขนาดใหญ่" นอกจากคะแนนข้างต้น ขนาดเล็กศึกษาตัวอย่างยังมีแนวโน้มที่จะได้รับผลกระทบ โดย biasing ในfluences เช่นนักวิจัยที่องศาความเป็นอิสระ (ปุ่ม et al., 2013)เป็นตัวอย่างขนาดเล็กมีการเปลี่ยนแปลงเพิ่มเติม มีการเปลี่ยนแปลงเพิ่มเติมที่สามารถนำไป โดยนักวิจัยองศาความเป็นอิสระ

ผลลัพธ์ (ไทย) 2:

นอกจากนี้กลุ่มตัวอย่างที่มีขนาดเล็กมีโอกาสสูงในการผลิตข้อผิดพลาดประเภท M (เช่นของผลผลิตขนาดซึ่งเป็นผลมากมีขนาดใหญ่กว่าผลจริง) ขนาดผลเล็ก ๆ ในการศึกษากลุ่มตัวอย่างจะลำเอียงขึ้นเพราะตัวอย่างที่มีขนาดเล็กมีแนวโน้มที่จะได้รับผลกระทบจากการเปลี่ยนแปลงโอกาสในข้อมูลตัวอย่าง. กุญแจสำคัญในการทำความเข้าใจปรากฏการณ์นี้คือการเข้าใจว่าข้อมูลที่แตกต่างกันแบบสุ่มและดังนั้นผลกระทบที่มีความผันผวน ที่มีขนาดเล็กตัวอย่างที่สูงกว่าอิทธิพลของรูปแบบที่แข็งแกร่งไม่กี่ ในขณะเดียวกันเมื่อกลุ่มตัวอย่างที่มีขนาดเล็กผลกระทบขนาดใหญ่เท่านั้นที่ผ่านการกรองนัยสำคัญทางสถิติ เมื่อผลกระทบที่ต้องผ่านบางเกณฑ์เพื่อที่จะได้รับการยกย่องว่าเป็นการค้นพบจากการศึกษากับตั้งใจขนาดใหญ่กว่าผลกระทบที่แท้จริงได้รับการเผยแพร่ในขณะที่การศึกษาที่มีขนาดเล็กกว่าที่ตั้งใจผลกระทบที่แท้จริงจะถูกยกเลิก(ปุ่มet al, 2013;. Ioannidis 2005) ปรากฏการณ์นี้ได้รับการระบุว่า"คำสาปแช่งของผู้ชนะ" (ปุ่ม et al, 2013.) ผู้วิจัยซึ่งเป็นครั้งแรกที่จะเรียกร้องการค้นพบถูกสาปโดยมีโอกาสสูงที่การรายงานผลขนาดที่สูงเกินจริง อิทธิพลของขนาดเล็กตัวอย่างรูปแบบจะลำบากโดยเฉพาะอย่างยิ่งเมื่อนักวิจัยต่อมาลิ้มลองเข้าร่วมมากขึ้นจนกว่าจะมีการทดสอบการผลิตอย่างมีนัยสำคัญผลแล้วหยุดการสุ่มตัวอย่าง(ซิมมอนส์ et al., 2011) วิธีการนี้ถูกผูกไว้เพื่อผลิตผลบวกปลอมเป็นมันใช้ประโยชน์จากครั้งแรกที่(สุ่ม) การเปลี่ยนแปลงที่ทำให้ลดลง p-value ต่ำกว่าเกณฑ์อย่างมีนัยสำคัญแม้ว่ามันอาจจะดีกว่ามันอีกครั้ง อย่างไรก็ตามนักวิจัยและแสดงความคิดเห็นที่อาจจะคิดว่ามันเป็นที่น่าประทับใจโดยเฉพาะอย่างยิ่งที่จะหาผลกระทบกับกลุ่มตัวอย่างขนาดเล็ก. ซิมมอนส์และเพื่อนร่วมงาน (2011, น. 1362) หมายถึงความเข้าใจผิดนี้ว่า"... สัญชาตญาณมักจะดำเนินการยังเข้าใจผิดว่าถ้าผลเป็นอย่างมีนัยสำคัญที่มีขนาดตัวอย่างเล็ก ๆ แล้วมันจำเป็นต้องจะเป็นอย่างมีนัยสำคัญที่มีขนาดใหญ่" นอกเหนือไปจากจุดดังกล่าวมีขนาดเล็กการศึกษาตัวอย่างนอกจากนี้ยังมีแนวโน้มที่จะได้รับผลกระทบจาก biasing ห fluences เช่นองศาวิจัยของเสรีภาพ (ปุ่ม et al., 2013). ในฐานะที่เป็นกลุ่มตัวอย่างขนาดเล็กมีการเปลี่ยนแปลงมากขึ้นมีการเปลี่ยนแปลงมากขึ้นที่สามารถใช้ประโยชน์โดยองศาวิจัยของเสรีภาพ