人類在收集或解釋數據時最常見的偏見是什麼？
我是經濟/統計專業的。我知道經濟學家試圖通過識別人們不理性行為的情況來修改他們對人類行為和理性的假設。例如，假設我為您提供 100% 的損失 1000美元的機會或 50% 的損失 2500美元的機會，人們選擇2500美元的選項，即使後者的預期價值比1000美元的保證損失更大損失。這被稱為“損失厭惡”。行為經濟學家現在研究這些模式，並試圖找出人類偏離那些通常被認為構成“理性”行為的公理的方式。在這裡，我認為選擇預期損失最小的做法是合理的。
我想知道統計學家是否已經確定了數據收集中的常見模式，這些模式會在人們如何解釋數據時產生有偏見的結果。如果本質上存在一種“理性”的數據收集方式，我認為存在人類偏離這一點並表現出“偏見”的例子。如果是這樣，人類在收集或解釋數據時最常見的偏見是什麼？
我認為在學術界，p 值很容易被誤解。人們往往會忘記 p 值表示條件概率。即使一個實驗已經完美地進行並且滿足了所選統計測試的所有要求，錯誤發現率通常也遠高於顯著性水平 alpha。錯誤發現率隨著統計能力和真陽性率的降低而增加（Colquhoun，2014；Nuzzo，2014）。
此外，人們傾向於認為他們的估計是真實的，而他們估計的參數是隨機的（Haller & Kraus，2002）。例如，當他們說“在 95% 的情況下，這個確定的置信區間涵蓋了參數”……
混淆相關性和因果關係可能也是數據解釋中非常常見的錯誤。
在數據收集方面，我認為一個常見的錯誤是取最容易獲得的樣本，而不是最具代表性的樣本。
Colquhoun, D. (2014)。對錯誤發現率和對 P 值的誤解的調查。皇家學會開放科學，1-15。
努佐，R. (2014)。統計錯誤：P 值，統計有效性的“黃金標準”並不像許多科學家所假設的那樣可靠。自然，506、150-152。
Haller, H. & Kraus, S. (2002)：對意義的誤解：學生與老師分享的問題？在線心理研究方法，Vol.7，No.1