Di 68.000 meta-analisis termasuk lebih dari 700.000 perkiraan ukuran efek, koreksi untuk bias publikasi cenderung untuk: - Mengurangi ukuran efek secara nyata - Secara nyata mengurangi kemungkinan bahwa ada efek sama sekali Ekonomi paling terpukul:

Bahkan ini mungkin terlalu murah hati. Ingatlah bahwa mengoreksi bias publikasi sering menghasilkan efek yang masih lebih besar daripada efek yang dicapai dalam studi replikasi skala besar berikutnya.

Contoh bagus dari ini berasal dari studi priming. Ingat money priming, di mana hanya melihat atau menangani uang membuat orang lebih egois dan lebih baik dalam bisnis? Studi-studi tersebut dilanda bias publikasi, tetapi studi yang telah didaftarkan sebelumnya sama sekali gagal menemukan apa pun.

Demikian pula, dalam penelitian yang didanai oleh otoritas yang membutuhkan - Praregistrasi - Analis luar - Pelaporan hasil wajib - Uji coba besar - Pengaturan realistis Tidak ada bukti untuk p-hacking dan ukuran efeknya sangat kecil. Di sini, dalam pendidikan, rata-rata adalah 0,06 d

Masalah bias publikasi sangat besar Begitu banyak hal yang mungkin tidak begitu nyata ketika kita benar-benar melakukannya. Itu adalah temuan umum yang sayangnya dan dakwaan terhadap proses publikasi yang akan membutuhkan upaya replikasi bersama untuk memperbaikinya Jika kita memperbaikinya sama sekali