哪类统计不确定性有助于循证 policymaking？来自爱尔兰一项调查实验的启示

在政策制定情境中，哪类统计不确定性——带p值的统计（不）显著性，还是贝叶斯概率——能使人们更清晰地看到不确定性的连续性本质？一项原创调查实验采用假设情景，要求来自爱尔兰的参与者根据一份估计某新公交线路减堵效果的研究报告，决定是否引入该线路。处理变量为不确定性信息：p值为2%的统计显著性、p值为25%的统计不显著性、估计正确的95%概率，以及估计正确的68%概率。在较低不确定性情形下，显著性框架与贝叶斯框架均导致较大比例的参与者采纳政策（分别为0.82和0.91）。在较高不确定性情形下，显著性框架导致采纳政策的参与者比例远小（0.39对比0.83）。研究结果表明，参与者在贝叶斯框架下比在显著性框架下更清晰地看到了不确定性的连续性本质。