（1） 統計的仮説検定が有意にならなかったので，p値が0.05より小さくなるまでサンプル数を増やした。（p-hacking）

（2） 有名な論文の内容を再検証しようとリプリケーション・スタディーを行ったのだが，結果を再現できない。

（3） ビッグデータを使って，男性と女性100万人のIQスコアから 2 群の差の検定を行った。

その結果，標本平均の差は0.1以下だったが t値が10で帰無仮説が却下された。標本サイズが大きすぎるようだ。

（4） 統計の初心者は，t値が大きければ大きいほど（あるいは p値が小さければ小さいほど） その効果自体が大きいと，標準化係数（効果量）との概念を混同しがちである。

統計的仮説検定に関する批判は70年代から議論されていたのだが（ Morrison and Henkel1970），この10年ほどの間に大きな変化が起きつつある。ひとつは検定力分析の重要性，もうひとつはベイズ推論である。これらはマーケティング・サイエンスの研究者にとっても，実験計画や分析において将来，重要になる可能性があるので紹介しておく。